HM II Tutorium 5. Lucas Kunz. 22. Mai 2018
|
|
- Pia Amsel
- vor 5 Jahren
- Abrufe
Transkript
1 HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie Wiederholung Lineare Gleichungsysteme Wiederholung: Kern einer Abbildung Wiederholung: Bild einer Abbildung Matrizen Matrix-Addition Matrix-Multiplikation Theorie über das Tutorium hinaus Wiederholung: Inverse Matrizen Wiederholung: Rangsatz Aufgaben Aufgabe Aufgabe
2 1 Theorie 1.1 Wiederholung Lineare Gleichungsysteme Ein lineares Gleichungssystem (LGS) der Art A x = b ist genau dann lösbar, falls rg(a) = rg(a b). (1.1) Es ist eindeutig lösbar, wenn dieser Rang dem Höchstrang (k in Gleichung 2.5) entspricht. Zur Lösung versucht man, mit dem Gauß-Algorithmus die Koeffizientenmatrix A auf Zeilenstufen- (ZSF) oder Zeilennormalform (ZNF) zu bringen. Die folgende Gleichung zeigt je ein Beispiel für eine Matrix in ZNF und ZSF: ZSF: B = ZNF: C = Zeilenstufenform meint, dass unterhalb der Hauptdiagonalen nur noch die Zahl 0 steht. Zeilennormalform hingegen bedeutet weiterhin, dass auf der Diagonalen selbst nur 1 (oder 0) stehen darf und oberhalb jeder 1 auf der Diagonalen nur Nullen. Aus der Zeilenstufenform lässt sich im Falle eines homogenen Gleichungssystems sehr leicht die Lösungsmenge ablesen: 4 C x = 0 x lin. Dies ergibt sich aus dem (-1)-Trick. Hat man eine Matrix in ZNF, so besteht die Lösung des homogenen Systems aus der linearen Hülle aller Spalten, die keine 1 sondern eine 0 auf der Hauptdiagonalen stehen haben, wenn man diese 0 durch -1 austauscht. Eine solche Lösung eines homogenen Gleichungssystems, die vom Nullvektor verschieden ist, heißt nichttriviale Lösung, das System ist dementsprechend nichttrivial lösbar. Formt man die Koeffizientenmatrix A auf ZNF um, dann erhält man das neue System A x = b. Die Lösbarkeit dessen stellt man wie bereits vor der Umformung fest, denn 17 1 rg(a) = rg(a ) und rg(a b) = rg(a b ). (1.2) Die Dimension der Lösungsmenge eines solchen Systems ergibt sich als die Differenz zwischen tatsächlichem Rang von A und möglichem Höchstrang einer Matrix der Größe von A. Ist z.b. A K 3 3, so ist der Höchstrang k = 3. Ist nun aber rg(a) = rg(a b) = 2, so hat der Lösungsraum die Dimension 1, ist also anschaulich eine Gerade. Dimension 0 bedeutet eindeutige Lösbarkeit und entspricht einem exakten Punkt. Um eine Matrix auf ZSF oder ZNF zu bringen, gibt es drei erlaubte Umformungen: 1. Addieren von Zeilen aufeinander. 2. Multiplizieren von Zeilen mit Skalaren aus K. 3. Vertauschen von Zeilen. Diese Umformungen verändern weder den Rang, noch die Lösung des Systems. Zu beachten ist, dass dabei auch immer der rechte Teil des gemeinsamen Systems (A b), also der Vektor b, entsprechend mit umgeformt werden muss. 2
3 1.2 Wiederholung: Kern einer Abbildung Der Kern einer linearen Abbildung (bzw. ihrer Abbildungsmatrix) beschreibt die Menge aller Vektoren im Definitionsbereich, die durch die Abbildung auf den Nullvektor abgebildet werden. Es ist dementsprechend für eine lineare Abbildung g : C n C m Kern(g) = {x C n g(x) = 0}. (1.3) 1.3 Wiederholung: Bild einer Abbildung Das Bild einer linearen Abbildung (bzw. ihrer Abbildungsmatrix) ist die Menge der Elemente, in die sie abbildet. Im Falle einer wie eben bereits verwendeten Funktion g : C n C m ist dies 1.4 Matrizen Bild(g) = {y