6 Lineare Algebra. 6.1 Einführung
|
|
- Rosa Egger
- vor 5 Jahren
- Abrufe
Transkript
1 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 Gleichungssysteme. Ferner lassen sich viele ökonomische Phänomene durch sogenannte lineare Modelle beschreiben. Beispiel 6.1 Wir nehmen an, auf einem Markt werden zwei Produkte angeboten, z.b. Wein und Bier. Mit D w bezeichnen wir die Nachfrage nach Wein, D b ist die Nachfrage nach Bier (D: demand). Ferner sei S w und S b das Angebot an Wein und Bier (S: supply). Wir wollen D w = S w sowie D b = S b erreichen. Man (besser gesagt, der Markt) erreicht dieses Gleichgewicht durch eine Anpassung der Preise P w und P b. Wir nehmen an, dass sich Angebot und Nachfrage 1
2 angesichts der Preise P w und P b wie folgt verhalten: D w S w = a 0 + a w P w + a b P b = b 0 + b w P w + b b P b D b = α 0 + α w P w + α b P b S b = β 0 + β w P w + β b P b. Angebot und Nachfrage von Wein (bzw. Bier) wird also nicht nur über den Preis von Wein (bzw. Bier) gesteuert: Der Preis von Wein beeinflusst auch den Preis von Bier: Stellen Sie sich vor, der Weinpreis steigt. Dann steigt die Nachfrage nach Bier (sofern das Volk eine gewisse Menge Alkohol benötigt), was den Bierpreis beeinflusst. Ähnlich hat ein sinkender Bierpreis eine Verringerung des Angebots an Bier zur Folge, deshalb auch eine erhöhte Nachfrage nach Wein. Wir wollen nun die Preise bestimmen, bei denen ein Gleichgewicht zwischen Angebot und Nachfrage herrscht, also 2
3 (a 0 b 0 ) + (a w b w )P w + (a b b b )P b = 0 (α 0 β 0 ) + (α w β w )P w + (α b β b )P b = 0 oder (a w b w )P w + (a b b b )P b = b 0 a 0 (α w β w )P w + (α b β b )P b = β 0 α 0. Wir haben hier ein lineares Gleichungssystem mit 2 Gleichungen und 2 Unbekannten (P b und P w ). 3
4
5
6 Allgemein ist ein lineares Gleichungssystem mit m Gleichungen und n Unbekannten (Variablen) a 11 x 1 + a 12 x a 1n x n = d 1 a 21 x 1 + a 22 x a 2n x n = d 2.. =. a m1 x 1 + a m2 x a mn x n = d m (6.1) Die Information über das Gleichungssystem ist in dem Rechteckschema a 11 a 1n A =.. a m1 a mn sowie enthalten. d = d 1. d m 4
7 Wir nennen A eine m n-matrix und d einen Vektor der Länge m oder einen m-vektor. Man schreibt manchmal auch A = (a ij ) i=1,...,m;j=1,...,n. Einen m-vektor kann man auch als m 1-Matrix auffassen. Wir definieren den m-dimensionalen reellen Vektorraum wie folgt: x 1 R m = {. : x 1,..., x m R} x m d.h. R m besteht aus allen reellen m-vektoren. 5
8 6.2 Operationen mit Vektoren und Matrizen Die Menge aller m n-matrizen über R wird stets mit R (m,n) bezeichnet. Zunächst einmal halten wir fest, wann zwei Matrizen gleich sein sollen: Seien A, B R (m,n), also beide Matrizen haben m Zeilen und n Spalten. Dann heißen A und B gleich, wenn sie komponentenweise gleich sind, d.h. A = B genau dann, wenn a ij = b ij für 1 i m, 1 j n. Entsprechend heißen zwei Vektoren a, b R m gleich, wenn sie komponentenweise gleich sind. 7
9 Wir haben bereits gesehen, dass Matrizen im Zusammenhang mit Gleichungssystemen auftreten. Bevor wir uns dem Lösen von Gleichungssystemen widmen, wollen wir uns die Algebra der Matrizen ein wenig anschauen. Spezielle Matrizen Ist A eine m n-matrix, so hat A m Zeilen und n Spalten. Eine Matrix mit m = n heißt quadratisch. Ist A = (a ij ) i,j=1,...,n quadratisch, so heißen die Einträge a 11, a 22,..., a nn die Diagonaleinträge von A. Beispiel 6.2 A = R (3,3) ist eine quadratische 3 3-Matrix mit den Diagonalelementen 2, 9, 64. 8
10 (i) Eine m n-matrix, deren Komponenten sämtlich Null sind, heißt Nullmatrix und wird mit 0 bezeichnet,also = Ist n = 1, so heißt der entsprechende Vektor Nullvektor, also 0 0 =
11 (ii) Eine n n-matrix A, deren sämtliche Nicht-Diagonalelemente, also die Einträge a ij mit i j, gleich Null sind, heißt Diagonalmatrix. Die Matrix hat also die Form a a A = a n 1 n a n n Zur Abkürzung schreiben wir auch A = diag(a 1 1, a 2 2,..., a n n ). 10
12 (iii) Die n n-diagonalmatrix, deren Diagonalelemente alle gleich 1 sind, heißt Einheitsmatrix (n-ter Ordnung) und wird mit I n bezeichnet, also I n = diag(1, 1,..., 1) =
