Lineare Gleichungssysteme und Gauß'scher Algorithmus

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Lineare Gleichungssysteme und Gauß'scher Algorithmus"

Transkript

1 Zurück Letzter Update 7... Lineare Gleichungssysteme und Gauß'scher Algorithmus In der Mathematik bezeichnet man mit Matrix ein rechteckiges Schema, in dem Zahlen oder Funktionen angeordnet werden. Hier geht es zunächst nur um Matrizen, deren Elemente Zahlen sind (reelle oder komplexe). In der allgemeinen Darstellung haben die Zahlen zwei Indizes, den ersten für die Zeilennummern, den zweiten für die Spaltennummer. Die dargestellte Matrix hat m Zeilen (erster Index) und n Spalten (zweiter Index). In der Matrix sind also m n Zahlen gespeichert, etwa reelle oder komplexe. Dazu unten mehr. Lineare Gleichungssysteme Gauß Algorithmus (Eliminationsverfahren) Vorbemerkung: Das Gauß'sche Eliminationsverfahren ist ein Algorithmus zur Lösung linearer Gleichungssysteme, gleichgültig aus welchem Modellkontext sie stammen. Ich stelle das Verfahren hier vorwiegend an Beispielen der Vektorrechnung/analytischen Geometrie vor, weil man sich dann unter der Lösungsmenge konkrete Objekte wie Geraden, Punke, Ebenen vorstellen kann. Und auch, weil dieser Kontext aus der Schule schon bekannt ist. Das Verfahren ist jedoch generell auf beliebige lineare Gleichungssysteme anwendbar und nicht auf diesen Kontext beschränkt. Siehe dazu auch Aufgaben. Motivation: Beispiel : Wir möchten die Schnittmenge der folgenden drei Ebenen im IR bestimmen: Die Schnittmenge ist die Menge aller Punkte, die alle drei Gleichungen simultan erfüllt. Dies könnte in diesem Kontext prinzipiell hier ein Punkt, die leere Menge, eine Gerade oder eine Ebene sein. Welcher Fall hier vorliegt, zeigt uns gleich eine kurze Rechnung mit dem Gauß Algorithmus. A = = ( a a... a n a a... a n a m a m... a mn a ik) i=...m, k=... n E : x + y + z =, E : x + y + z =, E : x + z = Wir fassen diese drei Ebenengleichungen in ein Gleichungssystem zusammen. Daneben schreiben wir nur die Koeffizienten des Systems und die rechte Seite der Gleichungen als Matrix mit Zeilen und 4 Spalten auf. (Die sogenannte erweiterte Koeffzientenmatrix, die x Matrix links ist die eigentliche Koeffizientenmatrix. ) In der ersten Spalte der erweiterten Koeffizientenmatrix stehen also die Koeffizienten der x, in der zweiten die der y usw. und in der vierten Spalte die rechten Seiten der Gleichungen. Die Überschrift können wir in Zukunft weglassen, sofern wir keine Spalten vertauschen. x + y + z = x + y + z = x + y + z = Den Clou an der Sache erkannte schon Gauß: Man kann mit der Koeffizientenmatrix genauso rechnen wie mit dem x Gleichungssystem. Also etwa Vielfache von Zeilen auf andere Zeilen addieren mit dem Ziel, in der Matrix möglichst viele Nullen zu erzeugen und dann "rückwärts" durch Auflösen die Unbekannten x,y,z zu bestimmen. y z rechte Seite Man bildet also bei der hier vorgestellten Version des Verfahrens nur Linearkombinationen von Zeilen der erweiterten Koeffizientenmatrix so, dass in einer Spalte Nullen enstehen und fährt dann mit den nächsten Spalte fort. Das ist der Kern des sogenannten Gauß'schen Eliminationsverfahrens oder auch Gauß Algorithmus. Der Vorteil des Rechnens mit dem reinen Zahlenschema wird sofort klar, wenn man es einmal parallel durchführt. Übersichtlicher und schneller, da weniger Schreibarbeit, als das rechnen mit Gleichungen, in denen Unbekannte stehen. Gauß schrieb dazu einem Freund: "Hast du einmal so gerechnet, wirst du niemals wieder anders rechnen wollen". Der Nachteil soll auch erwähnt werden: Das Verfahren ist natürlich etwas unflexibler als eine Kombination von den aus der Schule bekannten Additions, Einsetz und

