Mathematik 2 für Naturwissenschaften

Größe: px
Ab Seite anzeigen:

Download "Mathematik 2 für Naturwissenschaften"

Transkript

1 Hans Walser Mathematik 2 für Naturwissenschaften Modul 212 Determinanten Lernumgebung

2 Hans Walser: Modul 212 Determinanten. Lernumgebung ii Modul 212 für die Lehrveranstaltung Mathematik 2 für Naturwissenschaften Sommer 2004 Erstausgabe Sommer 2005 Kleine Ergänzungen Sommer 2006 Fehlerkorrekturen und Ergänzungen. MathType Sommer 2007 Neue Moduleinteilung Frühjahr 2008 Erweiterung Frühjahr 2009 Erweiterung Frühjahr 2010 Erweiterung Frühjahr 2014 Erweiterung last modified: 26. April 2014 Hans Walser Mathematisches Institut Rheinsprung Basel

3 Hans Walser: Modul 212 Determinanten. Lernumgebung iii Inhalt 1 Sehr einfache Matrizen Magische Quadrate Polygonfläche Polygonfläche Spat Determinante Determinante Determinanten Lineare Unabhängigkeit? Lineare Unabhängigkeit? Lineare Unabhängigkeit? Lineare Unabhängigkeit? Linearkombination Determinanten Quadratische Funktionen Quadratische Funktionen Fleißarbeit Gerade und ungerade Permutationen n = n = Determinante Permutationen Determinante Anzahl Multiplikationen Anzahl Multiplikationen Determinanten Türme auf Schachbrett Matrixprodukt und Determinante Determinanten und Inverse... 16

4 Hans Walser: Modul 212 Determinanten. Lernumgebung 1 1 Sehr einfache Matrizen Welches sind die Determinanten der folgenden Matrizen? A 0 = A 1 = A 2 = A 3 = Wie geht es weiter? Was fällt auf? Lässt sich die Vermutung beweisen? Bearbeitung Alle Determinanten haben den Wert 2. Allgemeiner Beweis: ( ) = det det A n n n + 1 n + 2 n + 3 = n n + 3 ( ) ( n + 1) ( n + 2) = n2 + 3n n 2 3n 2 = 2 2 Magische Quadrate a) Die Matrix A ist ein magisches Quadrat Wie groß ist ihre Determinante? A = b) Suchen Sie ein anderes 3 3 -magisches Quadrat und berechnen Sie dessen Determinante. a) 360 b) ±360 3 Polygonfläche Ein Polygon (Vieleck) hat die n Eckpunkte P 1 ( x 1 y 1 ) P 2 ( x 2 y 2 ) P n ( x n y n ). Sein Flächeninhalt kann mit folgender Formel berechnet werden: A Poygon = 1 2 det x 1 x 2 y 1 y 2 + det x 2 x 3 y 2 y 3 + det x 3 x 4 y 3 y det x n 1 x n y n 1 y n + det x n x 1 y n y 1 Warum ist das so? Das Sektordreieck OP i P i+1 (O ist der Ursprung) hat als halbes Parallelogramm das von den Vektoren x i y i und x i+1 y i+1 aufgespannt wird den orientierten Flächeninhalt

5 Hans Walser: Modul 212 Determinanten. Lernumgebung det x i x i+1 y i y. Falls sich Sektordreiecke überlappen wird das automatisch durch i+1 das Vorzeichen des orientierten Flächeninhaltes der Sektordreiecke justiert. 4 Polygonfläche Ein Polygon (Vieleck) hat die n Eckpunkte P 1 ( x 1 y 1 ) P 2 ( x 2 y 2 ) P n ( x n y n ). Sein Flächeninhalt kann mit folgender Formel berechnet werden: A Poygon = 1 2 det x 1 x 2 y 1 y 2 + det x 2 x 3 y 2 y 3 + det x 3 x 4 y 3 y det x n 1 x n y n 1 y n + det x n x 1 y n y 1 Prüfen Sie diese Formel für das Viereck A( 31) B( 15 )C( 4 1) D( 1 4 ) indem Sie den Flächeninhalt a) mit dieser Formel und b) mit einer elementaren Holzhackermethode berechnen. Flächeninhalt = Spat Basteln Sie einen Spat (Parallelepiped). Technik Größe Materialwahl etc. ist frei. (exemplarisch) Aus einer Kartoffel herausschneiden. Vorsicht bei scharfem Küchenmesser! Das folgende Bild zeigt die Abwicklung (das Netz) eines Spates.