13 Die Spalten der Einheitsmatrix sind die Einheitsvektoren in R n. Der i-te Einheitsvektor e i ist der Vektor, dessen i-te Komponente 1 ist und dessen andere Komponenten alle 0 sind. Also 0. 0 e i = mit dem Eintrag 1 in der i-ten Zeile. 12
14 (iv) Eine quadratische Matrix, deren sämtliche Komponenten oberhalb (bzw. unterhalb) der Diagonalen gleich Null sind, heißt untere (bzw. obere) Dreiecksmatrix. Also hat eine untere Dreiecksmatrix die Gestalt (L: lower) L = l l 2 1 l l n 1 1 l n 1 2 l n 1 n 1 0 l n 1 l n 2 l n n 1 l n n bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 1 1 u 1 2 u 1 n 1 u n n 0 u 2 2 u 2 n 1 u 2 n u n 1 n 1 u n 1 n u n n 13
15 Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere Dreiecksmatrix wenn a ij = 0 für alle i > j gilt. Nachdem wir nun einige spezielle Matrizen eingeführt haben, wollen wir einige Operationen auf der Menge der Matrizen erklären. Sei A eine m n-matrix. Durch Vertauschen der Zeilen und Spalten von A erhalten wir eine n m-matrix A (Sprechweise: A transponiert), die sogenannte transponierte Matrix zu A. Für A = a 1 1 a 1 2 a 1 j a 1 n a 2 1 a 2 2 a 2 j a 2 n.... a i 1 a i 2 a i j a i n.... a m 1 a m 2 a m j a m n 14
16 a 1 1 a 2 1 a i 1 a m 1 a 1 2 a 2 2 a i 2 a m 2 ist A =.... a 1 j a 2 j a i j a m j..... a 1 n a 2 n a i n a m n Es gilt stets (A ) = A. Beispiel 6.3 Für die 3 4-Matrix A = ist A die 4 3-Matrix mit A =
17 Wir kommen nun zur Addition von Matrizen. Weil Vektoren spezielle Matrizen sind, gelten dieselben Regeln auch für Vektoren. Addition Zwei Matrizen A, B R (m,n) werden addiert, indem komponentenweise addiert wird, d.h. für A = (a i j ) und B = (b i j ) ist A + B = a b 1 1 a b 1 2 a 1 n + b 1 n a b 2 1 a b 2 2 a 2 n + b 2 n... a m 1 + b m 1 a m 2 + b m 2 a m n + b m n Entsprechend ist die Differenzmatrix A B durch komponentenweise Subtraktion definiert. Es werden nur Matrizen mit gleicher Anzahl von Zeilen und Spalten addiert oder subtrahiert!. 16
18 Insbesondere werden zwei Vektoren x, y R n addiert bzw. subtrahiert, indem sie koordinatenweise addiert bzw. subtrahiert werden, d.h. x 1 y 1 x 1 ± y 1 x ± y = x 2. ± y 2. = x 2 ± y 2.. x n y n x n + y n 17
19 Multiplikation mit einem Skalar Sei A eine m n-matrix, und sei λ R. Die Matrix A wird mit dem Skalar λ multipliziert, indem jede Komponente von A mit λ multipliziert wird, d.h. für A = (a i j ) ist λ A = λa 1 1 λa 1 2 λa 1 n λa 2 1 λa 2 2 λa 2 n... λa m 1 λa m 2 λa m n. Entsprechend wird ein Vektor x R n mit einem Skalar λ R multipliziert, indem jede Koordinate von x mit λ multipliziert wird, d.h. x 1 λ x 1 λ x = λ x 2. = λ x 2.. x n λ x n 18
20 Im folgenden fassen wir einige Rechenregeln für die Addition und skalare Multiplikation von Matrizen zusammen: Seien A, B, C m n-matrizen und seien λ, µ R Skalare. Kommutativgesetz: A + B = B + A Assoziativgesetze: (A + B) + C = A + (B + C) (λµ)a = λ(µa) Distributivgesetze: λ(a + B) = λa + λb (λ + µ)a = λa + µa 19
21 Spezialisierung auf Vektoren liefert dieselben Rechengesetze für Vektoren, d.h. für x, y, z R n und λ, µ R gilt: Kommutativgesetz: x + y = y + x Assoziativgesetze: (x + y) + z = x + (y + z) (λµ)x = λ(µx) Distributivgesetze: λ(x + y) = λx + λy (λ + µ)x = λx + µx. 20
22 Jeder Vektor x R n lässt sich mit Hilfe von Einheitsvektoren zerlegen: x = x 1 x 2. = x 1 e 1 + x 2 e x n e n. x n Wir sagen auch, dass x eine Linearkombination von e 1,..., e n ist. Dazu später mehr. Die Operation des Transponierens ist mit den hier erklärten Rechenoperationen (Addition und Multiplikation mit einem Skalar) verträglich: (A + B) = A + B und (λa) = λ A. 21
23 Es gibt kein Produkt von m-vektoren, das wieder einen m-vektor liefert. Man kann aber sehr wohl ein Skalarprodukt von Vektoren definieren, d.h. das Produkt zweier reeller m-vektoren ist eine reelle Zahl: Skalarprodukt Seien x, y R n. Dann heißt die reelle Zahl x, y = n x i y i i=1 das Skalarprodukt der Vektoren x und y. 22