2 Gleichsetzungsverfahren. Bei größeren Gleichungssystemen verliert man jedoch bei diesen gemischten Verfahren schnell die Übersicht, bzw erstickt an der Schreibarbeit. Nicht so beim Gauß Verfahren. Man kann diesen Algorithmus daher auch gut programmieren. Wir führen dieses Verfahren einmal parallel durch, damit man die Äquivalenz erkennt. Ab dann nur noch mit der Koeffizientenmatrix. Wir picken uns den ersten Koeffizienten von x heraus, also die Zahl in der. Zeile und. Spalte, die, das sogenannte Pivotelement (;) (pivot (engl./frz.): Dreh und Angelpunkt). Dann soll mit diesem Element in der darunter stehenden Spalte Nullen erzeugt werden, indem man zum Beispiel (. Möglichkeit) Vielfache der ersten Zeile auf die anderen Zeilen addiert. Zeilen werden hier mit römischen Buchstaben bezeichnet. Also etwa Lies: Multipliziere die erste Zeile (I) mit Zeile (II) usw. Ergebnis:, addiere das auf die zweite Zeile (II) und speichere das Ergebnis in der zweiten. Möglichkeit. Oder man addiert die erste Zeile auf Vielfache der anderen, mit dem Ziel, die Koeffizienten von x zu Null zu machen. Es gäbe auch noch mehr Möglichkeiten, die wir aber hier unterdrücken. Wenn man ganzzahlig rechnen will, was sich für die Handrechnung empfiehlt, muss man beide Möglichkeiten kombinieren, sofern beide Koeffizienten verschieden von In beiden Fällen stehen unterhalb des Pivotelementes Man hat hier natürlich implizit einen Satz benutzt: nur noch Nullen. Die erste Zeile ist unverändert. Die Addition von Vielfachen einer Zeile (Gleichung) auf eine andere Zeile ändert die Lösungsmenge nicht! Wir wählen uns nun ein neues Pivotelemenent, etwa den Koeffzienten von y aus der zweiten Gleichung (Zeile) und erzeugen mit diesem nach unten Nullen. Dabei gehe ich hier vom ganzzahligen (zweiten ) Zwischenresultat aus. Hier also Pivot Leser kann zum Vergleich auch den ersten Fall weiterrechnen. Operation: Nun beginnt die Phase "Rückwärtsauflösen": Die Schnittmenge ist somit der Punkt mit den Koordinaten Den Gauß Algorithmus haben wir hier mit der Pivotfolge (;) und (;) durchgeführt. Diese Zahlen bezeichnen die Indizes des Pivotelemente. ergibt: In den Aufgaben finden Sie zwei Beispiele zu typischen Gauß Tableaus zum übersichtlichen Rechnen Weitere Beispiele Beispiel : Gesucht: Schnittmenge der Ebenen Wir stellen die Koeffizientenmatrix des Gleichungssystems auf und führen zwei Schritte des Gauß Algorithmus durch mit der Pivotfolge (;), (;): x + y + z = x + y + z = x + y + z = x + y + z = x + y + z = x + y + z =,5 I + II II,,5 I + III III,5 x + y + z =,5y +,5z =,5y +,5z = I + ( ) II II, x + y + z = y z = y z = x + y + z = y z = z = I + ( ) III III II + III III,5,5 III : z = z =, II : y = y =, I : x + + = x = ( ). E : x + y + z =, E : 4x + y + z =, E : x + y + z =,5,5 sind.. Der

3 4 Das Gleichungssystem ist lösbar, Rückwärtsauflösen ergibt Die Schnittmenge ist also eine Gerade. In Parameterdarstellung (als Parameter z = t gewählt) kann man sie zum Beispiel so schreiben: y + z = y = z, x + y + z = x = x y z = + t, t IR Bei genauem Hinsehen ist klar: Die zweite und die dritte Ebenengleichung stellen dieselbe Ebene dar, die dritte Gleichung bringt also keine neue Bedingung in das Gleichungssystem. Beispiel : Gesucht ist wieder die Schnittmenge der Ebenen E : x + y + z =, E : 4x + y + z =, E : x + y + z = 5 4 Wieder Gauß Algorithmus mit Pivot (;), Rechnung : und danach 5 Pivot(;) ( ) I + II II () I + III III 5 Pivot(;) ( ) II + III III. Die letzte Zeile der umgeformten Matrix steht für die Gleichung = x + y + z = Diese Gleichung besitzt keine Lösung, die Lösungsmenge ist die leere Menge, die Schnittmenge der drei Ebenen ist also leer. Dies hätte man bei genauem Hinsehen schon anhand der Gleichungen sehen können. Die Ebenen E und E sind parallel (derselbe Normalenvektor), aber verschieden (rechte Seite!). Beispiel 4: Schnittmenge der Ebenen E : x + y + z =, E : x + y + z =, E : x + y z = Hier genügt ein Gauß Schritt, Pivot (;): Die Lösungsmenge ist also die Ebene E = E = E, alle Gleichungen stellen also dieselbe Ebene dar. Berechtigte Frage: Warum rechnet man überhaupt mit dem Gauß Algorithmus und löst dies nicht gleich durch "genaues Hinsehen"? Antwort: Unsere Demonstartionsbeispiele sind bewusst kleine (n=) Beispiele, die den geometrischen Hintergrund illustrieren sollen. Bei technischen Berechnungen (z.b. Finite Element Methoden ) treten Gleichungssysteme mit tausenden oder gar Millionen Unbekannten auf. Da kann niemand mehr die Lösungsstruktur "per genaues Hinsehen" ermitteln. Den Gauß Algorithmus kann man hingegen progammieren und dem Rechner dann die Lösung überlassen. Wenn eine einfache Pivotfolge nicht möglich ist/varianten des Gauß Verfahrens Hin und und wieder kommt es vor, dass bei einer Rechnung gerade der Koeffizient Null wird, den man normalerweise gerne als nächstes Pivot Element gewählt hätte. Beispiel 5

