Tutorium: Analysis und Lineare Algebra
|
|
- Nadine Hochberg
- vor 5 Jahren
- Abrufe
Transkript
1 Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am (Teil 2) 9. Mai 218 Steven Köhler mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218
2 3 c 218 Steven Köhler 9. Mai 218 Definition I Gegeben seien zwei Vektorräume V und W über einem Körper K. Eine Abbildung f : V W heißt lineare Abbildung, wenn für alle x, y V und λ K die folgenden Eigenschaften gelten: f ist homogen: f (λ x) =λ f (x) f ist additiv: f (x + y) =f (x)+f(y) Die beiden Bedingungen können zusammengefasst werden: f (λ x + y) =λ f (x)+f (y). 4 c 218 Steven Köhler 9. Mai 218
3 Definition II Eine lineare Abbildung f : V W lässt sich eindeutig beschreiben durch die Bilder einer Basis des Vektorraums V ; eine Abbildungsmatrix A. 5 c 218 Steven Köhler 9. Mai 218 Aufgabe 1 Entscheide, ob es sich bei der folgenden Abbildung f : R 3 R 2 um eine lineare Abbildung handelt: ( ) 2x + y z f (x, y, z) =. x + 2z 6 c 218 Steven Köhler 9. Mai 218
4 Aufgabe 2 Gegeben seien eine lineare Abbildung f : R 2 R 2 sowie die Bilder der Basisvektoren b 1 =(1, 2) und b 2 =(, 1) des R 2.Essei f (b 1 )=f(1, 2) =(2, 4) f (b 2 )=f(, 1) =(5, 1). Bestimme das Bild f (v) des Vektors v =(5, 3). 7 c 218 Steven Köhler 9. Mai 218 Abbildungsmatrix I Gegeben sei eine lineare Abbildung f : K n K m. Die Bilder f (e 1 ),...,f (e n ) der Einheitsvektoren e 1,...,e n sind die Spalten der Abbildungsmatrix A; es gilt A = f (e 1 ) f (e n ). Handelt es sich bei der gegebenen Basis des Vektorraums K n nicht um die Einheitsvektoren, so müssen beim Erstellen der Abbildungsmatrix zunächst die Bilder der Einheitsvektoren bestimmt werden. 8 c 218 Steven Köhler 9. Mai 218
5 Abbildungsmatrix II Beispiel: Gegeben sei eine lineare Abbildung f : R 2 R 3. Es gelte f (e 1 )=f(1, ) =(1, 2, 3) f (e 2 )=f(, 1) =(, 1, 2) Die Bilder der Einheitsvektoren sind die Spalten der Abbildungsmatrix A; es gilt 1 A = c 218 Steven Köhler 9. Mai 218 Aufgabe 3 Gegeben seien eine lineare Abbildung f : R 2 R 3 sowie die Bilder der Basisvektoren b 1 =(1, 2) und b 2 =(, 2) des R 2.Essei f (b 1 )=f(1, 2) =(2, 5, 4) f (b 2 )=f(, 2) =(1,, 3). Bestimme die zur linearen Abbildung f gehörende Abbildungsmatrix A. 1 c 218 Steven Köhler 9. Mai 218
6 Bild und Kern einer linearen Abbildung Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern von f ist die Menge { } Kern(f )= v V f (v) =. Das Bild von f ist die Menge Bild(f )= { } f (v) v V. Der Kern von f ist ein Unterraum von V. Das Bild von f ist ein Unterraum von W. 11 c 218 Steven Köhler 9. Mai 218 Dimensionsformel Sei V ein endlich erzeugter K-Vektorraum, W ein beliebiger Vektorraum und f : V W eine lineare Abbildung. Dann ist Bild(f ) endlich erzeugt und es gilt dim(v ) = dim(kern(f )) + dim(bild(f )). c 218 Steven Köhler 9. Mai 218
7 13 c 218 Steven Köhler 9. Mai 218 I Eine quadratische Matrix A heißt invertierbar, falls es eine Matrix A 1 gibt, für die A A 1 = A 1 A = E gilt. Nicht jede quadratische Matrix ist invertierbar. Falls eine Matrix invertierbar ist, so ist ihr Inverses allerdings eindeutig bestimmt. 14 c 218 Steven Köhler 9. Mai 218
8 II Frage: Woher weiß man, ob eine quadratische Matrix invertierbar ist oder nicht? Wenn man weiß, dass eine Matrix invertierbar ist, wie kann man die inverse Matrix bestimmen? 15 c 218 Steven Köhler 9. Mai 218 III Antwort: Man erstellt zunächst die folgende Blockmatrix: [ A ] E. A ist die zu invertierende Matrix, E ist eine entsprechend dimensionierte Einheitsmatrix. Mithilfe des Gauß-Jordan-Algorithmus wird die Matrix [A E] anschließend in reduzierte Zeilenstufenform überführt. 16 c 218 Steven Köhler 9. Mai 218
9 IV Beispiel: 1 2 Gesucht ist das Inverse der Matrix A = Lösung: Zunächst wird die entsprechende Blockmatrix aufgestellt: c 218 Steven Köhler 9. Mai 218 V Zuerst bringen wir das Hauptdiagonalenelement der ersten Spalte in die richtige Form, indem wir die erste Zeile mit 1 multiplizieren Um den Rest der ersten Spalte in die richtige Form zu bringen, addieren wir das ( 4)-fache der ersten zur dritten Zeile c 218 Steven Köhler 9. Mai 218
