11 Lineare Gleichungssysteme
|
|
- Rosa Beutel
- vor 5 Jahren
- Abrufe
Transkript
1 Lineare Gleichungssysteme Das Lösen linearer Gleichungssysteme gehört zu den wichtigsten Grundaufgaben der Mathematik Wir werden uns mit einigen einfachen Lösungsverfahren befassen und daran auch etwas Theorie entwickeln Zwei Beispiele Beispiel Auf die Frage nach ihrem Alter antwortet das ältere zweier Kinder Vor drei Jahren war ich doppelt so alt wie mein Bruder; In einem Jahr sind wir zusammen zwanzig Jahre alt Wie alt sind die Kinder? Wir diskutieren dieses Problem in der Vorlesung Das Problem hat auch geometrische Interpretationen, die ebenfalls in der Vorlesung beschrieben werden Die Rechnung beim Eliminationsverfahren kann man kürzer aufschreiben, indem man die Variablen weglässt und die Koeffizienten in eine Matrix schreibt: So kann man die Lösungen ablesen Wie? Beispiel Gesucht sind alle x x, x, x 3 R 3 mit x + x + x 3 5 4x 6x x + x + x 3 9 In der Vorlesung diskutieren wir kurz die verschiedenen Verfahren Hier benutzen wir gleich die Matrixschreibweise um eine Elimination durchzuführen Hieraus liest man ab: 33
2 Der senkrechte Strich in der Matrix trennt die Koeffizienten des Gleichungssystems von der rechten Seite Man spricht daher auch von der erweiterten Koeffizientenmatrix erweitert um die rechte Seite Die Koeffizienten sind die Faktoren vor den Unbekannten Es ergeben sich folgende Fragen: Wie löst man ein lineares Gleichungssystem? und was ist das eigentlich? Wie sehen mögliche Lösungsmengen aus? Kann man das alles auch geometrisch deuten? Das Eliminationsverfahren Bei der Lösung haben wir elementare Zeilenumformungen benutzt Definition Die Operationen EZ Multiplikation einer Zeile mit einem Skalar ; EZ Addition des Vielfachen einer Zeile zu einer Anderen; EZ 3 Vertauschen zweier Zeilen; auf einem linearen Gleichungssystem heißen elementare Zeilenumformungen Es ist ziemlich klar, dass elementare Zeilenumformungen die Lösungsmenge eines linearen Gleichungssystems nicht ändern Dabei ist besonders wichtig, dass jede dieser Operationen durch eine Operation desselben Typs rückgängig gemacht werden kann Aus dieser Beobachtung ergibt sich ein vorläufiges Verfahren, um lineare Gleichungssysteme zu lösen: Algorithmus Bestimme die Lösungen eines linearen Glsichungssystems Wähle eine Zeile in der keine Null in der ersten Spalte steht und vertausche diese Zeile mit der ersten Nutze EZ mit dieser Zeile, um in allen anderen Zeilen in der ersten Spalte eine Null zu erzeugen 3 Wiederhole mit der Matrix in der die erste Zeile und die erste Spalte ignoriert werden, bis eine Dreiecksform hergestellt ist 34
3 4 Lese von unten beginnend die Lösungen ab und setze die Werte in die darüber liegenden Zeilen ein Dieses Verfahren heißt Gaußsches Eliminationsverfahren obwohl es lange vor Gauß bekannt war! Der letzte Schritt wird auch Rücksubstitution genannt Das Eliminationsverfahren funktioniert nicht immer so einfach Daher müssen wir geeignete Modifikationen einführen Das erfolgt auf Seite 3 Zunächst demonstrieren wir die Schwierigkeiten, die bei unserem Verfahren auftreten können und wie sie zu lösen sind Wir benutzen gleich die Form der erweiterten Koeffizientenmatrix Wer sich unsicher ist, schreibe bitte das lineare Gleichungssystem ausführlich mit Variablen auf Dabei dürfen rechts konkrete Werte eingesetzt werden Beispiel Wir untersuchen das folgende System für verschiedene rechte Seiten Man erkennt, dass die Lösbarkeit von der rechten Seite abhängt In der Vorlesung werden wir einige Fälle