6 Hans Walser: Modul 212 Determinanten. Lernumgebung 3 6 Determinante 1 3 a B = 2 a Gesucht ist a so dass det( B) = 45. a 1 = 9 a 2 = 2 Abwicklung 7 Determinante C = 2 a

7 Hans Walser: Modul 212 Determinanten. Lernumgebung 4 Gesucht ist a so dass det( C) = 45. Keine Lösung Matrix C singulär 8 Determinanten Die folgenden Matrizen haben eine regelmäßige Struktur. M 2 = M 3 = M 4 = M 5 = a) Wie sieht die Matrix M n aus? b) det( M n ) =? Bearbeitung a) Für die allgemeine Matrix verwenden wir die Schreibweise: b) Es ist det( M n ) = n! M n = 1 1 n 0!! n!! 0 0 " " # # " " " " " # # " " # !! !! 1 1 Erster Lösungsweg Umformung der Matrix: Wir ersetzen jede Zeile durch die Summe dieser Zeile mit allen unterhalb stehenden Zeilen. Die Determinante ändert sich dabei nicht. Wir erhalten: M * 2 = M * 3 = M * 4 =

8 Hans Walser: Modul 212 Determinanten. Lernumgebung 5 M 5 = M n = n 0 0!! 0 0 n 1 n 1 0!! 0 0 " " # # " " " " " # # " " # !! !! 1 1 Es ergeben sich untere Dreiecksmatrizen. Die Determinante ist das Produkt der Elemente in der Hauptdiagonalen also n!. Zweiter Lösungsweg Umformung der Matrix: Wir subtrahieren von jeder Spalte (außer der letzten) die rechts davon stehende Spalte. Die Determinante ändert sich dabei nicht. Wir erhalten: M * 2 = M 3 = M 4 = M 5 = M n = n 1 n 0!! n 1 2 n!! 0 0 " " # # " " " " " # # " " # !! !! 0 1 Es ergeben sich obere Dreiecksmatrizen. Die Determinante ist das Produkt der Elemente in der Hauptdiagonalen also n!. Dritter Lösungsweg Vollständige Induktion. (I) (II) Verankerung ok. Es sei det( M n ) = n!. Die Matrix M n+1 sieht so aus: M n+1 = 1 n 0!! n!! 0 0 " " # # " " " " " # # " " # !! !! 1 1

9 Hans Walser: Modul 212 Determinanten. Lernumgebung 6 Wir entwickeln nach der ersten Zeile (Laplace): ( ) = +1 det( M n ) ( n)det( M n ) + 0 ±!± 0 = 1+ n ( ) = ( 1+ n)n!= ( n +1)! det M n+1 ( )det M n 9 Lineare Unabhängigkeit? Sind die Vektoren v 1 v 2 v 3 linear unabhängig? a) v 1 1 = 2 3 b) v 1 1 = 2 3 c) v 1 1 = 2 4 a) Linear abhängig b) Linear unabhängig c) Linear abhängig Lineare Unabhängigkeit? Sind die Vektoren v 1 v 2 v 3 linear unabhängig? a) v 1 = b) v 1 1 = a) Linear unabhängig b) Linear unabhängig

