TECHNISCHE UNIVERSITÄT MÜNCHEN. Invertierung von Matrizen und Multilinearformen

Größe: px
Ab Seite anzeigen:

Download "TECHNISCHE UNIVERSITÄT MÜNCHEN. Invertierung von Matrizen und Multilinearformen"

Transkript

1 TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof Dr Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 2006/07 en Blatt Invertierung von Matrizen und Multilinearformen Zentralübungsaufgaben Z30 Erzeugendensystem von GL K (n) Zeigen Sie, dass die Gruppe der invertierbaren Matrizen von den Elementarmatrizen erzeugt wird, das heißt jede Untergruppe von GL K (n), die die Elementarmatrizen enthält, ist wieder GL K (n) Es gibt drei Typen von Elementarmatrizen: multipliziert man N i j (λ) von links, N i j (λ), so wird zur i-ten Zeile das λ-fache der j-ten addiert; möchten wir Spalten manipulieren, so müssen wir A mit N i j (λ) von rechts multiplizieren, dann wird zur j-ten Spalte, das λ-fache der i-ten addiert j-te Spalte λ i-te Zeile N i j (λ) = Der zweite Typ, D i (λ) multipliziert die i-te Zeile bzw Spalte mit λ i-te Spalte D i (λ) = λ i-te Zeile

2 Der letzte Typ sind solche Matrizen, die die i-te und j-te Zeile (bzw Spalte) miteinander vertauschen Diese haben die Form 0 i-te Zeile P i j = 0 j-te Zeile Wir werden zeigen, dass diese drei Matrizentypen GL K (n) erzeugen (Man kann sogar zeigen, dass N i j () und D i (λ) GL K (n) erzeugen) Der Beweis ist konstruktiv und funktioniert nach einem einfachen Schema: wir werden das Inverse zu einer beliebigen invertierbaren Matrix A GL K (n) durch Elementarmatrizen konstruieren; da trivialerweise auch A GL K (n) liegt, können wir seinerseits für A das Inverse konstruieren nämlich A selbst Bezeichne a j die j-te Spalte der Matrix A = (a i j ) i,j n GL K (n) n (K) Die Spalten invertierbarer Matrizen müssen linear unabhängig sein Sei E GL K (n); dann sind auch A E GL K (n) und E A GL K (n) und die Spaltenvektoren von E A = Ea Ea n ) sind ebenfalls wieder linear unabhängig Daher muss ein a i 0 existieren (mindestens ein Eintrag in der ersten Spalte ist also nicht 0) Wir vertauschen nun die i -te und die erste Zeile miteinander und multiplizieren die erste Zeile mit /a i Wir erhalten so A := D (/a i ) P i A = a 2 a n Im nächsten Schritt eliminieren wir die restlichen Einträge in der ersten Spalte Man kann zeigen, dass n A 2 := N j ( a j ) A = 0 j=2 0 N j ( a j ) addiert das a j-fache der ersten Zeile hinzu; der erste Eintrag in der ersten Zeile ist aber und somit werden sämtliche ersten Einträge der ersten Zeile gelöscht Diese Prozedur kann für die anderen Spalten genauso wiederholt werden: da A 2 GL K (n) sind auch hier die Spalten linear unabhängig und mindestens ein Eintrag z B a i 2 2 0, in der zweiten Spalte ist nicht 0 Wir dürfen allerdings nicht a 2 wählen, da wir ansonsten die in der ersten Spalte in eine andere Zeile mitverschieben würden Wir bemühen wieder die lineare Unabhängigkeit der 2