durchspielen Sie können das auch selbst tun! Es gibt zwei Fälle: In der letzten Zeile steht rechts eine Null Dann ist die Variable x 3 durch die zweite Gleichung festgelegt x ist frei, kann also beliebige Werte annehmen Parameter! x ist dann wieder festgelegt abhängig vom Parameter Im anderen Fall ergibt sich ein Widerspruch das System hat keine Lösung Bemerkung Schon bei obigem Beispiel mussten wir Schritt des Algorithmus modifizieren: Mit der zweiten Spalte konnte keine Elimination durchgeführt werden; wir benutzten statt dessen die dritte Nun ist es Zeit für eine formale Definition Ein lineares Gleichungssystem ist ein System von Gleichungen der Form a x + a x + + a n x n b a x + a x + + a n x n b a m x + a m x + + a mn x n b m mit a ij, b i R, n, m N Im Fall i {,, n} : b i heißt das System homogen, sonst inhomogen Die a ij heißen Koeffizienten Eine Lösung ist ein Vektor v v,, v n R n, der alle Gleichungen erfüllt, wenn man die Komponenten v i für die Variablen x i einsetzt 3 Bemerkung Wenn es mehr als eine Lösung gibt, suchen wir meist nach der ganzen Lösungsmenge 35
4 Die Anzahl der Gleichungen hier m und die Anzahl der Unbekannten hier n muss nicht übereinstimmen 3 Das System wird linear genannt, weil alle Variablen x i nur zur ersten Potenz vorkommen Die Gleichung x + y 3 ist linear, die Gleichung x 3 y nicht 4 Statt R kann man einen beliebigen Körper setzen Wir werden das in Beispielen tun Um alle möglichen Abweichungen von unserem Ausgangs-Algorithmus dar zu legen, behandeln wir noch ein 4 Beispiel Gesucht sind alle Lösungen des linearen Gleichungssystems ? wobei wir für das Fragezeichen später konkrete Zahlen einsetzen werden Durch elementare Zeilenumformungen erhalten wir 4?? Der nächste Schritt Schritt bei der Elimination auf S 34 ist durch erlaubte elementare Zeilenumformungen nicht möglich, denn in der zweiten Spalte stehen nur Nullen Wir überspringen daher die zweite Spalte und machen mit der dritten weiter So gelangen mit weiteren elementaren Zeilenumformungen zur sogenannten Zeilenstufenform Genauer: Wir führen Schritt mit der dritten Spalte aus Das Ergebnis ist 4??? An den Stellen x und x 3 liegen Stufen vor, x und x 4 sind freie Variable Die Gleichungen liefern keine Bedingungen für diese Variablen Wie bereits in früheren Beispielen geschehen, führen wir für jede freie Variable einen Parameter ein, der beliebige Werte in R annehmen kann Der Parameter ist frei und nicht gebunden, wir zb x Wieder können zwei Fälle eintreten: Fall:??? : Das gegebene lineare Gleichungssystem ist nicht lösbar Fall:??? : Das lineare Gleichungssystem ist lösbar 36
5 Speziell: Wenn wir im Beispiel? setzen, erhalten wir??? Es ist x 4 : keine Stufe frei wählbar, x 4 λ x 3 : Stufe 4x 3 x 4 x 3 λ 4 x : keine Stufe frei wählbar, x λ x : Stufe x x x 3 x 4 x λ 4 + λ Die Lösungsmenge ist also { 4 λ + λ, λ, 4 } λ, λ ; λ, λ R { 4,, 4, + λ + λ, λ, } λ, λ ; λ, λ R 4,, 4, + R,,, + R,,, In unserem Beispiel sind alle nötigen Variationen des früher beschriebenen Gaußschen Eliminationsverfahrens enthalten 5 Bemerkung Es ist Schritt des Algorithmus auf Seite 34, der die Probleme macht Wie im Beispiel gesehen, kann es passieren, dass alle Einträge der Spalte Null sind Es müssen dann in Schritt 3 mehrere Spalten ignoriert werden, sodass statt der Dreiecksform die Zeilenstufenform entsteht Eine weitere Abweichung ergibt sich in Schritt 4 durch die Einführung freier Variablen an jeder Stelle ohne Stufe Wir formulieren eine modifizierte und endgültige Fassung des Eliminationsverfahrens Algorithmus