10 Hans Walser: Modul 212 Determinanten. Lernumgebung 7 11 Lineare Unabhängigkeit? Sind die Vektoren v 1 v 2 v 3 linear unabhängig? a) v 1 = b) v 1 = a) Linear unabhängig b) Linear abhängig 12 Lineare Unabhängigkeit? Sind die Vektoren v 1 v 2 v 3 linear unabhängig? a) v 1 = π π π b) v 1 = π 2π 3π 4π 5π 6π 7π 8π 9π c) v 1 = π 2 4 8π π d) v 1 = π π π a) Linear abhängig b) Linear abhängig c) Linear abhängig d) Linear unabhängig

11 Hans Walser: Modul 212 Determinanten. Lernumgebung 8 13 Linearkombination e 1 = 1 0 e 2 = 0 1 u = 7 3 v = 2 5 x v -2 e 2 e x 1 u -2 Die Vektoren a) Easy: Stellen Sie jeden der beiden Vektoren u und v als Linearkombination der Vektoren e 1 und e 2 dar. b) Stellen Sie jeden der beiden Vektoren e 1 und e 2 als Linearkombination der Vektoren u und v dar. a) u = 7e 1 3e 2 b) e 1 = 5 u + 3 v v = 2e 1 + 5e 2 e 2 = 2 u + 7 v Lösungsweg Zu b). Es muss: also: e 1 = 1 0 =! x y = 7x + 2y 0 = 3x + 5y Daraus ergibt sich x = 5 41 und y = 3 41 und damit die Linearkombination für e 1.

12 Hans Walser: Modul 212 Determinanten. Lernumgebung 9 14 Determinanten Wie groß sind die Determinanten der folgenden Matrizen? A 0 = Vermutung? Warum ist das so? A 1 = A 2 = Bearbeitung Wir erhalten immer die Determinante null. Die Matrizen sind von der Form: A * = a + 0 a +1 a + 2 a + 3 a + 4 a + 5 a + 6 a + 7 a + 8 Wenn wir zwei Mal die zweite Spalte minus ein Mal die ersten Spalte rechnen ergibt sich die dritte Spalte. 2 a +1 a + 4 a + 7 a + 0 a + 3 a + 6 = a + 2 a + 5 a + 8 Die Spalten sind also linear abhängig. Daher ist die Determinante null. 15 Quadratische Funktionen Sind die drei quadratischen Funktionen linear unabhängig? f ( x) = 3x 2 7x + 12 g( x) = x 2 + x 3 h( x) = 13x 2 25x + 48 Nein. Es ist h x ( ) = 3 f ( x) 4g x ( ). 16 Quadratische Funktionen Sind die drei quadratischen Funktionen

13 Hans Walser: Modul 212 Determinanten. Lernumgebung 10 linear unabhängig? f ( x) = 3x 2 7x + 12 g( x) = x 2 + x 3 h( x) = 13x 2 25x + 47 Ja. Es ist det = Fleißarbeit A = Berechnen Sie det(a) nach folgenden Methoden: a) Entwickeln nach der ersten Zeile b) Umbau zu Dreiecksmatrix > with(linalg): A:=matrix(44[ ]); det(a):=det(a); A := det( A) := 160

14 Hans Walser: Modul 212 Determinanten. Lernumgebung Gerade und ungerade Permutationen 18.1 n = 3 Die Liste zeigt die 6 Permutationen. Grün die geraden rot die ungeraden Permutationen Permutationen Diese lassen sich im Dreieck illustrieren. Wir nummerieren die Dreiecksecken: Nummerierte Dreiecksecken Dann zeichnen wir für jede Permutation einen Vektorzug: Vektorzüge Bei den geraden Permutationen (grün) haben die beiden aufeinander folgenden Vektoren einen Zwischenwinkel von + 2π es geht im positiven Drehsinn herum; bei den ungeraden Permutationen (rot) haben die beiden aufeinander folgenden Vektoren 3 einen Zwischenwinkel von 2π 3 und es geht im negativen Drehsinn herum. Alle grünen Vektorzüge lassen sich durch eine Drehung aufeinander abbilden sie sind also gleich orientiert. Zwischen einen grünen und einem roten Vektorzug braucht es zusätzlich eine Geradenspiegelung n = 4 Die Liste zeigt die 24 Permutationen