4 4 Hier könnte man mit dem Rückwärtsauflösen einfach in Zeile II beginnen, also im Prinzip zweite und dritte Zeile vertauschen. Wir betrachten nun ein größeres Gleichungssystem (4 Gleichungen, 4 Unbekannte x,y,z, w), hier nur Koeffizientenmatrix und rechte Seite als erweiterte Matrix geschrieben: Das nächste übliche Pivotelement (;) ist leider Null. Welche Möglichkeiten hätte man, um die Rechnung weiter zu führen?. Man könnte Zeilen vertauschen, etwa II und IV. Das ist an sich unproblematisch, man muss allerdings die Matrix noch einmal abschreiben, das bedeutet höherer Aufwand, Fehlerquelle.. Man könnte Spalten vertauschen. Dabei muss man aber dann auch die geänderte Zuordnung zu den Variablen beachten, sonst kommt man bei Handrechnung bei größeren Systemen leicht durcheinander. Man sollte dann unbedingt die aktuellen Variablennamen über den Spalten notieren, damit das Rückwärtsauflösen klappt. Ich rate von diesem Vorgehen allerdings generell ab, weil es Verwirrung stiftet und fehleranfällig ist.. Mit dem Gauß Algorithmus flexibler rechnen und einfach andere Pivots wählen. Wesentlich ist doch nur, dass man nachher zum Rückwärtsauflösen genügend viele Nullen in der Matrix stehen hat. Es böte sich als Pivot Element (,) an, wie bereits oben markiert. Mit einer Eins als Pivot rechnet es sich ohnehin einfach. Den letzten Gauß schritt mit Pivot (,), also habe ich nur eingefügt, damit man den Rang dann leichter bestimmen zu kann (s.u.). Mit einer Zeilenvertauschung kann man die letzte Matrix dann auf die obere Dreiecksform /gestaffeltes Gleichungssystem bringen. Zum Gleichungslösen wäre der letzte eigentlich gar nicht mehr nötig gewesen, da in der vorletzten Matrix bereits genug Nullen in der Matrix standen, um rückwärts auflösen zu können. Die Lösung ist damit Pivot(;) ( ) I + II II, ( ) I + IV IV Pivot(;) ( ) II + III III, II + IV IV IV : III : II : I : 4 (x;y;z;w) = (; ;; ) III + IV IV w =, y w = z + w = x + y + z + w = w =, w = y =, z =, x = Gauß Jordan Verfahren: Nullen nach oben und unten erzeugen Wir betrachten noch einmal Beispiel, aber erzeugen mit den Pivotelementen Nullen unterhalb und oberhalb in der jeweiligen Spalte. Im letzten Schritt haben wir Lösungen fast ablesen.,5 III + II II gerechnet. Nun ist das System vollständig entkoppelt, wir können die x = x =, y =, z = z =. Das Gauß Jordan Verfahren verwendet man also zum Beispiel, um die Inverse einer Matrix zu bestimmen. Dazu muss man