Wähle von links beginnend die erste Spalte, die einen Eintrag enthält Ignoriere alle davon links stehenden Spalten Wähle eine Zeile in der keine Null in der ersten Spalte steht und vertausche diese Zeile mit der ersten; das ist EZ 3 3 Nutze EZ mit dieser Zeile, um in allen anderen Zeilen in der ersten Spalte eine Null zu erzeugen 4 Wiederhole mit der Matrix in der die erste Zeile und die erste Spalte ignoriert werden, bis eine Zeilenstufenform hergestellt ist 5 Belege alle freien Variablen mit Parametern 6 Lese von unten beginnend die Lösungen ab und setze die Werte in die darüberliegenden Zeilen ein Falls eine widersprüchliche Zeile entsteht, so gibt es keine Lösung Andernfalls liefert jede Belegung der Parameter mit reellen Zahlen eine Lösung 3
6 Matrizen Wir wollen auch die oben schon verwendeten Matrizen formal definieren Definition Seien a ij reelle Zahlen oder Elemente eines anderen Körpers Das Schema a a a n a a a n heißt m n Matrix a m a m a mn Die Menge aller m n Matrizen schreiben wir R m n Beispiel ist eine, eine Eine m n Matrix hat m Zeilen und n Spalten, geschrieben A a ij R m n, und besteht aus m n vielen Zahlen Die oben erwähnte erweiterte Koeffizientenmatrix eines linearen Gleichungssystems ist dann eine m n + Matrix Der senkrechte Strich dient nur der Orientierung Unter geeigneten Voraussetzungen kann man Matrizen addieren und miteinander multiplizieren Die Addition von Matrizen ist einfach 6 Definition Es seien A a ij, B b ij R m n zwei m n Matrizen Die Summe ist komponentenweise erklärt a + b a + b a n + b n a + b a + b a n + b n A + B a ij + b ij a m + b m a m + b m a mn + b mn Beispiel Die Matrizen kann man nicht addieren Warum? und
7 R m n, + ist eine kommutative Gruppe Das neutrale Element ist die Nullmatrix für die wir oft kurz schreiben Beweis Genau wie für 4, bzw 93 8 Bemerkung Es gibt viele Nullmatrizen! Je eine des Formats m n Trotzdem liest man oft die Nullmatrix Man kann Matrizen als anders eigenartig? aufgeschriebene Vektoren auffassen siehe folgendes Lemma Ihr Einsatz bei linearen Gleichungssystemen und die Matrizenmultiplikation siehe weiter unten rechtfertigt das Die Addition funktioniert wie bei Vektoren, nämlich komponentenweise 3 Neben der Addition besitzt R m n auch eine Skalarmultiplikation, die die Rechenregeln aus 5 erfüllt In diesem Sinn ist R m n ein Vektorraum Ob man einen Vektor als Spalten- oder Zeilenvektor auffasst spielt für die Addition keine Rolle Das ist der Kern der folgenden Aussage 9 Es sei n N Die Abbildungen R n R n ; x,, x n x x n R n R n ; x,, x n x x n sind Isomorphismen bezüglich + und Beweis Einfache Übung Für die Multiplikation betrachten wir zunächst nur einen wichtigen Spezialfall, der eine direkte Anwendung auf die Darstellung linearer Gleichungssysteme hat Definition Sei A R m n, x A x a a n a m a mn x x n : x x n R n R n Dann ist a x + + a n x n a m x + + a mn x n R m R m 39
8 Matrizen und Vektoren kann man genau dann miteinander multiplizieren, wenn die Matrix so viele Spalten wie der Vektor Zeilen hat Die Rechenvorschrift kann man sich gut durch die Regel Zeile mal Spalte merken Beispiel x y z,, 3 a b c d 3 Unser lineares Gleichungssystem aus Definition kann jetzt in der Form Ax b mit A R m n, b R m R m und unbekanntem x R n R n geschrieben werden Im homogenen Fall hat man Ax Zunächst interpretieren wir unsere Multiplikation geometrisch Bemerkung Die Multiplikation Matrix mal Vektor kann man in der Spaltensicht deuten: a a a n a A x x + x a + + x a n n a m Wir berechnen also eine Linearkombination der Spalten der Matrix Die Koeffizienten stehen im Spalten-Vektor x Definition entspricht der Zeilensicht Wir halten wichtige Eigenschaften der Multiplikation Matrix mal Vektor fest a m Es seien A R m n, v, w R n und λ R, dann gilt Av + w Av + Aw und Aλv λav a mn 4
