Kapitel 15. Lösung linearer Gleichungssysteme

Größe: px
Ab Seite anzeigen:

Download "Kapitel 15. Lösung linearer Gleichungssysteme"

Transkript

1 Kapitel 15. Lösung linearer Gleichungssysteme

2 Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h. befassen uns mit der Struktur der Lösungsmenge eines beliebigen linearen Gleichungssystems; Zum anderen untersuchen wir den praktischen Aspekt, d.h. algorithmische Verfahren zur schnellen Lösung eines konkreten Systems. Wir werden sehen, dass schon mit geringem begrifflichen Aufwand die praktische Lösung solcher Gleichungssysteme gelingt. 1

3 Koeffizientenmatrix und erweiterte Matrix Ein lineares Gleichungssystem a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n... = b 2. a m1 x 1 + a m2 x a mn x n = b m aus m Gleichungen in den n Unbekannten x 1, x 2,..., x n, ist bestimmt durch seine Koeffizientenmatrix A = a 11 a 1n..... und die rechte Seite b = b 1.. a m1 a mn b m Durch Zusammenfassen erhalten wir die erweiterte Matrix [A b] = a 11 a 1n b a mn a 1n b m 2

4 Matrizenschreibweise Das lineare Gleichungssystem mit erweiterter Koeffizientenmatrix [A b] schreiben wir in kompakter Matrizenschreibweise als A x = b. Wir interessieren uns für die Lösungsmenge L = {x R n A x = b}. Spezialfall: Falls A = E n die n n-einheitsmatrix ist, hat das System die Form E n x = b. Wegen E n x = x ist in diesem Fall das System somit eindeutig lösbar mit der einzigen Lösung x = b. 3

5 Die Struktur der Lösungsmenge von A x = b Satz. A sei eine m n-matrix vom Rang r und b R m. Dann gilt (a) Das lineare Gleichungssystem A x = b ist genau dann lösbar, wenn sich b als Linearkombination der Spalten a 1, a 2,..., a n von A schreiben lässt. (b) Die Lösungen des zugehörigen homogenen Gleichungssystems A x = 0 bilden einen Unterraum H des R n von der Dimension n r. (c) Ist x 0 eine Lösung von A x = b, so gilt: x ist genau dann ebenfalls eine Lösung von A x = b, wenn x = x 0 + h mit h H gilt. Mit anderen Worten: Entweder ist L = oder L = x 0 + H := {x 0 + h A h = 0} für eine spezielle Lösung x 0. 4

6 Beweis des Struktursatzes Beweis. Zu (a): Das behauptete Lösbarkeitskriterium folgt sofort aus A x = n i=1 x i.a i. Zu (b): Es ist H gerade der Kern der linearen Abbildung f : R n R m, x A x; insbesondere ist H ein Unterraum von R n. Der Rang von f ist gleich dem Rang von A; nach Rangsatz hat H folglich die Dimension n r. Zu (c): Nach Voraussetzung ist A x 0 = b. Folglich ist A x = b genau dann, wenn A (x x 0 ) = 0, äquivalent wenn x x 0 H gilt. 5

7 Was bedeutet Lösen eines linearen Gleichungssystems? Zunächst einmal die Feststellung, ob das System A x = b lösbar ist oder nicht. Falls das System lösbar ist, besteht eine Lösung aus folgenden Daten: (a) einer speziellen Lösung x 0, (b) einer Basis h 1,..., h n r des Lösungsraums des homogenen Systems A h = 0. Achtung: Falls das System lösbar, aber nicht eindeutig lösbar ist, können sehr verschiedene Auswahlen zu (a) und (b) völlig gleichwertige Lösungen sein! 6

8 Vorschau: Gauß-Algorithmus Die praktische Lösung eines numerisch gegebenen linearen Gleichungssystems A x = b erfolgt mittels des Gauß-Algorithmus. Dieser Algorithmus fußt auf zwei Säulen: (1) Der Beobachtung, dass gewisse elementare Abänderungen die Lösungsmenge eines linearen Gleichungssystems nicht ändern. (2) Der Möglichkeit, durch solche Abänderungen jedes Gleichungssystem auf sogenannte Zeilenstufenform zu bringen. Nach diesen Änderungen sind Lösbarkeit und gegebenenfalls die Lösungsmenge automatisch ablesbar. Benannt nach Carl Friedrich Gauß ( ), der uns schon bei der Gaußschen Zahlenebene begegnete.) 7