5 simultan n Gleichungssysteme lösen, als Matrizengleichung (E bezeichnet die Einheitsmatrix). Gleichungssysteme bei denen die Zahl der Gleichungen (m) nicht der Zahl der Unbekannten (n) entspricht. Beispiel : n > m Mehr Unbekannte als Gleichungen. (vergleiche Beispiel ) Zwei Fälle sind möglich: Unendlich viele Lösungen oder keine Lösung. (a) Gesucht ist die Schnittmenge der Ebenen Gleichungssystem aufstellen, Gauß Algorithmus mit Pivot (;) ( ). Rückwärtsauflösen: Die Schnittmenge ist also eine Gerade (unendlich viele Lösungen), Lösungsdarstellung durch Parametrisierung wie in Beispiel. AX = E, Gauss-Jordan: (A E) (E A ) E : x + y + z =, E : 4x + y + z =, x + y + z = 4x + y + z =, y + z =,y = z,x + y + z =,x = /. ( ) I + II II, () I + III III ( ) ( ) 4 (b) Gesucht ist die Schnittmenge der Ebenen Gleichungssystem aufstellen, wieder Gauß Algorithmus mit Pivot (;), ein Schritt genügt. Die letzte Zeile der letzten Matrix bedeutet rückübersetzt Beispiel 7: n < m Gleichungssystem mit mehr Gleichungen als Unbekannte., das Gleichungssystem hat somit keine Lösung. Drei Fälle sind möglich: Keine Lösung, genau eine Lösung, unendlich viele Lösungen. Die Beispiele ( Gleichungen, zwei Unbekannte) können vom Leser mit wenigen Gauß Schritten durchgerechnet werden. Regeln und Tipps für die effiziente Rechnung mit dem Gauß Algorithmus. Für die Handrechnung beachte man folgendes:. Wenn man nicht unbedingt an die starre Pivotfolge (;), (;) usw. gebunden ist, wählt man möglichst Pivots ganzzahlig und betragsklein, etwa, oder. Brüche oder große Zahlen machen die Matrizen schnell unübersichtlich, erhöhen den Rechenaufwand und die Fehlerquote. Der Gauß Algorithmus hat die unangenehme Eigenschaft, dass sich anfängliche Fehler bis zum Ende fortpflanzen!. Ganz wichtig: Aus jeder Zeile und jeder Spalte höchstens einmal ein Pivotelement wählen! Wenn man dies nicht beachtet, zerstört man sich schon mühsam erzeugte Nullen wieder und rechnet redundant.. Wenn möglich beim Rechnen nur multiplizieren, nicht dividieren. Auf oft unnütze Schritte wie Normierungen von Zeilen in der Matrix verzichten, wenn dadurch komplizierte Brüche entstehen. Generell die Matrizen so wenig wie möglich umschreiben und abschreiben (Fehlerquelle!). Beim Rückwärtsauflösen die Variablenreihenfolge beachten. 4. Gewöhnen Sie sich ein festes System beim Rechnen an. Etwa Zeilen immer nur zu addieren, nicht einmal eine addieren, dann wieder eine subtrahieren usw. Durcheinander erhöht die Fehlerrate. 5. Wenn Parameter in der Matrix stecken, dann sollte man diese möglichst nicht, oder erst so spät wie möglich als Pivot wählen, weil ab dann oft Fallunterscheidungen und somit parallele Rechnungen nötig werden. Wenn viele Nullen in einer Zeile sind, kann es günstig sein, diese als Pivot Zeile zu wählen, vorausgesetzt das mögliche Pivotlelement ist nicht unangenehm. E : 4x + y + z =, E : x + y + z = 5 4x + y + z =, x + y + z = ( ) ( ) = (a) keine Lösung: (b) genau eine Lösung: x + y =, x + y =,,, x y = x y = x + y = x + y =. Anders als hier in meiner HTML Darstellung, in der ich aus Übersichtsgründen die Matrizen meist nebeneinander gepackt 5 (c) unendlich viele Lösungen: x + y =, x y = x + y =