9 Beweis Wir berechnen Av + w a a n v + w a v + w + + a n v n + w n a m a mn v n + w n a m v + w + + a mn v n + w n a v + a w + + a n v n + a n w n a m v + a m w + + a mn v n + a mn w n a v + + a n v n a w + + a n w n + Av + Aw a m v + + a mn v n a m w + + a mn w n Entsprechend weist man die zweite Regel nach Bemerkung Der Beweis von ist viel eleganter, wenn man die Summenschreibweise benutzt: n Ax y mit y i a ij x j Das gilt auch für die zweite Aussage Man sagt auch, die Multiplikation Matrix mal Vektor sei linear Wir betrachten jetzt noch zwei Beispiele, um zu sehen wie die Struktur der Lösungsmenge eines linearen Gleichungssystems beschaffen ist 3 Beispiele A und die Lösungmenge ist + λ j und b ; λ R führt auf + R Dabei gilt A b und A λ 8 λ3 λ A λ 8 3 λ A 8 3 Es ist also R 8 3 Lösungsmenge des homogenen Systems Ax 4
10 Wir greifen das Beispiel 4 nochmal auf Mit A 3 6 und b 5 lautet dieses lineare Gleichungssystem 4 Ax b Dabei ist das Fragezeichen bereits so ersetzt, dass eine Lösung existiert Die Lösungsmenge ergab sich in der Form v + Rw + Rw R + R Wir haben v und w j auch hier als Spaltenvektoren geschrieben, weil das für die anschließenden Rechnungen nötig ist Wie im ersten Beispiel hat man Av b und Aw j Es gilt aber mehr Aλ w + λ w λ Aw + λ Aw + Dh die Menge Rw + Rw ist die Lösungsmenge des homogenen Systems Diese Beobachtung kann man verallgemeinern Zu einer Matrix A R m n wird Kern A : { x R n ; Ax } der Kern von A genannt Der Kern einer Matrix enthält immer den Nullvektor und ist deshalb niemals leer Der Kern ist einfach die Lösungsmenge des homogenen Systems Es gilt 4 Zu A R m n und b R m betrachte das lineare Gleichungssystem Ax b Weiter sei v R n eine spezielle Lösung des Systems, dh Av b Dann ist v + Kern A : {v + w ; w Kern A} die genaue Lösungsmenge des Systems Die Menge v + Kern A wird manchmal auch allgemeine Lösung des Systems genannt Beweis Die gesuchte Lösungsmenge sei L 4
11 5 Bemerkung Auch der Kern einer Matrix hat eine Struktur, mit der wir uns im nächsten Kapitel befassen werden Wieviele Lösungen erwarten wir von einem linearen Gleichungssystem Ax b, wenn A R m n Fall n m: In den meisten Fällen gibt es genau eine Lösung Dann gilt auch Kern A {} Wenn bei der Elimination eine Nullzeile links des Strichs! entsteht, dann gibt es keine oder unendlich viele Lösungen Es gibt dann nämlich freie Variable Anders ausgedrückt Kern A {} Fall m < n mehr Unbekannte als Gleichungen: Es gibt immer freie Variable und damit Kern A {} Falls bei der Elimination kein Widerspruch entsteht, dann ist die Lösungsmenge unendlich Sonst existiert keine Lösung 3 Fall n < m mehr Gleichungen als Unbekannte: Es gibt nur Lösungen, für spezielle Werte von b Für die meisten b gibt es keine Lösung Genauere Kriterien für alle drei Fälle sind Gegenstand der folgenden Kapitel 3 In der Praxis werden lineare Gleichungssysteme fast nie exakt gelöst, schon weil beim Rechnen Rundungsfehler auftreten Meist sind schon die Eingangsdaten fehlerbehaftet zb durch Messfehler Die Numerik beschäftigt sich u a mit dem Problem Näherungslösungen zu finden, und dabei den Fehler zu kontrollieren Das letzte Beispiel dieses Abschnitts soll illustrieren, dass das Problem keineswegs trivial ist 43