C m x C n : g(x) = y}. (1.4) Matrizen sind Elemente eines besonderen Vektorraums. Sei K ein Körper, dann ist eine n m-matrix ein Element aus dem K n m. Anschaulich gesprochen ist eine Matrix also eine Tabelle oder ein Gitter aus n Zeilen und m Spalten, wobei in jedem der Felder ein Eintrag aus dem zugrundeliegenden Körper K steht. Damit dieser spezielle Raum die in Tutorium 1 definierten Eigenschaften eines Vektorraums erfüllt, müssen Multiplikation und Addition auf ganz bestimmte Weise definiert sein. Weiterhin bedarf es eines neutralen Elements der Multiplikation und der Addition. Diese sind einfach gefunden: := und I := (1.5) Das neutrale Element der Addition ist eine Matrix, in der in allen Komponenten nur Nullen stehen. Das neutrale Element der Multiplikation, auch Einheitsmatrix genannt, existiert nur in quadratischer Form, also für den Fall n = m. Auf der Diagonale stehen jeweils Einser, überall sonst Nullen. Für die Einheitsmatrix existieren verschiedene Schreibweisen, darunter auch 1. Manchmal verwendet man auch die Schreibweise I (n) oder 1 (n) um anzudeuten, dass es sich um die n n-einheitsmatrix handelt Matrix-Addition Die Art der Definition der Nullmatrix lässt bereits vermuten, auf welche Weise die Addition von Matrizen definiert ist: Es seien A, B K n m, also haben beide Matrizen die gleiche Anzahl an Zeilen und an Spalten. Die Summe wird Komponentenweise ausgeführt, also werden die Elemente links oben addiert usw. Beispiel: A := ( ) ; B := ( ) A + B = (1.6) Die Multiplikation mit Skalaren aus K ist ebenso komponentenweise definiert, sodass 2 A = A + A ist, wie man es von anderen Vektorräumen her auch gewohnt ist. 3
4 1.4.2 Matrix-Multiplikation Die Multiplikation zweier Matrizen ist etwas komplizierter zu definieren. Außerdem ist sie wie die Addition von der Größe der beiden Matrizen abhängig, die man multiplizieren möchte. Es sei hierzu A K n m und B K m p. Die Zahl der Spalten von A und der Zeilen von B ist also identisch. Nur wenn diese Voraussetzung gegeben ist, kann man ein Produkt C := A B definieren. Das Element in der n-ten Zeile und p-ten Spalte von C, kurz auch geschrieben als C np, berechnet sich dabei mehr oder weniger als Skalarprodukt der n-ten Zeile von A mit der p-ten Spalte von B, nur dass keiner der beteiligten Vektoren komplex konjugiert wird. In Summenschreibweise ergibt sich folgende Definition: C np = m A nj B jp. (1.7) j=1 Anhand eines Beispiels wird dieser Sachverhalt vermutlich klarer. Es seien hierzu A := und B := (1.8) Das Produkt dieser beiden Matrizen ist also wohl definiert, da die Zahl der Spalten von A und der Zeilen von B jeweils 3 ist. Wegen Gleichung 1.7 gilt: A B = (1.9) =. (1.10) Die Eigenschaften des Matrixprodukts stehen wie erwartet im Einklang mit den Vektorraum- Axiomen (siehe Tutorium 1). Die wichtigsten drei sind die folgenden: Es ist assoziativ, also A (B C) = (A B) C. Es ist distributiv, also gilt (αa+βb) C = α A C+β B C und ebenso A (αb+βc) = α A B + β A C für beliebige α, β K. Es ist im Allgemeinen nicht kommutativ, A B B A, selbst wenn beide Multiplikationen definiert sind. Matrizen lassen sich nicht nur untereinander und mit Skalaren aus K multiplizieren, sondern auch mit Vektoren. Eine derartige Multiplikation gehorcht den selben Regeln wie jene von zwei Matrizen, da ein Vektor