6 habe (weil man sonst zum Vergleiche zuviel hin und her scrollen muss) sollten Sie bei Handrechnung die Matrizen untereinander schreiben. Die an den Zeilen vorgenommenen Rechenoperationen schreiben Sie daneben. Manche Leute zeichnen sich auch regelrechte Tableaus mit Kästchen. Das hilft die Übersicht zu bewahren. 7. Wenn man das Verfahren programmiert und mit Gleitkommazahlen rechnet, dann wählt man anders als bei der Handrechnung immer das betragsgrößte Element einer Spalte als Pivotelement. Grund:Rundungsfehlerdämpfung. Rang einer Matrix und Lösbarkeit von Gleichungssystemen. Der Rang einer Matrix ist die Anzahl der linear unabhängigen Zeilen (oder Spalten, Zeilenrang=Spaltenrang). Man kann dem Rang ablesen, wenn man den Gauss Algorithmus so weit wie möglich durchführt, d.h, bis kein Pivotelement mehr gewählt werden kann. Die Ergebnismatrix besteht dann aus Zeilen, in denen mindestens ein Element nicht Null ist, sowie eventuell auch Zeilen, die nur Nullen enthalten, den Nullzeilen. Die Zahl der Zeilen, in denen nicht alle Elemente Null sind, bestimmt dann den Rang. Kurz: Rang (A) ist die Zahl der Nichtnullzeilen nach vollständiger Gauß Rechnung. Der Rang ist maximal, wenn er das Minimum aus Zeilen und Spaltenanzahl beträgt (min(m,n)) Bei einer x4 Matrix kann der Rang z.b. höchstens sein, bei einer 4x Matrix ebenso. Rang( A) = Anzahl der Nichtnullzeilen (mindestens ein Element ungleich Null) der Matrix nach vollständiger Durchführung des Gauß Algorithmus Bei Verwendung der Pivotfolge (;), (;) (;)... (Diagonalelemente) erhält man automatisch eine obere Dreiecksmatrix (gestaffeltes Gleichungssystem). Der Rang ist hier leicht abzulesen. Vergleiche Beispiel in Vektorräume Bei anderen Pivotwahlen kann man aus dem Ergebnis durch Zeilenvertauschung eine obere Dreieicksmatrix herstellen, der Rang bleibt erhalten. Siehe Beispiel 5, Rang(A) =4. Beispiel : (a)jeweils Gauß Schritt, Pivot immer (;): Rang( ) = Rang( ) = (b) 5x5 Matrix mit Rang=4 durch Zeilenvertauschung (ändert Rang nicht) auf obere Dreieicksform gebracht Zeilenvertauschungen II III Die Matrix hat 4 linear unabhängige Zeilen, wie man an der "Nullenstruktur" abliest. Nach etwas Training mit Matrizen muss man diese Vertauschung nicht immer schriftlich ausführen. Man muss nur sicher sein, den Gauß Algorithmus so weit wie möglich gerechnet zu haben. 9 Rang( ) = Rang( ) = 9 5 Rang( ) = Rang( ) = III V IV II V IV 9 Ein Gleichungssystem in Matrixform schreiben Ein Gleichungssystem wie in den Beispielen 5 kann man sich auch in folgender Form geschrieben denken (vergleiche Matrixmultiplikation): x + y + z = A x = b in Beispiel : x + y + z = = x + y + z = x y Allgemein: A ist hier die mxn Koeffizientenmatrix. Gleichungssystem: A x = b m Gleichungen, n Unbekannte b R m, x R n Wir hatten in Beispiel 5 auf die erweiterte Koeffizientenmatrix (A b) z (Größe mx(n+) ) den Gauß Algorithmus angewendet.

7 Aus den Ergebnissen können wir Informationen über den Rang ablesen: Rangbestimmmung in dem Beispielen: Quadratische Gleichungssysteme (quadratische Koeffizientenmatrix n=m). Beispiel : Rang(A) = Rang(A b) =, maximaler Rang, Gleichung war nach Rechnung eindeutig lösbar. Beispiel : Rang(A) = Rang(A b) =, kein maximaler Rang, Gleichung war nach Rechnung lösbar, aber nicht eindeutig. Beispiel : Rang(A) = < Rang(A b) = : Gleichung nicht lösbar. Beispiel 4: Rang(A) = Rang(A b) =, kein maximaler Rang, Gleichung war nach Rechnung lösbar, aber nicht eindeutig. Beispiel 5: Rang(A) = Rang(A b) = 4, maximaler Rang, Gleichung war nach Rechnung eindeutig lösbar. Weniger Gleichungen als Unbekannte, m < n, "flache Koeffizientenmatrix" : Beispiel a: A x Matrix, Rang(A) = = Rang(A,b) Beispiel b: A x Matrix, Rang (A) = Beispiel 7(a) Rang(A) = Beispiel 7(b) Rang(A) = < < = = < =n : Unendlich viele Lösungen. Rang(A b) = : Keine Lösung. Rang(A b) = : Keine Lösung. Rang(A b) = : Genau eine Lösung. Beispiel 7(c) Rang(A) = Rang(A b) = n= : Unendlich viele Lösungen, =n freie Parameter. < Hinter dieser Beobachtung an den Beispielen steht auch ein allgemeiner Satz: Kriterien für die Lösbarkeit des Gleichungssystemen Bezeichnungen: A sei eine reelle (oder komplexe) mxn Matrix. Homogenes Gleichungssystem Inhomogenes Gleichungssystem A x = A x = b A x = b. Allgemeines Kriterium für beliebige Matrix, Gleichungen, Unbekannte. : Das inhomogene Gleichungssystem ist genau dann lösbar mit Lösung(en) R n, wenn vorliegt. Die Lösung enthält dann genau n r freie Parameter. Im einzelnen bedeutet das: A mxn (n,m,) m n A x = b IR m x I r = Rang(A) = Rang(A b). Sonderfall quadratische Gleichungssysteme n = m: Folgende Fälle sind möglich: A Rang(A) = n b R n (a) hat maximalen Rang: Falls vorliegt, dann ist das Gleichungssystem für jede rechte Seite eindeutig lösbar. Die Erweiterung mit b kann den bereits maximalen Rang nicht mehr erhöhen, zwangsläufig also auch Rang(A b) = n, somit ist die rechte Seite b für die Lösbarkeit nicht relevant. r = n : Somit keine freien Parameter in der Lösung. Ax = x = A r = Rang(A) < n r = Rang(A) = Rang(A b). Ferner: Die homogene Gleichung hat dann auch nur die eindeutige Lösung. (b) hat nicht den maximalen Rang: UND es ist Dann ist das Gleichungsystem lösbar, jedoch nicht eindeutig. Die Lösbarkeit hängt in diesem Fall von b ab, das Gleichungssystem ist nicht für jede rechte Seite lösbar. Es gibt dann unendlich viele Lösungen mit n r freien Parametern. Der Nullraum (Kern) N(A) = {x R n Ax = } ist ein Untervektorraum von R n mit der Dimension n r. In diesem Fall lässt sich jede Lösung x des Systems in der Form x = x s + x h, x h N(A), x s eine spezielle Lösung von Ax = b darstellen. (Zerlegungssatz). Zerlegung der Lösung in homogenen Anteil x h und inhomogenen Anteil x s., Vergleiche Beispiel und 4. ) (c) Falls Rang(A) < Rang(A b) dann gibt es keine Lösung des inhomogenen Gleichungssystems.. m < n, Gleichungssysteme mit mehr Unbekannten (n) als Gleichungen (m), flache Koeffizientenmatrix:

8 Ax = b ist nur lösbar wenn der Zerlegungssatz aus (b) gilt auch hier. freie Parameter. 4. m > n mehr Gleichungen (m) als Unbekannte (n), "hohe" Koeffizientenmatrix: Generell lösbar wenn Rang(A)=Rang(A b), jedoch nie eindeutig lösbar. Wieder ist dim(n(a) ) = n r und eindeutig lösbar wenn noch Rang(A)=Rang(A b)= n, nicht eindeutig lösbar wenn r= Rang(A)=Rang(A b) < n, Zerlegungssatz aus (b) gilt auch hier. unlösbar wenn Rang(A) Rang(A b). Bemerkung: Für eine quadratische nxn Matrix besteht noch folgender äquivalenter Zusammenhang mit der Determinante: Reguläre und singuläre Matrix : eine nxn Matrix mit Rang n heißt regulär, ist der Rang < n so heißt sie singulär Nochmal: Mit der Determinante kann man nur feststellen, ob der Rang maximal ist oder nicht. Den genauen Rang kann man für Rang(A) < n nur an der z.b. mit dem Gauß Verfahren bearbeiteten Matrix ablesen. Es ist also völlig überflüssig und sinnlos zuerst die Determinante der Koeffizientenmatrix auszurechen, und dann nochmal ein Gauß Verfahren beim Gleichungssystem zu starten! Die Determinante kann man allenfalls ausrechnen, wenn man lediglich wissen will, ob das System überhaupt eindeutig lösbar ist aber an der Lösung selber gar nicht interessiert ist. Und auch das macht man nur dann, wenn die Determinante aufgrund der Matrixstruktur schneller/einfacher zu rechnen ist, als ein Gauß Verfahren. In der Regel erleichtert man sich die Determinantenberechnung aber doch wieder durch einige Gauß Schritte (Entwicklungssatz), dann kann also besser das Gauß Verfahren auch gleich auf die Koeffizientenmatrix loslassen und alle gewünschten Infos am Ergebnis ablesen. Unangenehme Koeffizienten und parameterabhängige Gleichungen Kleiner Test: Sie haben den Gauß Algorithmus gut verstanden, können flexibel damit rechnen und damit die Lösbarkeit von Gleichungssystemen entscheiden, und ihre Lösungen berechnen? Prima dann versuchen Sie sich doch mal an folgender Aufgaben.. Aufgabe. Tipp: Pivots geschickt wählen. Wenn Sie viel Zeit haben und gerne rechnen, dürfen Sie natürlich auch gerne die Pivot Folge (;), (;) probieren. ;). Aufgabe: Hier sind die Koeffizienten teilweise Parameter ( s,t ), wie in technischen Problemstellungen häufig vorkommend. Gesucht ist die Lösungsmenge (Achtung: diese ist parameterabhängig, Parameter sind s,t!) des folgenden linearen Gleichungssystems. Für welche Parameter t ist das folgende Vektorsystem eine Basis des R? Weitere Aufgaben hier r = Rang(A) = Rang(A b), n r Rang(A) = n det(a) Rang(A) < n det(a) = 7x + y + 9z = x + y + z = x + 5y + 4z = tx + y + z + w = x + z + w = s x + y + z + w = t,,