10 VI Weiter mit Spalte 2. Zunächst vertauschen wir die zweite und dritte Zeile Durch Multiplikation mit 1 bringen wir das Hauptdiagonalenelement von Zeile 2 in die richtige Form c 218 Steven Köhler 9. Mai 218 VII Durch Addition des 2-fachen der zweiten Zeile zur ersten Zeile bringen wir die zweite Spalte in die richtige Form Weiter mit Spalte 3. Multiplikation der dritten Zeile mit 1 3 ergibt: c 218 Steven Köhler 9. Mai 218
11 VIII Addition geeigneter Vielfacher zu den ersten beiden Zeilen bringt schließlich die dritte Spalte in die richtige Form Wir haben also die inverse Matrix A 1 zu A gefunden A 1 = c 218 Steven Köhler 9. Mai 218 IX Ist die Matrix A nicht invertierbar, so lässt sie sich mit dem Gauß- Jordan-Algorithmus nicht zur Einheitsmatrix E umformen. Im Gegenzug kann die Matrix A immer zur Einheitsmatrix E umgeformt werden, wenn sie invertierbar ist. 22 c 218 Steven Köhler 9. Mai 218
12 Aufgabe a) Es sei A R 3 3 gegeben durch A = Berechne A 1 mithilfe des Gauß-Jordan-Algorithmus. Überprüfe dein Ergebnis auf Richtigkeit! b) Zeige, dass die folgende Matrix B R 3 3 nicht invertierbar ist: B = c 218 Steven Köhler 9. Mai 218 Lineare Gleichungssysteme & inverse Matrizen Hat ein lineares Gleichungssystem eine eindeutige Lösung, so lässt sich dieses auch mithilfe der Inversen der Koeffizientenmatrix A berechnen. Es gilt Ax = b x = A 1 b. 24 c 218 Steven Köhler 9. Mai 218
13 Determinanten 25 c 218 Steven Köhler 9. Mai 218 Determinanten Determinanten kleiner Matrizen Die Determinanten von 1 1, 2 2 und 3 3 Matrizen können mithilfe der folgenden Formeln bestimmt werden: det [ ] a 11 = a11 [ ] a11 a det = a a 21 a 11 a 22 a a a 11 a a 13 det a 21 a 22 a 23 = a 11 a 22 a 33 + a a 23 a 31 + a 13 a 21 a 32 a 31 a 32 a 33 a 13 a 22 a 31 a 11 a 23 a 32 a a 21 a c 218 Steven Köhler 9. Mai 218
14 Determinanten Die Regel von Sarrus Die Regel zur Berechnung einer 3 3 Determinante ist auch als Regel von Sarrus bekannt und kann durch folgendes Schema einfach dargestellt werden: 27 c 218 Steven Köhler 9. Mai 218 Determinanten Die Leibniz-Formel Die Determinante einer beliebigen n n Matrix A =(a ij ) K n n kann mithilfe der Leibniz-Formel berechnet werden: det(a) = σ S n (sgn(σ) n a iσ(i) ). i=1 28 c 218 Steven Köhler 9. Mai 218
15 Determinanten Der Laplacesche Entwicklungssatz Die Determinante einer beliebigen n n Matrix A =(a ij ) K n n kann mithilfe des Laplaceschen Entwicklungssatzes berechnet werden. Entwicklung nach der j-ten Spalte: det(a) = n ( 1) i+j a ij det(a ij ) i=1 Entwicklung nach der i-ten Spalte: det(a) = n ( 1) i+j a ij det(a ij ) j=1 Die Matrizen A ij sind die (n 1) (n 1) Untermatrizen von A, die man durch Streichen der i-ten Zeile und j-ten Spalte erhält. 29 c 218 Steven Köhler 9. Mai 218 Determinanten Gaußsches Eliminationsverfahren Die Determinante einer beliebigen n n Matrix A =(a ij ) K n n kann mithilfe des Gaußschen Eliminationsverfahrens berechnet werden. Ist A eine Dreiecksmatrix, dann ist das Produkt der Hauptdiagonalenelemente die Determinante von A. Falls B aus A hervorgeht, indem man zwei Zeilen bzw. zwei Spalten vertauscht, so gilt det(b) = det(a). Falls B aus A hervorgeht, indem man ein Vielfaches einer Zeile bzw. Spalte zu einer anderen Zeile bzw. Spalte addiert, so gilt det(a) =det(b). Falls B aus A hervorgeht, indem man das λ-fache einer Zeile bzw. Spalte bildet, so gilt det(b) =λ det(a). 3 c 218 Steven Köhler 9. Mai 218
16 Determinanten Aufgabe 5 Gegeben sei die folgende Matrix A R 3 3 : A = Bestimme die Determinante det(a) a) mithilfe der Regel von Sarrus; b) mithilfe des Laplaceschen Entwicklungssatzes; c) mithilfe des Gaußschen Eliminationsverfahrens. 31 c 218 Steven Köhler 9. Mai 218 Matrizen II 32 c 218 Steven Köhler 9. Mai 218
17 Matrizen II Die Fundamentalräume einer Matrix I Gegeben sei eine m n - Matrix A. Der Zeilenraum Z(A) ist der durch die m Zeilenvektoren der Matrix A aufgespannte Vektorraum: Z(A) =Lin(z 1,...,z m ) { } = λ 1 z λ m z m λ 1,...,λ m R. Der Spaltenraum S(A) ist der durch die n Spaltenvektoren der Matrix A aufgespannte Vektorraum: S(A) =Lin(s 1,...,s n ) { } = λ 1 s λ n s n λ 1,...,λ n R. 33 c 218 Steven Köhler 9. Mai 218 Matrizen II Die Fundamentalräume einer Matrix II Gegeben sei eine m n - Matrix A. Der Nullraum N(A) ist die Lösungsmenge des homogenen linearen Gleichungssystems Ax = : { } N(A) = x Ax =. Der Nullraum der Transponierten N(A T ) ist die Lösungsmenge des homogenen linearen Gleichungssystems A T x = : ( ) { } N A T = x A T x =. 34 c 218 Steven Köhler 9. Mai 218