15 Hans Walser: Modul 212 Determinanten. Lernumgebung 12 Permutationen Zur Illustration arbeiten wir im Raum mit einem eckennummerierten Tetraeder Tetraeder Dann zeichnen wir für jede Permutation einen Vektorzug: Vektorzüge Bei den geraden Permutationen (grün) verhält sich der jeweilige Vektorzug wie eine Rechtsschraube bei den ungeraden Permutationen wie eine Linksschraube. Wir müssen also nicht mehr die Krümmung sondern die Torsion beachten. Man kann es auch so sehen: Alle grünen Vektorzüge lassen sich durch eine Bewegung aufeinander abbilden sie sind also räumlich gleich orientiert. Wenn wir die drei Vektoren von einem Punkt aus starten bilden sie in der gegebenen Reihenfolge ein Rechts-

16 Hans Walser: Modul 212 Determinanten. Lernumgebung 13 system. Zwischen einem grünen und einem roten Vektorzug braucht es zusätzlich eine Ebenenspiegelung welche die Raumorientierung ändert. 19 Determinante p 0 q 0 0 q 0 p A = q 0 p 0 0 p 0 q Berechnen Sie det(a) nach folgenden Methoden: a) Entwickeln nach der ersten Zeile b) Umbau zu Dreiecksmatrix ( ) 2 det( A) = p 2 q 2 20 Permutationen Es sei A eine beliebige (44)-Matrix und P = Ferner sei B = PA und C = AP. Vergleichen Sie B mit A und C mit A. Bei B sind gegenüber A die Zeilen vertauscht. Neue Reihenfolge (3124). Bei C sind gegenüber A die Spalten vertauscht. Neue Reihenfolge (2314). 21 Determinante A sei eine (nn)-matrix. Wie ändert sich ihre Determinante wenn wir sämtliche Elemente der Matrix mit derselben Zahl λ multiplizieren? Die Determinante ändert um den Faktor λ n. 22 Anzahl Multiplikationen a) Wie viele Multiplikationen bräuchte es um nach unserer Definition die Determinante einer (20 20)-Matrix zu berechnen?

17 Hans Walser: Modul 212 Determinanten. Lernumgebung 14 b) Angenommen wir könnten in einer Sekunde eine Million Multiplikationen durchführen. Wie lange bräuchten wir allein für alle benötigten Multiplikationen? a) 20! 19 = b) Jahre 23 Anzahl Multiplikationen a) Wie viele Multiplikationen bräuchte es um eine (20 20)-Matrix in eine Dreiecksmatrix umzubauen und anschließend deren Determinante zu berechnen? b) Angenommen wir könnten in einer Sekunde eine Million Multiplikationen durchführen. Wie lange bräuchten wir für alle benötigten Multiplikationen? a) = 2679 b) Sekunden 24 Determinanten Warum sind die Determinanten der folgenden Matrizen Null? A = B = Matrix A: Dritte Spalte = zweimal zweite Spalte minus erste Spalte Matrix B: Zweite Zeile = 16 Mal erste Zeile 25 Türme auf Schachbrett Acht Türme sollen so auf ein Schachbrett gestellt werden dass keiner einen anderen schlagen kann (das heißt in jeder Spalte und in jeder Zeile steht genau ein Turm). Wir denken uns nun die Türme als Einsen und die übrigen Felder mit Nullen besetzt. So erhalten wir eine (88)-Matrix. Die Figur zeigt ein Beispiel.