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen

Mehr

1 Lineare Gleichungssysteme

1 Lineare Gleichungssysteme MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

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

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

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen. Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems

Mehr

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

6 Lösungsverfahren für lineare Gleichungssysteme

6 Lösungsverfahren für lineare Gleichungssysteme 6 Lösungsverfahren für lineare Gleichungssysteme Jörn Loviscach Versionsstand:. März 04, :07 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.jl7h.de/videos.html

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs 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

Mehr

Der Kern einer Matrix

Der 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

Mehr

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt 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

Mehr

Das Lösen linearer Gleichungssysteme

Das Lösen linearer Gleichungssysteme Das Lösen linearer Gleichungssysteme Lineare Gleichungen Die Gleichung a 1 x 1 + a 2 x 2 +... + a n x n = b ist eine lineare Gleichung in den n Variablen x 1, x 2,..., x n. Die Zahlen a 1, a 2,..., a n

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte. Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen

Mehr

( ) Lineare Gleichungssysteme

( ) 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

Mehr

Matrizen und Determinanten

Matrizen und Determinanten Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs 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

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare 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

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, 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

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen Das komplette Material finden Sie hier: School-Scout.de Thema: Lineare Algebra:

Mehr

Aufgabe 1: Malerarbeiten

Aufgabe 1: Malerarbeiten Aufgabe 1: Malerarbeiten Fritz braucht zwei Stunden, um ein Zimmer zu streichen. Susi braucht für das gleiche Zimmer drei Stunden. Wie lange brauchen beide zusammen, um das Zimmer zu streichen? Lösung:

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

Mehr

Mathematik 1, Teil B. Inhalt:

Mathematik 1, Teil B. Inhalt: FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13

Corinne Schenka Vorkurs Mathematik WiSe 2012/13 4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

MLAN1 1 MATRIZEN 1 0 = A T =

MLAN1 1 MATRIZEN 1 0 = A T = MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente

Mehr

Mathematik IT 2 (Lineare Algebra)

Mathematik IT 2 (Lineare Algebra) Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

1 Transponieren, Diagonal- und Dreiecksmatrizen

1 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

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

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

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

Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.

Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Die heutige Sitzung dient dem ersten Kennenlernen von MATLAB. Wir wollen MATLAB zuerst

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SoSe 213 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren 2. Programmieraufgabe: Lineare

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme.2 Determinanten 3 iii 2 LINEARE GLEIHUNGSSYSTEME UND DETERMINANTEN KAPITEL

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare Gleichungssysteme I (Matrixgleichungen) Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr

3. LINEARE GLEICHUNGSSYSTEME

3. LINEARE GLEICHUNGSSYSTEME 176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen

Mehr

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen TG TECHNOLOGISCHE GRUNDLAGEN Kapitel 3 Mathematik Kapitel 3.3 Algebra Gleichungen Verfasser: Hans-Rudolf Niederberger Elektroingenieur FH/HTL Vordergut 1, 877 Nidfurn 055-654 1 87 Ausgabe: Februar 009

Mehr

2.2 Lineare Gleichungssysteme (LGS)

2.2 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 +

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 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

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

Werkstatt Multiplikation Posten: 8-Bit Multiplikation. Informationsblatt für die Lehrkraft. 8-Bit Multiplikation

Werkstatt Multiplikation Posten: 8-Bit Multiplikation. Informationsblatt für die Lehrkraft. 8-Bit Multiplikation Informationsblatt für die Lehrkraft 8-Bit Multiplikation Informationsblatt für die Lehrkraft Thema: Schultyp: Vorkenntnisse: Bearbeitungsdauer: 8-Bit Multiplikation (im Binärsystem) Mittelschule, technische

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

6. Übungsblatt zur Mathematik I für Maschinenbau

6. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)

Mehr

3.4 Der Gaußsche Algorithmus

3.4 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,

Mehr

Serie 8: Fakultativer Online-Test

Serie 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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter

Mehr

7.1 Matrizen und Vektore

7.1 Matrizen und Vektore 7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

a) Welche der beiden Halbgeraden stehen für die Tarife REGENBOGEN und UFO? Begründe. b) Hat Lena recht oder Giuseppe? Begründe.