auch nur eine spezielle Matrix ist. Jeder Spaltenvektor der Größe n ist eine n 1-Matrix, jeder Zeilenvektor eine 1 n-matrix. Alle Regeln der Matrix-Multiplikation lassen sich durch diese Auffassung auch auf Vektoren anwenden. Das Matrix-Vektor-Produkt hat daher die folgenden Eigenschaften: Distributivität: A (x + y) = A x + A x und (A + B) x = a x + B x. Assoziativität: (αa) x = α (A x) = A (αx). Diese Regeln gelten für alle A, B K n m, x, y K m (Spaltenvektoren) und α K. Ebenso lässt sich auch ein Produkt eines Zeilenvektors x T (sogenannter transponierter Vektor) mit einer Matrix definieren, welches genau den selben Regeln gehorcht. 4
5 2 Theorie über das Tutorium hinaus 2.1 Wiederholung: Inverse Matrizen Eine Inversion ist nur mit quadratischen Matrizen möglich. Sei also A K n n, dann ist A 1 die Inverse von A mit der Eigenschaft, dass A A 1 = A 1 A = I (Einheitsmatrix). (2.1) Man errechnet diese Inverse mit dem Gauß-Jordan Algorithmus, indem man ein LGS umformt: A I Umformungen I C ; C = A 1. Bei 2 2-Matritzen gibt es eine einfache Formel zur Invertierung: a b A = R 2 2 A 1 1 d b =. (2.2) c d ad cb c a 2.2 Wiederholung: Rangsatz Sei A K n m eine Matrix, dann gibt es eine lineare Abbildung f : K m K n, deren Abbildungsmatrix A ist. Weiterhin gilt: m = dim Kern(A) + dim Bild(A). (2.3) Wie bereits bekannt ist gilt Kern(A) = Kern(f) und Bild(A) = Bild(f). Weiterhin lässt sich eine neue Größe definieren, der Rang: rg(a) = dim Bild(A). (2.4) Der Rang einer Menge an Vektoren entspricht der Dimension ihrer linearen Hülle, also der maximalen Anzahl an linear unabhängigen Elementen der Menge. Im Falle einer Matrix ist der Rang also die Maximalzahl der linear unabhängigen Zeilen (Zeilenrang) oder Spalten (Spaltenrang). Ist A eine Matrix über einem Körper K (wie in der gesamten HM I und II), so stimmen Spalten- und Zeilenrang überein. Für den Wert des Rangs gilt 1 rg(a) k ; k = min{n, m}. (2.5) Der Fall rg(a) = 0 tritt nur auf, wenn die Matrix A nur aus Nullen besteht, also falls f 0 gleich der Nullfunktion ist. 3 Aufgaben Die Musterlösungen der Tutoriumsaufgaben 25, 26, 28 und 29 finden sich nach Ablauf der zugehörigen Semesterwoche auf der Internetseite der Vorlesung unter kit.edu/iana1/lehre/hm2phys2018s/. Zu ersteren beiden können einige ausführlichere Kommentare zu den genutzten Umformen hilfreich sein. Selbige finden sich im Folgenden. 5
6 3.1 Aufgabe 25 Gesucht wurde die Lösung des folgenden komplexen Gleichungssystems: i 3 + i 2 i i 2 i i ( 1) ( 2) i i i 1 i i Aus dieser Dreiecksform lesen wir ab: (1 + i) z 3 = 1 i z 3 = 1 i (1 i)2 = = 1 2i 1 = i 1 + i 2 2 z z 3 = 1 z 2 = 1 2 z 3 = 1 + 2i z 1 + (1 + i) z z 3 = 0 z 1 = (1 + i) z 2 2 z 3 = (1 + i)( 1 + 2i) + 2i = 3 + i. 3.2 Aufgabe 26 Gesucht wird die Lösung des folgenden linearen Gleichungssystems: ( 6) ( 8) Aus dieser Dreiecksform lesen wir ab: 4 x 3 = 0 x 3 = 0 x 1 + x 3 = 3 10 z 1 = 3 10 x 3 = x 1 + x x 3 = 1 x 2 = 1 2 x 1 3 x 3 = 1 2 ( 1) + : ( 10) =
Grundlegende 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
MehrHM I Tutorium 14. Lucas Kunz. 9. Februar 2017
HM I Tutorium 4 Lucas Kunz 9. Februar 27 Inhaltsverzeichnis Theorie 2. Lineare Abhängigkeit.............................. 2.2 Lineare Hülle und Basis............................ 2. Matrizen.....................................