3 Spalten, um zu schließen, dass auch ein a i 2 2 0, i 2 existiert Dann ist a 2 0 A 3 := D 2 (/a ) P i 2 2 i 2 2 A 2 = a 3 0 a n Wir eliminieren die restlichen Einträge aus der zweiten Zeile; die Einträge in der ersten Spalte bleiben dadurch unberührt, da a 2 = 0 ist A 4 := 0 n 0 N j2 ( a j2 ) A 3 = j= j 2 Man fährt bis zur letzten Spalte fort und erhält so die Einheitsmatrix Gleichzeitig haben wir ein Verfahren konstruiert, um das Inverse einer Matrix zu bestimmen, es gilt nämlich n A = N jn ( a (2n ) jn ) D n (/a i nn) P in n j= n j= j 2 N j2 ( a j2 ) D 2(/a i2 2) P i2 2 n N j ( a j ) D (/a i ) P i Die Moral der Geschicht ist, dass jede invertierbare Matrix aus Elementarmatrizen dargestellt werden kann Von den Elementarmatrizen brauchen wir eigentlich auch nur zwei, nämlich N i j () und D i (λ), λ K Für Rechnungen ist es aber umständlich ohne Permutationen und N i j (λ), λ K auszukommen j=2 Z3 Invertieren einer Matrix Invertieren Sie die Matrix A = Wir benutzen folgende Kurzschreibweise: Z Z Z Z /2 9/2 7/2 0 2 Z 2 0 3/2 39/2 7/2 0 2 Z 3 3

4 /2 5/ Z 3 + 3Z 2 39 Z Z 2 2 Z 3 Z 5 2 Z 3 Z 2 + 9Z 3 Z 3 2 Z 2 Daher ist das Inverse von A die Matrix A = Wir machen die Probe: A A = = = = Z32 Normalform einer Matrix Zeigen Sie, dass alle Abbildungen f K (K n ) vom Rang r n äquivalent zu sind Modifizieren Sie dazu den Beweis aus Z30 4

5 Zur Erinnerung: zwei Endomorphismen f und g aus K (K n ) heißen äquivalent, f g, wenn Automorphismen ψ, ϕ GL(K n ) existieren mit f = ψ g ϕ Es ist bereits in der Vorlesung gezeigt worden, dass Abbildungen mit gleichem Rang äquivalent sind (K-lineare Bijektionen verändern den Rang bekannterweise nicht, siehe Eigenschaften des Ranges aus der Vorlesung) Da rg f = r, existieren r linear unabhängige Bildvektoren Den Fall r = n haben wir bereits in Z30 behandelt Sei nun also r < n Falls die erste Zeile die Nullspalte ist, vertauschen wir die erste Spalte mit einer anderen Spalte, der k -ten (die mindestens einen nichtverschwindenden Eintrag besitzt), indem wir von rechts mit P k multiplizieren Nun wenden wir Schritt (Normierung des Diagonalelements) und Schritt 2 (Eliminierung der restlichen Elemente der Spalte) an und wir erhalten wie vorher folgende Matrix: A 3 = 0 0 Falls in der zweiten Spalte kein nichtverschwindender Eintrag in der zweiten Zeile oder darunter zu finden ist, vertauschen wir sie mit einer, bei der das der Fall ist der k 2 -ten (da es noch r linear unabhängige Spaltenvektoren gibt, muss es eine solche Spalte geben) Nach der r-ten Umformung sind nur noch linear abhängige Spalten übrig; wir können also jede dieser Spalten als Linearkombination der ersten r schreiben 0 0 b r+ b n 0 0 A 2r = br r+ b r n Die Einträge unterhalb der r-ten Zeile müssen alle 0 sein, denn sonst wäre mindestens eine Zeile nicht als Linearkombination der ersten r darstellbar (nämlich der ersten r kanonischen Einheitsvektoren) Daher lassen sich die restlichen Spalten leicht eliminieren: die r + -te Spalte wird durch Multiplikation von rechts mit n j= N j r+( b j r+ ) eliminiert, usw Wir sehen also, dass sich jede Abbildung mit Rang r in höchstens 2r +(n r) Schritten auf die oben genannte Form bringen lassen kann (Selbstverständlich heißt das nicht, dass das der effektivste Weg ist) Außerdem sei erwähnt, dass hier Zeilen- und Spaltenmanipulationen gemischt worden sind 5