a) Welche der beiden Halbgeraden stehen für die Tarife REGENBOGEN und UFO? Begründe. b) Hat Lena recht oder Giuseppe? Begründe. 38 3 Lineare Gleichungsssteme mit zwei Variablen Lineare Gleichungsssteme grafisch lösen Beim Tarif REGENBGEN zahle ich für das Telefonieren mit dem Hand zwar einen Grundpreis. Dafür sind aber die Gesprächseinheiten

Mehr

Tutorium: Diskrete Mathematik. Matrizen

Tutorium: 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

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

Mathematik-Dossier. Die lineare Funktion

Mathematik-Dossier. Die lineare Funktion Name: Mathematik-Dossier Die lineare Funktion Inhalt: Lineare Funktion Lösen von Gleichungssystemen und schneiden von Geraden Verwendung: Dieses Dossier dient der Repetition und Festigung innerhalb der

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Klassenarbeit zu linearen Gleichungssystemen

Klassenarbeit zu linearen Gleichungssystemen Klassenarbeit zu linearen Gleichungssystemen Aufgabe : Bestimme die Lösungsmenge der Gleichungssysteme mit Hilfe des Additionsverfahrens: x + 4y = 8 5x y = x y = x y = Aufgabe : Bestimme die Lösungsmenge

Mehr

1 Matrizenrechnung zweiter Teil

1 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

Mehr

Werkstatt Euler und die Lösung der quadratischen Gleichung

Werkstatt Euler und die Lösung der quadratischen Gleichung Werkstatt Leonhard Euler und die Lösung der quadratischen Gleichungen Im Jahr 1767 hat der Mathematiker Leonhard Euler (1707 1783) das Buch Vollständige Anleitung zu Algebra im russischen Original veröffentlicht,

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht 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.

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik 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

Mehr

Lösen von linearen Gleichungssystemen mit zwei Unbekannten:

Lösen von linearen Gleichungssystemen mit zwei Unbekannten: Lösen von linearen Gleichungssystemen mit zwei Unbekannten: 1. Additions- und Subtraktionsverfahren 3x = 7y 55 + 5x 3x = 7y 55 7y 5x + 2y = 4 3 5 werden, dass die Variablen links und die Zahl rechts vom

Mehr

7 Lineare Gleichungssysteme

7 Lineare Gleichungssysteme 118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)

Mehr

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Prof. 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

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Es wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form

Es wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt

Mehr

De Taschäräschnr Casio (Reihe: 9750, 9850,...)

De Taschäräschnr Casio (Reihe: 9750, 9850,...) De Taschäräschnr Casio (Reihe: 9750, 9850,...) Übersicht: 1. Nullstellen 2. Gleichungen 2. oder 3. Grades lösen 3. Gleichungen lösen 4. Schnittpunkte bestimmen 5. Extrempunkte 6. Wendepunkte 7. Steigung

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

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen 4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare Gleichungssysteme (Teschl/Teschl 11.1) Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...

Mehr

Didaktik der Algebra Jürgen Roth Didaktik der Algebra 4.1

Didaktik der Algebra Jürgen Roth Didaktik der Algebra 4.1 Didaktik der Algebra 4.1 Didaktik der Algebra Didaktik der Algebra 4.2 Inhalte Didaktik der Algebra 1 Ziele und Inhalte 2 Terme 3 Funktionen 4 Gleichungen Didaktik der Algebra 4.3 Didaktik der Algebra

Mehr

Aufgaben zu Kapitel 14

Aufgaben zu Kapitel 14 Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt

Mehr

3 Berechnungen und Variablen

3 Berechnungen und Variablen 3 Berechnungen und Variablen Du hast Python installiert und weißt, wie man die Python-Shell startet. Jetzt kannst Du etwas damit machen. Wir fangen mit ein paar einfachen Berechnungen an und wenden uns

Mehr

Gleichungen und Ungleichungen

Gleichungen und Ungleichungen Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls

Mehr

Lösung Test 2 (Nachprüfung)

Lösung Test 2 (Nachprüfung) MLAE Mathematik: Lineare Algebra für ngenieure Herbstsemester Dr Christoph Kirsch ZHAW Winterthur Aufgabe : Lösung Test (Nachprüfung a Wir verwenden den Gauss-Jordan-Algorithmus, um die erweiterte Koeffizientenmatrix

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Plotten von Linien ( nach Jack Bresenham, 1962 )

Plotten von Linien ( nach Jack Bresenham, 1962 ) Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels

Mehr