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
MehrHM II Tutorium 1. Lucas Kunz. 24. April 2018
HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................
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
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
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
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
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
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
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)
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,...,
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrHM II Tutorium 3. Lucas Kunz. 10. Mai 2016
HM II Tutorium 3 Lucas Kunz 10. Mai 2016 Inhaltsverzeichnis 1 Theorie für das Tutorium 2 1.1 Definition der Determinante.......................... 2 1.2 Errechnung von Determinanten........................
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
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
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
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
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
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 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
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
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
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
Mehr1 Grundzüge der linearen Algebra
Höhere Mathematik I für die Fachrichtung Elektrotechnik und Informationstechnik Teil: Lineare Algebra Wintersemester 2018/19 Ioannis Anapolitanos Karlsruher Institut für Technologie Institut für Analysis
MehrErgänzung zum HM Tutorium
Ergänzung zum HM Tutorium Patrik Hlobil Niko Kainaris Dieses Dokument erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit. Es stellt keine Vorlesungszusammenfassung dar, sondern soll euch lediglich
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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
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
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
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
MehrKapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)
Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen
Mehr1 Grundzüge der linearen Algebra
Höhere Mathematik I für die Fachrichtung Elektrotechnik und Informationstechnik Teil: Lineare Algebra Wintersemester 208/9 Ioannis Anapolitanos Karlsruher Institut für Technologie Institut für Analysis
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 +
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
MehrKapitel 8. Elemente der Matrizenrechnung. 8.1 Rechenregeln
Kapitel 8 Elemente der Matrizenrechnung Die Untersuchung linearer Abbildungen, so die Moral des letzten Kapitels, ist Matrizenlehre: was man mit Matrizen alles so machen kann, und welche Eigenschaften
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 Lineare Gleichungssysteme (LGS) 2 1.1 Grundlagen..................................................
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
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
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
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
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
Mehr2 Vektorräume und Gleichungssysteme
2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und
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. 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
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
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.
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
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
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 +
MehrLineare Algebra. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 6, 017 1 Erinnerung: Lineare Gleichungssysteme LGS Der allgemeine Fall hat m lineare Gleichungen, n
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 1 Einführung Lineare Gleichungen Definition
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
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
MehrL5 Matrizen I: Allgemeine Theorie
L5 Matrizen I: Allgemeine Theorie Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen
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 =
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
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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
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
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)
MehrL5 Matrizen I. Matrix: (Plural: Matrizen)
L5 Matrizen I Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen (spezielle
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
MehrLineare Gleichungssysteme Seite 98. Spaltenorientiert. Zeilenorientiert. 1. Vorgegeben: 1 kg Mehl, 2 kg Zucker
Definition und Beispiele Definition und Beispiele Im linearen Gleichungssystem Seite 98 a x + a x + + a n = b a x + a x + + a n = b a m x + a m x + + a mn = b m sind die Koeffizienten a ij und die rechten
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
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
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
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
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
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
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
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 Algebra I 3. Tutorium Inverse Matrizen und Gruppen
Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
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
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
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
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.
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
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):
Mehr11 Lineare Gleichungssysteme
Lineare Gleichungssysteme Das Lösen linearer Gleichungssysteme gehört zu den wichtigsten Grundaufgaben der Mathematik Wir werden uns mit einigen einfachen Lösungsverfahren befassen und daran auch etwas
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
MehrDefinition Für n, k 2 N sei. R n k := R n R n R n =(R n ) k. die Menge der (n k)-matrizen. Ein Element M 2 R n k heißt (n k)-matrix.
.5 Matrizen 39 / Definition.8 Für n, k 2 N sei R n k := R n R n R n =(R n ) k die Menge der (n k)-matrizen. Ein Element M 2 R n k heißt (n k)-matrix. 40 / Bemerkung Eine (n k)-matrix hat n Zeilen und k
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
Mehr6. Vorlesung. Rechnen mit Matrizen.
6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt
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
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
Mehr