12 4 Selbstverständlich muss man auch den Rechenaufwand optimieren Viele aber keineswegs alle Verfahren basieren auf dem Gauß-Algorithmus Beispiel Welche Lösungen besitzen die LGS x, y x y Matrizenmultiplikation? x y Wir verallgemeinern die Multiplikation von Matrizen wie sie in beschrieben ist Dort hatten wir die Multiplikation Matrix mal Spalte definiert 6 Definition Sei A R m n, B R n l Dann setzen wir AB a ij b ij c ij R m l durch c ij : n a iν b νj a i b j + + a in b nj ν für i,, m und j,, l Wir sprechen von Matrizenmultiplikation Auch hier gilt die Merkregel Zeile mal Spalte Wir betrachten zunächst ein 3 3 Beispiel Für A und B 8 sei C : AB Es ist C R c Mit C c gilt c c c c c c Die Rechnung hätte man auch spaltenweise ausführen können 3 C AB A A 8 9 wobei unsere Definition Matrix mal Spalte aus auf jede Spalte der Matrix B angewendet wird Die Ergebnisse bilden die Spalten der Matrix C 44
13 Bemerkung Die Bildung der Produkts AB ist nur möglich, falls die Spaltenzahl von A mit der Zeilenzahl von B übereinstimmt Im Fall l ergibt sich genau die Formel aus 3 Wie im Beispiel kann man die Matrizenmultiplikation stets in der Spaltensicht deuten: Die Spalten von C AB entstehen indem man die Spalten von B jeweils mit A multipliziert 8 Beispiele A 3 4, B 3 ergibt Was ist ABx und ABx, wenn x A 3 3 A, B, B? AB AB,, BA 3 45
14 4 Sei B R 4 l und C R l 4 Was ergibt B und C? Wie wir an den Beispielen sehen, ist die Multiplikation von Matrizen nicht kommutativ Wir formulieren einige wichtige Eigenschaften der Matrizenmultiplikation 9 Assoziativgesetz Es seien die Matrizen A R m r, B R r s, C R s n gegeben Dann ist ABC ABC Beweis Wir rechnen einfach drauflos: ABC a ij b ij c ij a ij r µ ν s a iµ b µν c νj s b iν c νj ν s ν r µ a iµ r a iµ b µν c νj µ s b µν c νj ν r a iµ b µj c ij µ a ij b ij c ij ABC Distributivgesetze Es seien A, B R m l und C, D R l n, dann gilt AC + D AC + AD und A + BC AC + BC Beweis Die erste Gleichung folgt direkt aus der Spaltensicht der Matrizenmultiplikation und Die zweite Gleichung kann man mit Hilfe der Definition in einer höchst langweiligen Rechnung nachprüfen 46
15 Der Spezialfall R n n also m n ist von besonderer Bedeutung Man spricht von quadratischen Matrizen Die kann man addieren und multiplizieren In der Tat folgt aus, 9 und R n n, +, ist ein Ring, aber die Multiplikation ist nicht kommutativ Beispiel Was ist?? Man erkennt, dass es bei der Matrizenmultiplikation Nullteiler gibt vgl I Die bekannte und in jedem Körper gültige Regel xy x oder y gilt also nicht für die Matrizenmultiplikation Wir haben das schon bei anderen Ringen, wie z B Z 5 und Z 6 beobachtet Wie üblich wird Invertierbarkeit definiert Definition Eine Matrix A R n n heißt invertierbar, wenn es eine Matrix B R n n gibt mit AB BA I n Schreibweise: B A Dabei ist I n Rn n die Einheitsmatrix I n ist offenbar das neutrale Element der Matrizenmultiplikation 3 Die Menge GLn, R : { A R n n ; A ist invertierbar } bildet mit der Matrizenmultiplikation für jedes n N eine Gruppe Beweis Übung! Die Zeilensicht Wir wenden uns jetzt der Zeilensicht der Matrizenmultiplikation zu und werden sehen, dass es einen Zusammenhang zum Gaußschen Eliminationsverfahren gibt Wir betrachten zunächst nur -Matrizen a a a a b b b b a b + a b a b + a b a b + a b a b + a b a b b + a b b a b b + a b b Man erkennt, dass die Zeilen der Matrix AB aus Linearkombinationen der Zeilen der Matrix B bestehen, mit Koeffizienten aus der Matrix A Das gilt ganz allgemein, also für Matrizen beliebiger Formate sofern man sie multiplizieren kann 4