24 Wir fassen im folgenden einige Eigenschaften des Skalarproduktes zusammen: Seien x, y, z R n und sei λ R. Dann gilt [S1] x, y = y, x. [S2] λ x, y = x, λ y = λ x, y. [S3] x + y, z = x, z + y, z. 23
25 Multiplikation von Matrizen Sei A eine m n-matrix, und sei B eine n k-matrix (beachte: die Anzahl der Spalten von A muss gleich der Anzahl der Zeilen von B sein!). Dann ist das Produkt A B der beiden Matrizen definiert als die m k-matrix C, deren Komponente c i j das Skalarprodukt aus i-ter Zeile von A und j-ter Spalte von B ist, also c i j = n a i p b p j = p=1 a i 1. a i n, b 1 j. b n j. Wir können das Skalarprodukt als ein spezielles Matrixprodukt auffassen. Seien a, b R n zwei Vektoren. Dann ist a eine 1 n-matrix und b eine n 1 Matrix. Somit existiert das Matrixprodukt a b, und es gilt n a b = a j b j = a, b. j=1 24
26 Ferner ist durch die Definition des Produktes zweier Matrizen auch ein Matrix-Vektor-Produkt erklärt, weil ein Vektor ja auch als eine Matrix aufgefasst werden kann. Beispiel 6.4 (1) A = Seien , B = ( ) Dann ist C = A B =
27 (2) Sei A = und b = 4 1 ( ) 1 2 Dann ist A b = Bevor wir einige Rechenregeln für die Matrizenmultiplikation zusammenstellen, einige wichtige Bemerkungen: Auch wenn für zwei Matrizen A und B beide Produkte definiert sind, gilt i.a. A B B A. Falls A B = B A gilt, dann heißen A und B vertauschbar. 26
28 Beispiel 6.5 Es gilt ( ) ( ) ( ) ( ) = = ( ) ( ) Sei A eine m n-matrix, und seien I n, I m die Einheitsmatrizen, dann gilt A I n = A = I m A. Außerdem gilt für die Multiplikation mit Nullmatrizen: Ferner gilt (A B) = B A. A 0 = 0, 0 A = 0. 27
29 Rechenregeln für Matrizen In den folgenden Summen und Produkten seien A, B, C Matrizen, so dass die entsprechenden Summen und Produkte auch existieren. Weiter sei λ R ein Skalar. Assoziativgesetze: Distributivgesetze: (A B) C = A (B C) = A B C λ (A B) = (λ A) B = A (λ B) A (B + C) = A B + A C (A + B) C = A C + B C 28
30 6.3 Lösungen linearer Gleichungssysteme Viele Anwendungsprobleme führen auf die Untersuchung von Matrix- Vektor-Produkten in der folgenden Form: b = A x, wobei A eine m n-matrix x R n ein n-vektor mit den Koordinaten x i, 1 i n, und b R m ein m-vektor mit den Koordinaten b j, 1 j m sind. 29
31 Genauer gilt es A x = = a 1 1 a 1 2 a 1 n x 1 a 2 1 a 2 2 a 2 n x a 1 1 a m 2 a m n x n = x 1 a 1 1 x 1 + a 1 2 x a 1 n x n a 2 1 x 1 + a 2 2 x a 2 n x n. a m 1 x 1 + a m 2 x a m n x n a 1 1 a 2 1. a m 1 + x 2 a 1 2 a 2 2. a m x n a 1 n a 2 n. a m n. 30
32 Oft ist dabei die Matrix A und das Ergebnis b = A x vorgegeben und der Vektor x zu bestimmen. In diesem Abschnitt wollen wir Verfahren kennenlernen, wie wir solche Gleichungssysteme lösen können. A x = b (6.2) Beachten Sie, dass man das Lösen eines linearen Gleichungssystems auch wie folgt interpretieren kann: Man versucht, den Vektor b als Summe der mit den Zahlen x i multiplizierten Spalten der Matrix A zu schreiben. Zunächst einige Bezeichnungen: Das Gleichungssystem (6.2) heißt homogen, falls b = 0 ist, andernfalls inhomogen. Wir nennen das Gleichungssystem A x = 0 das zu A x = b gehörende homogene Gleichungssystem. 31
33 Sei v eine Lösung eines inhomogenen Gleichungssystems Wenn A x = b L h = {x : A x = 0} die Lösungsmenge des zugehörigen homogenen Gleichungssystems ist und L i = {x : A x = b} die Lösung des inhomogenen Systems bezeichnet, so gilt L i = L h + v wobei L h + v die Menge {x + v : x L h } bezeichnet. Mit anderen Worten: Die Lösungsmenge des inhomogenen Gleichungssystems erhält man, indem man eine spezielle Lösung v bestimmt und dazu die Lösungen des homogenen Systems addiert. 32
34 Deshalb beginnen wir mit der Beschreibung eines Lösungsverfahrens für das homogene lineare Gleichungssystem. Lösung des homogenen Systems Wir formen die Matrix A R (m,n) in der homogenen Gleichung A x = 0 mit Hilfe folgender sogenannter elementarer Zeilenumformungen um. Erlaubt sind Vertauschen von Zeilen Addition des λ-fachen von Zeile i zu Zeile j Multiplikation einer Zeile mit λ 0. Zwei Matrizen A und B, die durch elementare Zeilenumformungen auseinander hervorgehen, nennen wir zeilenäquivalent. 33