18 Hans Walser: Modul 212 Determinanten. Lernumgebung 15 Nicht schlagende Türme a) Wie viele solche Matrizen gibt es? b) Wie groß sind deren Determinanten? a) Es gibt 8! = solche Matrizen. b) Die Determinanten sind ±1 je nachdem ob die Matrix durch eine gerade oder eine ungerade Permutation der Spalten aus der Einheitsmatrix hervorgeht. 26 Matrixprodukt und Determinante A = a 11 a 12 a 21 a B = b 11 b b 21 b 22 Zeigen Sie durch explizites Nachrechnen dass: det( AB) = det( A) det( B) Bearbeitung Zunächst ist: Damit erhalten wir: AB = a 11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12 + a 22 b 22

19 Hans Walser: Modul 212 Determinanten. Lernumgebung 16 ( )( a 21 b 12 + a 22 b 22 ) ( a 11 b 12 + a 12 b 22 )( a 21 b 11 + a 22 b 21 ) det( AB) = a 11 b 11 + a 12 b 21 = a 11 a 21 b 11 b 12 + a 11 a 22 b 11 b 22 + a 12 a 21 b 12 b 21 + a 12 a 22 b 21 b 22 a 11 a 21 b 11 b 12 a 11 a 22 b 12 b 21 a 12 a 21 b 11 b 22 a 12 a 22 b 21 b 22 = a 11 a 22 b 11 b 22 + a 12 a 21 b 12 b 21 a 11 a 22 b 12 b 21 a 12 a 21 b 11 b 22 ( ) a 12 a 21 ( b 11 b 22 b 12 b 21 ) ( )( b 11 b 22 b 12 b 21 ) = a 11 a 22 b 11 b 22 b 12 b 21 = a 11 a 22 a 12 a 21 = det( A)det( B) 27 Determinanten und Inverse Es sei: A = und B = Berechnen Sie zunächst A 1 B 1 C = AB D = BA und dann: a) det( A) b) det( B) c) det A 1 a) det A c) det A 1 ( ) d) det( B 1 ) e) det C ( ) = 2 b) det( B) = 3 ( ) = 1 2 = 1 det(a) d) det B 1 ( ) = 1 3 = 1 ( ) f) det( D) det(b) e) det( C) = 6 = det( A)det( B) f) det( D) = 6 = det( B)det( A)

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Modul 212 Determinanten Hans Walser: Modul 212, Determinanten ii Modul 212 für die Lehrveranstaltung Mathematik 2 für Naturwissenschaften Sommer 2003 Probeausgabe

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Spender A B AB 0 Empfänger A B AB 0 1 0 0 0 1 0 1 1 1 0 0 0 1 1 1 1 1 verträglich 0 unverträglich Modul 210 Koordinatensysteme. Matrizen Lernumgebung Hans

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik für Naturwissenschaften Modul Der Gaußsche Algorithmus Lernumgebung Hans Walser: Modul, Der Gaußsche Algorithmus. Lernumgebung ii Inhalt Algorithmen im Alltag... Gaußscher Algorithmus...

Mehr

Kapitel 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 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

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Modul 202 Regressionsgerade und Korrelation Lernumgebung. Teil Hans Walser: Modul 202, Regressionsgerade und Korrelation. Lernumgebung. ii Inhalt Messwertpaare...

Mehr

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

1 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.............................

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik für Naturwissenschaften Modul Lineare Abbildungen. Eigenwerte Lernumgebung. Teil Hans Walser: Modul, Lineare Abbildungen. Eigenwerte. Lernumgebung. Teil ii Inhalt Lineare Abbildung

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik 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.

Mehr

5.2 Rechnen mit Matrizen

5.2 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

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Mehr

6.2 Rechnen mit Matrizen

6.2 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

Mehr

4. Übungsblatt zur Mathematik II für Inf, WInf

4. 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

Mehr

FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn

FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB./7. November 2008 Prof. Dr. H.-R. Metz (Matrix) Matrizen 1 Ein System von Zahlen a ik, die rechteckig in m Zeilen und n Spalten angeordnet

Mehr

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden.