6 Tutoraufgaben T30 Invertieren mittels Elementarmatrizen Wiederholen Sie die Rechnung in Z3 indem Sie Elementarmatrizen miteinander multiplizieren Wir übersetzen schrittweise die Umformungen in Matrizenschreibweise und erhalten so D (/)D 2 (/)D 3 (/)N 2 ( 3/2)N 23 (9)N 3 ( 5/2)D (39)D 2 ()D 3 ( /2)N 32 (3) D 2 (2)D 3 (2)N 2 ( 7/2)N 3 ( 7/2) = = / / = / / = / / = = / / /2 5/2 = / / /2 5/2 = / / = T3 Invertieren Sie folgende Matrizen: 0 0 A = B =

7 Z Z 4 Z 4 Z Z 2 Z Z 3 Z 3 Z ( 3) Z 2 ( 3) Z 3 Z 4 + Z 2 + Z 3 Z 2 + Z 4 Z 3 + Z 4 Z Z 2 Z 3 Also ist A gegeben durch 2 A =

8 Nun zur zweiten Matrix Z 0 0 Z 2 2 Z Z 3 Z 2 3 /2 0 0 Z + Z /2 0 Z 2 Z /2 0 0 / Z 3 2Z /2 0 0 /2 Z 2 + Z ( ) Z / / Wir erhalten also für B B = T32 Multilinearität der Determinante Sei A = (a i j ) i, j 3 3 (K) mit Spaltenvektoren a j, j =, 2, 3 Auf 3 3-Martizen ist die Determinante durch definiert det A = a a 22 a 33 + a 2 a 23 a 3 + a 3 a 2 a 32 a3 a 22 a 3 + a 2 a 2 a 33 + a a 32 a 23 (i) Zeigen Sie durch explizites Ausrechnen, dass det a a 2 + λa a 3 = det a a 2 a 3 gilt (ii) Zeigen Sie durch abstraktere Argumente, dass det a a 2 + λa a 3 = det a a 2 a 3 gilt (i) Wir zeigen explizit bloß det a a 2 + λa a 3 = det a a 2 a 3, die Rechnungen für andere Spalten gehen ganz analog Es ist wichtig, dass ganz analoge Formeln auch für Determinanten von n n-matrizen gelten, dort aber nicht so leicht explizit nachzurechnen sind det a a 2 + λa a 3 = a (a 22 + λa 2 )a 33 + (a 2 + λa )a 23 a 3 + a 3 a 2 (a 32 + λa 3 ) + a 3 (a 22 + λa 2 )a 3 + a 2 (a 2 + λa )a 33 + a (a 32 + λa 3 )a 23 = a a 22 a 33 + a 2 a 23 a 3 + a 3 a 2 a 32 a3 a 22 a 3 + a 2 a 2 a 33 + a a 32 a λ(a a 2 a 33 + a a 23 a 3 + a 3 a 2 a 3 a 3 a 2 a 3 a 2 a a 33 a a 3 a 23 ) = det a a 2 a 3 8

9 (ii) Für alternierende Multilinearformen wie der Determinante gilt per definitionem det a a 2 a 3 = det a 2 a a 3 Falls also zwei Spalten gleich sind, muss die Determinante verschwinden: det a a a 3 = det a a a 3 = + det a a a 3 = det a a a 3 = 0 Daher haben wir det a a 2 + λa a 3 = det a a 2 a 3 + λ det a a a 3 = det a a 2 a 3 Dieses Argument ist selbstverständlich nicht auf 3 3-Matrizen beschränkt Im mit markierten Schritt haben wir die Multilinearität ausgenutzt, im letzten dass die Determinante einer Matrix mit zwei gleichen Spalten verschwindet So kann man auch leicht zeigen, dass eine Matrix mit einer linear abhängigen Spalte die Determinate 0 hat 9

TECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung

TECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein

Mehr

5 Die Allgemeine Lineare Gruppe

5 Die Allgemeine Lineare Gruppe 5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche

Mehr

Mathematik I. Vorlesung 14. Rang von Matrizen

Mathematik I. Vorlesung 14. Rang von Matrizen Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten

Mehr

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6 Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................