35 Man kann sich leicht überlegen, dass man die Matrix A durch elementare Zeilenumformungen in eine obere Dreiecksmatrix A transformieren kann, also a 11 a 12 a 13 a 1n 0 a 22 a 23 a 2n..... A = 0 0 a rr a rn Dabei kann man erreichen, dass in den ersten r Zeilen der erste (von links gesehen) Eintrag, z.b. a iji, gerade 1 ist. Beachte, dass j von i abhängt (und nicht unbedingt j = i gilt), deshalb schreiben wir j i. Wir fordern noch j 1 < j 2 <... j r. Die Matrix hat also folgende Form: 34
36 A = a 1,j1 a 2,j2 a 3,j3... a r,jr Wir nennen eine solche Matrix zeilenreduziert. Ferner kann man erreichen, dass die Spalten j 1, j 2,..., j r Einheitsvektoren sind. Wir können also die folgende Form ereichen, die wir zeilenreduzierte Normalform nennen wollen: 35
37 A = Wo hier jeweils nichts steht, soll eine Null stehen, insbesondere können noch einige Nullzeilen vorhanden sein. Es können auch einige Nullen vor der ersten 1, bzw.dem ersten von Null verschiedenen Eintrag a 1j1 in der ersten Zeile stehen (das bedeutet dann j 1 1). Um die Lösungen linearer Gleichungssysteme zu bestimmen, ist es aber nur wichtig, dass man A in eine obere Dreiecksmatrix transformiert mit j 1 < j 2 <... j r. Die zeilenreduzierte Normalform ist nicht unbedingt notwendig. 36
38 Man kann zeigen: Jede Matrix ist zeilenäquivalent zu genau einer Matrix in zeilenreduzierter Normalform, die zeilenreduzierte Form hingegen ist nicht eindeutig. Beispiel 6.6 Die beiden Matrizen ( ) 1 1 A = und B = 0 1 ( ) sind offenbar beide zeilenreduziert. Ferner sind die beiden Matrizen zeilenäquivalent: Man erhält B aus A durch Addition der zweiten Zeile von A. Beide Matrizen sind nicht in zeilenreduzierter Normalform: Die zugehörige zeilenreduzierte Normalform ist die Einheitsmatrix ( )
39 Es gilt nun: Satz 6.1 Die Lösungsmenge von A x = 0 ist gleich der Lösungsmenge von A x = 0. Dieser Satz ist von grundlegender Bedeutung für das Lösen von linearen Gleichungssystemen, weil Gleichungssysteme, deren Koeffizientenmatrix obere Dreiecksform hat, ganz einfach lösbar sind. Die hier auftretende Zahl r heißt der Rang der Matrix. Die folgenden Beispiele zeigen, dass das zugehörige Gleichungssystem dann n r Freiheitsgrade hat, d.h. man kann n r Variable frei wählen, die anderen sind dann bestimmt. Wir wollen nun ein Verfahren angeben, wie man eine Matrix in zeilenreduzierte Form transformieren kann, wobei man nur elementare Zeilenumformungen benutzt. Dies ist das Gauß sche Eleiminationsverfahren. Es ist kein Problem, die Matrix anschließend in 38
40 zeilenreduzierte Normalform zu überführen. Man spricht dann vom Gauß-Jordan-Verfahren. Wir beschreiben hier nur das Gauß sche Eliminationsverfahren, angewendet auf eine m n-matrix A. (1.) Suche die erste Spalte von A, die ungleich 0 ist. Dies sei die j te Spalte. (2.) Durch (möglicherweise) Zeilenvertauschung erreiche a 1,j 0. (3.) Ziehe die erste Zeile a i,j /a 1,j mal von Zeile i ab (i = 2,..., m). Wir nennen die so konstruierte Matrix A. Dieselben Schritte werden nun auf diejenige Matrix engewendet, die man aus A durch Streichen der ersten Zeile erhält. Man iteriert das Verfahren nun so lange, bis man keine Spalten 0 mehr finden kann. 39
41 Beachten Sie: Zuerst wird die erste Zeile von A fixiert, danach die zweite usw. Der dritte Schritt im obigen Verfahren funktioniert nur, weil a 1,j 0. Beispiel 6.7 Wir betrachten 3x 1 + 2x 2 x 3 = 0 x 2 + x 3 = 0 Wir haben hier zwei Gleichungen mit drei Unbekannten. Wir setzen x 3 = a. Dann ist x 2 = a. Setzen wir nun diese Information in die erste Gleichung ein, so bekommen wir 3x 1 2a a = 0, also x 1 = a. Der Lösungsraum L ist also a L = { a : a R} a 40