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Determinante Die Determinante det A = det(a 1,..., a n ) einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Multilineariät: det(..., αa j + βb j,...) = α det(...,

Mehr

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops 15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

5.4 Basis, Lineare Abhängigkeit

5.4 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)

Mehr

5.2 Rechnen mit Matrizen

5.2 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

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen 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

Mehr

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 44 8. Lineare Algebra: 2. Determinanten Ein einführendes

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, Page 1 of 5 Die Determinante wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen 1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese

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.

[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

Mehr

Wir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds

Wir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds 39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt

Mehr

Kartografie I. Hans Walser Koordinatensysteme und Transformationen Lernumgebung

Kartografie I. Hans Walser Koordinatensysteme und Transformationen Lernumgebung Kartografie I Hans Walser Koordinatensysteme und Transformationen Lernumgebung Hans Walser: Koordinatensysteme und Transformationen ii Inhalt 1 Rechts- oder Linkssystem?... 1 Rechtssystem... 3 Polarwinkel...

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen und Determinanten, Aufgaben Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen

Mehr

Determinanten. I. Permutationen

Determinanten. 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

Mehr

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A. Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Lösungen Serie 5 (Determinante)

Lösungen Serie 5 (Determinante) Name: Seite: Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 5 (Determinante) Dozent: R Burkhardt Büro: 463 Klasse: Studienjahr Semester: Datum: HS 2008/09 Aufgabe Bestimme

Mehr

a 1 a 1 A = a n . det = λ det a i

a 1 a 1 A = a n . det = λ det a i 49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K

Mehr

Klausur zur Mathematik I (Modul: Lineare Algebra I)

Klausur 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

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik für Naturwissenschaften Spender A B AB 0 Empfänger A B AB 0 0 0 0 0 0 0 0 verträglich 0 unverträglich Modul 0 Koordinatensysteme. Matrizen Hans Walser: Modul 0, Koordinatensysteme.

Mehr

1 Bestimmung der inversen Matrix

1 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

Mehr

Mathematik 1 für Naturwissenschaften

Mathematik 1 für Naturwissenschaften Hans Walser Mathematik für Naturwissenschaften Modul 07 Fipunkte Lernumgebung Teil Hans Walser: Modul 07, Fipunkte. Lernumgebung Teil ii Inhalt Bei welcher Temperatur ist es gleich warm?... Ein blödsinnig

Mehr

Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn.

Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn. Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: Definition 1.2 (Leibniz-Formel) Die Determinante einer n n-matrix ist a 11 a 12 a 13... a 1n a 11 a 12 a 13... a 1n a 21

Mehr

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α Mathematik 1 - Übungsblatt 7 Lösungshinweise Tipp: Verwenden Sie zur Kontrolle Scilab, wo immer es möglich ist. Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne

Mehr

Determinanten. I. Permutationen

Determinanten. 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

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante

Mehr

Lineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18.

Lineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18. Goethe-Universität Frankfurt Institut für Mathematik Lineare Algebra Wintersemester 218/19 Prof Dr Jakob Stix Martin Lüdtke Übungsblatt 11 15 Januar 219 Aufgabe 1 (5=1+1+1,5+1,5 Punkte) Berechnen Sie die

Mehr

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

In 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:

Mehr

Kapitel 3 Lineare Algebra

Kapitel 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

Mehr

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1

Mehr

Ökonometrische Analyse

Ökonometrische 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 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

Mehr

Mathematik I für MB und ME

Mathematik I für MB und ME Mathematik I für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 28/29 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.3 Ergänzungen

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.3 Ergänzungen Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 83 Ergänzungen wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas

Mehr

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Inverse 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.