18 Matrizen II Die Fundamentalräume einer Matrix III Gegeben sei eine m n - Matrix A. Es gelten die folgenden Zusammenhänge: Z(A) =S(A T ) S(A) =Z(A T ) dim (Z(A)) = dim (S(A)) dim (Z(A)) + dim (N(A)) = n dim (S(A)) + dim (N(A T )) = m rg(a) =dim(z(a)) = dim (S(A)) 35 c 218 Steven Köhler 9. Mai 218 Matrizen II Zusammenhänge mit Determinanten Im Folgenden sei eine quadratische n n - Matrix A betrachtet: det (A) = rg (A) < n det (A) = dim (N(A)) > det (A) rg (A) =n det (A) dim (N(A)) = det (A) = A 1 existiert nicht det (A) A 1 existiert 36 c 218 Steven Köhler 9. Mai 218
19 Matrizen II Zusammenhänge mit linearen Gleichungssystemen Im Folgenden sei eine quadratische n n - Matrix A betrachtet: rg (A) rg(a b) Ax = b ist nicht lösbar rg (A) =rg(a b) =n Ax = b ist eindeutig lösbar rg (A) =rg(a b) < n Ax = b hat unendlich viele Lösungen 37 c 218 Steven Köhler 9. Mai 218 Matrizen II Aufgabe 6 Gegeben seien Vektoren z 1, z 2, z 3 und z 4 des R 4, die die Zeilen einer 4 4 Matrix A bilden. Es gelte dim ( Z(A) ) = 2. Wahr oder falsch? (Mit kurzer Begründung!) a) Das Gleichungssystem Ax = b besitzt eine eindeutige Lösung. b) Es gilt dim ( N(A T ) ) = 2. c) Eine Aussage über det (A) ist nur dann möglich, wenn A vollständig bekannt ist. d) Die inverse Matrix A 1 existiert nicht. e) Die Spaltenvektoren s 1,...,s 4 der Matrix A sind linear abhängig. 38 c 218 Steven Köhler 9. Mai 218
Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
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
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
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
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
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
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
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrLineare Algebra 2013 Lösungen für Test und Zusatzfragen
Lineare Algebra 3 Lösungen für Test und Zusatzfragen Test Multiple Choice. Seien Für die Lösung x x x x 3 A, b des Systems Ax b gilt x 3 5 x 3 x 3 3 x 3 / Mit elementaren Zeilenoperationen erhalten wir
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: 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
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
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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
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
MehrDefinitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
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 (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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2
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 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
MehrTutorium: Analysis und Lineare Algebra. Vorbereitung der Bonusklausur am (Teil 1, Lösungen)
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 22.5.217 (Teil 1, Lösungen) 1. Mai 217 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 217 Steven Köhler 1. Mai 217
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07032016-11032016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Lineare Abbildungen 2 11 Homomorphismus 2 12 Kern
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
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
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
MehrProbeklausur zu Mathematik 2 für Informatik
Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die
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)
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie
D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5
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 =
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