42 Wir sagen, der Lösungsraum hat einen Freiheitsgrad; man kann eine Variable frei wählen. Das Gleichungssystem in obigem Beispiel war einfach lösbar, weil die Koeffizientenmatrix ( ) obere Dreiecksform hat. Im allgemeinen sind die Gleichungssysteme natürlich nicht in oberer Dreiecksform gegeben; wir müssen sie erst mittels elementarer Zeilenumformungen umformen: Beispiel 6.8 Wir wollen das homogene lineare Gleichungssystem A x = 0 lösen mit A =
43 Wir dividieren nun die erste Zeile durch 2 und ziehen die so entstandene Zeile von der zweiten und dritten Zeile ab. Das liefert 1 1/ / /2 5 Jetzt können wir die dritte Zeile eliminieren, indem wir die zweite Zeile zur dritten dazuaddieren. Ferner multiplizieren wir die zweite Zeile mit 2/3 und erhalten so 1 1/ / Jetzt können wir noch die zweite Zeile 1/2-mal zur ersten addieren und bekommen 1 0 4/ /
44 Die Matrix ist jetzt in zeilenreduzierter Normalform und der Lösungsraum des homogenen Gleichungssystems ist sofort ablesbar: oder x 3 = a, x 2 = 10 3 a, x 1 = 4 3 a (4/3)a 4b L = { (10/3)a : a R} = { 10b : b R} a 3b Auch hier haben wir wieder einen Freiheitsgrad. Wenn wir keinen Freiheitsgrad haben, so hat das homogene Gleichungssystem nur die Lösung 0. 43
45 Wir halten fest: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist m < n, so hat das System mehr als nur die Lösung 0, weil dann r m < n ist. Das System wird gelöst, indem man die Matrix A durch elementare Zeilenumformungen in zeilenreduzierte Form überführt (Gauß sches Eliminationsverfahren). 44
bzw. 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
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
Mehra 11x 1 + a 12x a 1nx n = d 1 a 21x 1 + a 22x a 2nx n = d 2.. =
5 Lineare Algebra 5 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
MehrIm Falle einer zweimal differenzierbaren Funktion lässt sich das Krümmungsverhalten anhand der zweiten Ableitung feststellen.
Konvex, Konkav, Wendepunkt: Sei f : D R eine Funktion und sei I D ein Intervall. Gilt für alle x 1,x 2 I f ( x1 +x ) 2 2 f(x 1)+f(x 2 ), 2 dann heißt f konvex (linksgekrümmt) in I. Gilt für alle x 1,x
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
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
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)
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
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
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
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
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
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
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
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
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
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
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 I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
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 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
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
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
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
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
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 32 8 Lineare Algebra: 1 Reelle Matrizen Grundbegriffe Definition
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)
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
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
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
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
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
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
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
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 +
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
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,...,
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
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
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
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.................................