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare 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 3 und lineare Gleichungssysteme und

Mehr

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A = 3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle 2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. 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

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, 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

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( )

Ferienkurs 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

Mehr

Aussagenlogik. 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. 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

Mehr

Mathematik für Naturwissenschaftler

Mathematik für Naturwissenschaftler Mathematik für Naturwissenschaftler Was Sie im Bachelor wirklich brauchen und in der Schule nicht lernen Bearbeitet von Norbert Herrmann 1. Auflage 2011. Taschenbuch. Paperback ISBN 978 3 8274 2866 0 Format

Mehr

7 Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten

7 Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten 7 Lineare Gleichungssysteme und Determinanten Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten 7.1 Dreiecks- und Diagonalmatrizen Linke untere bzw. rechte obere Dreiecksmatrizen sind

Mehr

Basistext Determinanten

Basistext 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Modul 205 Binomialverteilung Hans Walser: Modul 205, Binomialverteilung ii Inhalt Die Qual der Wahl: Binomialkoeffizienten.... Ordnung muss sein....2 Auswählen

Mehr

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

IV. 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

Mehr

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung 43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder

Mehr

Mathematik 1 für Naturwissenschaften. Bernoulli

Mathematik 1 für Naturwissenschaften. Bernoulli Hans Walser Mathematik für Naturwissenschaften Bernoulli Nicolaus 63-708 Jacob I 654-705 Nicolaus 66-76 Johann I 667-748 Nicolaus I 687-759 Nicolaus II 695-76 Daniel 700-78 Johann II 70-790 Johann III

Mehr

Universität 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. 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

Mehr

Blatt 10 Lösungshinweise

Blatt 10 Lösungshinweise Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr

Mehr

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten 6.1 Symmetrische Gruppe Definition: Eine bijektive Abbildung von einer Menge X auf sich selbst heisst eine Permutation von X. Satz-Definition:

Mehr

14 Determinanten. 70 II. Lineare Gleichungssysteme. a b c d

14 Determinanten. 70 II. Lineare Gleichungssysteme. a b c d 70 II. Lineare Gleichungssysteme 14 Determinanten Aufgabe: Zeigen Sie, daß die Regularität einer quadratischen Matrix stabil gegen kleine Störungen ist: Es sei A K n n regulär. Finden Sie δ > 0, so daß

Mehr

Mathematik für die Sekundarstufe 1

Mathematik für die Sekundarstufe 1 Hans Walser Mathematik für die Sekundarstufe 1 Modul 202 Isometrien Lernumgebung Hans Walser: Modul 202, Isometrien. Lernumgebung ii Inhalt 1 Translationssymmetrie im lltag?... 1 2 Symmetrien einer Funktion...

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Klausur: voraussichtlich Mittwoch,

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Klausur: voraussichtlich Mittwoch, Lineare Algebra I - 2. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Klausur: voraussichtlich Mittwoch, 4.2. 4:3 Uhr, A3 A 2 Mat(n, n; K) Dann ist 7 A : Mat(n, ; K)! Mat(n, ; K) b! A b ein Endomorphismus.

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs 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

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: 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

Mehr

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle 2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische

Mehr

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix: Beispiel 0 2 3 0 Um die inverse der Matrix A mit Gauß-Jordan-Algorithmus zu bestimmen, wird eine Folge von elementaren Zeilenoperationen durchgeführt.

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare 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

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 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

Kapitel 17. Determinanten

Kapitel 17. Determinanten Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript 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.................................

Mehr

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

täglich einmal Scilab!

täglich einmal Scilab! Mathematik 1 - Übungsblatt 7 täglich einmal Scilab! Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind skalare Größen (=einfache Zahlen im Gegensatz zu vektoriellen

Mehr

7 Lineare Gleichungssysteme und Determinanten

7 Lineare Gleichungssysteme und Determinanten 7 Lineare Gleichungssysteme und Determinanten 7 Dreiecks- und Diagonalmatrizen Linke untere bzw rechte obere Dreiecksmatrizen sind quadratische Matrizen der Gestalt L =, R = Genauer heißt eine quadratische

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Arbeitsblatt 16 Die Pausenaufgabe Aufgabe 161 Zeige, dass zu einem K-Vektorraum V mit Dualraum V die Auswertungsabbildung

Mehr

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 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

Mehr