16 Beispiel b b b b α b b αb + b αb + b Schließlich betrachten wir ein lineares Gleichungssystem Ax b mit A R m n In den Übungen und im obigen Beispiel haben wir schon gesehen, dass elementare Zeilenumformungen mit Hilfe von Matrizen zu realisieren sind Sei L R m m so eine Matrix, dann gilt mit 9 Ax b LAx Lb LAx Lb Um zu zeigen, dass der -Pfeil umgekehrt werden kann, müssen wir zeigen, dass die benutzten Matrizen invertierbar sind Das wird in den Übungen erledigt Unsere Überlegungen ergeben die schon oben angekündigte Rechtfertigung für das Gaußsche Eliminationsverfahren 4 Elementare Zeilenumformungen ändern die Lösungsmenge eines linearen Gleichungssystems nicht, weil sie durch Linksmultiplikation mit invertierbaren Matrizen realisiert werden können Wir illustrieren das nochmals an einem einfachen Beispiel Es seien A und b Wir lösen das lineare Gleichungssystem Ax b und notieren die benötigten Matrizen L L A b L L L A b 3 3 L 3 L 3 L L A b 5 5 Zusammengefasst bedeutet das: Multiplikation des Systeme Ax b mit der Matrix L L 3 L L 3 von Links überführt das System in Dreiecksform Genauer: LA und Lb
17 An welchen Stellen haben wir hier implizit das Assoziativgesetz benutzt? Als Lösung des Gleichungssystems ergibt sich x Ohne Rechnung: Warum sind L und L vertauschbar, nicht aber L und L 3? Bemerkung Die Inverse von L findet man ohne Rechnung: L addiert das - fache der ersten zur zweiten Zeile Das wird durchaddition der ersten zur zweiten Zeile wieder rückgängig gemacht, also L Eine einfache Rechnung bestätigt diese Vermutung 49
Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
Mehr6 Lineare Algebra. 6.1 Einführung
6 Lineare Algebra 6.1 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung. Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrLineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
Mehr7 Matrizen über R und C
$Id: matrix.tex,v.9 08// :3:7 hk Exp $ 7 Matrizen über R und C In 6 hatten wir Matrizen nur als eine kompakte Schreibweise für lineare Gleichungssysteme eingeführt. In diesem Kapitel wollen wir die Matrizen
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
Mehr8 Lineare Gleichungssysteme
$Id: lgs.tex,v 1.6 2010/12/20 12:57:04 hk Exp $ $Id: matrix.tex,v 1.3 2010/12/20 13:12:44 hk Exp hk $ 8 Lineare Gleichungssysteme In der letzten Sitzung hatten wir mit der Besprechung linearer Gleichungssysteme
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrMatrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1
Matrixoperationen Einige spezielle Matrizen: 0 0... 0 Nullmatrix:....... 0 0... 0 1 0... 0 0 1... 0 n-te Einheitsmatrix: E n :=....... 0 0... 1 d 1 0... 0 0 d 2... 0 Diagonalmatrix: diag(d 1,..., d n)
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
MehrTechnische 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
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrKapitel 9: Lineare Gleichungssysteme
Kapitel 9: Lineare Gleichungssysteme Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) Kapitel 9: Lineare Gleichungssysteme 1 / 15 Gliederung 1 Grundbegriffe
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrHM II Tutorium 5. Lucas Kunz. 22. Mai 2018
HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Wiederholung Lineare Gleichungsysteme................... 2 1.2 Wiederholung: Kern einer Abbildung..................... 3 1.3
MehrAllgemeines 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
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
MehrLineare Gleichungssysteme
Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrLineare Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 5. Dezember 2007 Definition : Tomographie (Fortsetzung) : Tomographie Definition: Ein lineares Gleichungssystem (LGS) ist ein System von n
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 ( ) a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 1 Einführung Lineare Gleichungen Definition
Mehr$Id: lgs.tex,v /11/26 08:24:56 hk Exp hk $ Definition 5.1: Ein lineares Gleichungssystem besteht aus m linearen Gleichungen
$Id: lgs.tex,v 1.2 2008/11/26 08:24:56 hk Exp hk $ II. Lineare Algebra 5 Lineare Gleichungssysteme Definition 5.1: Ein lineares Gleichungssystem besteht aus m linearen Gleichungen a 11 x 1 + a 12 x 2 +
Mehr6 Lineare Gleichungssysteme
6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
MehrAufgabe 1 (a) Bestimmen Sie die Schnittgerade der beiden Ebenen gegeben durch 3x y 2z 5 = 0 und x y 4z 3 = 0.
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 22.11.18 Übung 10 (für Pharma/Geo/Bio) Uni Basel Besprechung der Lösungen: 26. November 2018 in den Übungsstunden Aufgabe 1 (a) Bestimmen Sie die
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
MehrAufgaben 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
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 55 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
MehrLineare 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 +...
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 0/05 Montag 5. $Id: matrix.tex,v. 0//5 :6:05 hk Exp $ 7 Matrizen über R und C 7. Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
MehrKapitel 1. Matrizen und lineare Gleichungssysteme. 1.1 Matrizenkalkül (Vektorraum M(n,m); Matrixmultiplikation;
Kapitel 1 Matrizen und lineare Gleichungssysteme 11 Matrizenkalkül (Vektorraum M(n,m; Matrixmultiplikation; Transposition; Spalten- und Zeilenvektoren Matrizen sind im Prinzip schon bei der schematischen
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrLineare 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 +...
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrMathematik 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
MehrLineare Gleichungssysteme
Technische Universität München Christoph Niehoff Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 009/00 Die beiden Hauptthemen von diesem Teil des Ferienkurses sind Lineare Gleichungssysteme
MehrZeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.
Zeilenstufenform Wir beweisen nun den schon früher angekündigten Satz. Satz. Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen
Mehr9 Matrizen über R und C
Mathematik für Physiker I, WS 00/0 Montag 0 $Id: matrixtex,v 6 0/0/0 :6:7 hk Exp $ $Id: dettex,v 0/0/0 ::59 hk Exp hk $ 9 Matrizen über R und C 9 Transposition von Matrizen Im letzten Abschnitt hatten
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
MehrVektoren 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
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
MehrLineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya
Lineare Gleichungssysteme 1-E Ma 1 Lubov Vassilevskaya Systeme linearer Funktionen und Gleichungen y = a 1 a 2... a n lineare Funktion Funktion ersten Grades,,..., unabhängige Variablen y abhängige Variable
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Einführung I Mathematik für Studierende der Biologie und des Lehramtes Chemie Dominik Schillo Universität des Saarlandes 007 (Stand: 007, 4:9 Uhr) Wie viel Kilogramm Salzsäure der Konzentration % muss
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
Mehr