Mehr

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

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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2)

TECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2) TECHNISCHE UNIERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 006/07 en Blatt 11 15.01.007 Basisdarstellung und das Skalarprodukt (Teil )

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( )

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( ) Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE 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

Mehr

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V. Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

4. Übungsblatt zur Mathematik II für Inf, WInf

4. Übungsblatt zur Mathematik II für Inf, WInf Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare

Mehr

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

5.4 Basis, Lineare Abhängigkeit

5.4 Basis, Lineare Abhängigkeit die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)

Mehr

a 1 a 1 A = a n . det = λ det a i

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

Mehr

Lineare Algebra I, Musterlösung zu Blatt 9

Lineare Algebra I, Musterlösung zu Blatt 9 Lineare Algebra I, Musterlösung zu Blatt 9 Wintersemester 2007/08 1. Untersuchen Sie, ob die folgenden Matrizen invertierbar sind und bestimmen Sie gegebenenfalls die Inverse. 8 1 3 1 a) A = 3 3 1 1 11

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Zwölfte Woche, Rang(f) := dim Bild(f).

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Zwölfte Woche, Rang(f) := dim Bild(f). Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 204 Lineare Algebra Zwölfte Woche, 256204 8 Der Rang einer Linearen Abbildung Auch in diesem Abschnitt

Mehr

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K). Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen

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

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Dreizehnte Woche,

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Dreizehnte Woche, Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Dreizehnte Woche, 272014 9 Der Gauß-Algorithmus (Ende) estimmung des Inversen einer

Mehr

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

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

Mehr

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

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

Mehr

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt

Mehr

Darstellung von Gruppen

Darstellung von Gruppen Darstellung von Gruppen Definition Darstellung von Gruppen Sei G eine endlich erzeugte abelsche Gruppe mit Erzeugern S = (g 1,..., g k ) G k. Elemente des Kerns von ϕ S : Z k G, (m 1,..., m k ) k i=1 m

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.3 Ergänzungen

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

Mehr

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben

Mehr

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

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle. Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:

Mehr

3.9 Elementarmatrizen

3.9 Elementarmatrizen 90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare

Mehr

Chr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen.

Chr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen. ChrNelius : Lineare Algebra II (SS 2005) 1 Einschub A) Elementarmatrizen Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog Elementarmatrizen vornehmen (A1) DEF: Seien r, s IN mit

Mehr

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

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

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: Analysis und Lineare Algebra Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare 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

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

Mehr

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)

Mehr

36 2 Lineare Algebra

36 2 Lineare Algebra 6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so

Mehr

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

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen 1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik 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,...,

Mehr

3 Systeme linearer Gleichungen

3 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 +

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

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 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare 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

Mehr

Mathematik II Frühjahrssemester 2013

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

Mehr

Wir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante.

Wir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante. 118 36 Determinanten Wir verallgemeinern jetzt den Begriff bilinear zu multilinear Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante 361 Definition (alternierend, symmetrisch,

Mehr

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

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

Mehr

2.5 Smith-Normalform für Matrizen über Euklidischen Ringen

2.5 Smith-Normalform für Matrizen über Euklidischen Ringen 2.5. SMITH-NORMALFORM FÜR MATRIZEN ÜBER EUKLIDISCHEN RINGEN73 2.5 Smith-Normalform für Matrizen über Euklidischen Ringen Bemerkung 2.74. Sei K ein Körper und A K n m, b K n 1. Das lineare Gleichungssystem

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 71 Reelle Matrizen Prof Dr Erich Walter Farkas Mathematik I+II, 71 Reelle Matrizen 1 / 31 1 2 3 4 Prof Dr Erich

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

TECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik

TECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei

Mehr

4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT

4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT ME Lineare Algebra HT 2008 86 4 Determinanten 4. Eigenschaften der Determinante Anstatt die Determinante als eine Funktion IC n n IC durch eine explizite Formel zu definieren, bringen wir zunächst eine

Mehr

3 Matrizen und Lineare Gleichungssysteme

3 Matrizen und Lineare Gleichungssysteme 3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte

Mehr

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung

Mehr

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

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

Mehr

Darstellungsmatrizen, Rang, lineare Gleichungssysteme

Darstellungsmatrizen, Rang, lineare Gleichungssysteme TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 26/7 en Blatt 2 22..27 Darstellungsmatrizen, Rang, lineare Gleichungssysteme