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
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
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
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
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 +
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
Mehr1 Darstellungsmatrizen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v
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
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)
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I)
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Anusch Taraz Sommersemester 215 Klausur zur Mathematik I (Modul: Lineare Algebra I) 28.8.215 Sie haben 6 Minuten Zeit zum Bearbeiten
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
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
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
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)
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
Mehr5.2 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 Weihnachtszettel
Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I)
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Anusch Taraz Wintersemester 2014/15 Klausur zur Mathematik I (Modul: Lineare Algebra I) 18.02.2015 Sie haben 60 Minuten Zeit zum
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
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
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
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
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
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.
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
Mehr6 Lineare Gleichungssysteme
6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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.............................
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Rechnen mit Matrizen 2 1.1 Matrixmultiplikation............................................
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
MehrPrüfung Lineare Algebra , B := ( ), C := 1 1 0
1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,
MehrKapitel 9: Lineare Gleichungssysteme
Kapitel 9: Lineare Gleichungssysteme Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) Kapitel 9: Lineare Gleichungssysteme 1 / 15 Gliederung 1 Grundbegriffe
MehrD-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld. Clicker Fragen. Sei R die Menge aller Mengen, die sich nicht selbst enthalten.
D-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld Clicker Fragen Frage 1 Sei R die Menge aller Mengen, die sich nicht selbst enthalten. So gilt R R R / R Dies ist bekannt als die Russelsche Antimonie
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 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 +
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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
Mehr5.2 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
Mehr, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang
Nachklausur zur Linearen Algebra I - Nr. 1 Bergische Universität Wuppertal Sommersemester 2011 Prof. Dr. Markus Reineke 06.10.2011, 10-12 Uhr Dr. Thorsten Weist Bitte tragen Sie die folgenden Daten leserlich
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
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
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine
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
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,...,
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 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
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:
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
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
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
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
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
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
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
Mehr