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
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
MehrLineare Gleichungssysteme, Matrizen und Determinanten
Kapitel 2 Lineare Gleichungssysteme, Matrizen und Determinanten Einen klassischen Einstieg in die lineare Algebra bietet die Behandlung linearer Gleichungssysteme Wir beschäftigen uns dabei zunächst mit
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
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
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
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
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 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
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
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
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
Mehroder A = (a ij ), A =
Matrizen 1 Worum geht es in diesem Modul? Definition und Typ einer Matrix Spezielle Matrizen Rechenoperationen mit Matrizen Rang einer Matrix Rechengesetze Erwartungswert, Varianz und Kovarianz bei mehrdimensionalen
Mehr(c) x 2 + 3x 3 = 1 3x 1 + 6x 2 3x 3 = 2 6x 1 + 6x x 3 = 5
Musterlösungen zu Mathematik II (Elementare Lineare Algebra) Blatt Nathan Bowler A: Präsenzaufgaben. Zeilenstufenform und reduzierte Zeilenstufenform erkennen Welche der folgenden Matrizen sind in Zeilenstufenform?
MehrLineare Algebra. Beni Keller SJ 16/17
Lineare Algebra Beni Keller SJ 16/17 Matritzen Einführendes Beispiel Ein Betrieb braucht zur Herstellung von 5 Zwischenprodukten 4 verschiedene Rohstoffe und zwar in folgenden Mengen: Z 1 Z 2 Z Z 4 Z 5
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
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
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
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.
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
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)
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):
MehrLineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
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
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
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
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.
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 29. April 2011 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
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
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
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
MehrZeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.
Zeilenstufenform Wir beweisen nun den schon früher angekündigten Satz. Satz. Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen
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
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
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
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
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
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
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
Mehr4 Der Gauß Algorithmus
4 Der Gauß Algorithmus Rechenverfahren zur Lösung homogener linearer Gleichungssysteme Wir betrachten ein GLS (1) a 11 x 1 + a 1 x + + a 1n x n = a 1 x 1 + a x + + a n x n = a m1 x 1 + a m x + + a mn x
MehrProf. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1
Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
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
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrAufgaben zu Kapitel 16
Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die
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
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,...,
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
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.
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
Mehr