Mehr

Lineare Algebra und analytische Geometrie I

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

Mehr

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

Vektoren und Matrizen

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

Mehr

3 Lineare Gleichungssysteme

3 Lineare Gleichungssysteme 3 Lineare Gleichungssysteme 3 Fortsetzung des Matrizenkalküls Als erstes beweisen wir einen einfachen Satz über den Rang von Matrizenprodukten Satz 3 (a) Für Matrizen A : Ã l m, B : Ã m n gilt rang AB

Mehr

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

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

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) 1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume

Mehr

2.3 Lineare Abbildungen und Matrizen

2.3 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

Mehr

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q: Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) 1 1 1 1 1 2 1 1 1 b) 1 2 1 1 1 1 2 1 1 1 1 2 1 2 3 1 c) 1 3 3 2 2 1 5 3 1 2 6 1 [Lösung]

Mehr

6.2 Rechnen mit Matrizen

6.2 Rechnen mit Matrizen 62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

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

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Matrizen als lineare Abbildungen, Permutationen

TECHNISCHE UNIVERSITÄT MÜNCHEN. Matrizen als lineare Abbildungen, Permutationen TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 2/7 Lösungen Blatt 2 3..2 Matrizen als lineare Abbildungen, Permutationen Zentralübungsaufgaben

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

(λ), t P j i = P j i. heißt symmetrisch, wenn t A = A und antisymmetrisch, wenn

(λ), t P j i = P j i. heißt symmetrisch, wenn t A = A und antisymmetrisch, wenn 3. 1 Transposition der Elementarmatrizen aus R n n. Für 1 i, j n und λ G(R) bzw. λ R gilt t S i (λ) S i (λ), t Q j i (λ) Qi j (λ), t P j i P j i. 3. 11 Definition. Eine Matrix A R n n t A A. heißt symmetrisch,

Mehr

A wird in diesem Fall invertierbar oder regulär genannt. Beispiel

A wird in diesem Fall invertierbar oder regulär genannt. Beispiel Inverse Matrizen Definition Sei A eine quadratische Matrix vom yp (n,n) Existiert zu A eine Matrix X gleichen yps mit AX = XA = E (E: (n,n) Einheitsmatrix), so nennt man X die zu A inverse Matrix, oder

Mehr

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 Lineare Gleichungssysteme und Determinanten 5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von

Mehr

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: 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

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $ Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte Lösungen zu den Übungsblättern 4-5 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch. Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):

Mehr

Blatt 10 Lösungshinweise

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

Mehr

, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh

, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen

Mehr

Kapitel 15 Lineare Gleichungssysteme

Kapitel 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

Mehr

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 32 8 Lineare Algebra: 1 Reelle Matrizen Grundbegriffe Definition

Mehr

Karlsruher Institut für Technologie Institut für Algebra und Geometrie

Karlsruher Institut für Technologie Institut für Algebra und Geometrie Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. Stefan Kühnlein Dipl.-Math. Jochen Schröder Einführung in Algebra und Zahlentheorie Übungsblatt 9 Musterlösung Aufgabe 1 (4

Mehr

Lösung Serie 10: Elementare Zeilenumformungen & Elementarmatrizen, Rang & Inverse einer Matrix

Lösung Serie 10: Elementare Zeilenumformungen & Elementarmatrizen, Rang & Inverse einer Matrix D-MATH/D-PHYS Lineare Algebra I HS 26 Dr. Meike Akveld Lösung Serie : Elementare Zeilenumformungen & Elementarmatrizen, Rang & Inverse einer Matrix. a) Sei w ImT + T 2 ), dann existiert ein v V, so dass

Mehr

a 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:

a 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

Mehr

Lineare Algebra I. 2. Ist n = 4k für ein k N, so ist die

Lineare Algebra I. 2. Ist n = 4k für ein k N, so ist die Universität Konstanz Wintersemester 009/010 Fachbereich Mathematik und Statistik Lösungsblatt 1 Prof Dr Markus Schweighofer 100010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 11: Voraussetzung:

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

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

Mehr

Für die Matrikelnummer M = Dann sind durch A =

Für die Matrikelnummer M = Dann sind durch A = Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie

Mehr