9 Elementare Zeilenoperationen Die Lösungsmenge eines linearen Gleichungssystems ändert sich nicht bei einer der folgenden Operationen (a) Vertauschen zweier Gleichungen. (b) Multiplikation beider Seiten einer Gleichung mit einem Faktor 0. (c) Addition eines Vielfachen einer Gleichung zu einer anderen Gleichung. Ein gegebenes System werden wir daher mit solchen elementaren Zeilenumformungen solange vereinfachen, bis wir die Lösungsmenge des vereinfachten und damit auch des ursprünglichen Systems ablesen können. 8

10 Beweis Beweis. (a), (b) sind klar, nur (c) bedarf der Begründung. Seien also i k aus dem Bereich 1,..., m. Wir betrachten die i-te und die k-te Gleichung: (1) (2) a i1 x 1 + a i2 x a in x n = b i a k1 x 1 + a k2 x a kn x n = b k. Jede Lösung der Gleichungen (1) und (2) ist auch eine Lösung von: (3) (a i1 + aa k1 )x 1 + (a i2 + aa k2 )x (a in + aa kn )x n = b i + ab k und damit der beiden Gleichungen: (4) (5) (a i1 + aa k1 )x 1 + (a i2 + aa k2 )x (a in + aa kn )x n = b i + ab k a k1 x 1 + a k2 x a kn x n = b k. Halten wir fest: Jede Lösung von (1) und (2) ist auch eine von (4) und (5). Aus (4) und (5) erhalten wir aber (1) und (2) zurück, indem wir das ( a)-fache der Gleichung (5) zur Gleichung (4) addieren. Mit obigem Schluss ist jede Lösung von (4) und (5) dann auch eine von (1) und (2). 9

11 Elementare Zeilenumformungen Für die zugehörige erweiterte Matrix [A b] des Gleichungssystems A x = b liest sich das so: Jede Operation vom Typ Vertauschen zweier Zeilen, Multiplikation einer Zeile mit einem Faktor 0, Addition eines Vielfachen einer Zeile zu einer anderen Zeile, macht aus [A, b] eine neue erweiterte Matrix [A b ], für welche das zugeordnete Gleichungssystem A x = b dieselbe Lösungsmenge hat wie das System A x = b. 10

12 Vorläufiger Lösungsansatz Da wir Gleichungen der Form E x = b, E die n n-einheitsmatrix, trivialerweise lösen durch x = b können, werden wir zu folgendem allerdings vorläufigem Lösungsansatz für ein lineares Gleichungssystem A x = b mit quadratischer Matrix A geführt: Idee: Forme [A b] solange durch elementare Zeilenumformungen um bis die Form [E c] erreicht ist, wobei E die n n-einheitsmatrix ist. In diesem Fall ist x = c die eindeutig bestimmte Lösung von A x = b. 11

13 Überprüfung der Idee I Häufig klappt s: Das lineare Gleichungssystem führt zur erweiterten Matrix x 1 + 2x 2 + 0x 3 = 1 2x 1 + 3x 2 + 0x 3 = 1 3x 1 + 4x 2 + 1x 3 = und den markierten elementaren Zeilenumformungen. Folglich ist das Gleichungssystem eindeutig lösbar mit Lösung x 1 x 2 = 1 1. x

14 Überprüfung der Idee II Mitunter klappt s nicht: Das lineare Gleichungssystem führt zur erweiterten Matrix x 1 + 1x 2 + 6x 3 = 18 2x 1 + 1x 2 + 4x 3 = 13 1x 1 + 1x 2 + 2x 3 = und den markierten elementaren Zeilenumformungen. Die erhaltene Matrix [A, b ] lässt sich nicht auf die Form [E c] bringen. Grund: Das zu [A b ] gehörige Gleichungssystem ist nicht lösbar, da schon allein seine letzte Gleichung 0x 1 + 0x 2 + 0x 3 = 2 nicht lösbar ist. 13

15 Bewertung der Beispiele Unsere Idee Umformung in Richtung Einheitsmatrix war zu optimistisch. Nur für eindeutig lösbare Systeme kann die Reduktion der erweiterten Matrix auf die Form [E c] überhaupt gelingen. Gleichwohl zeigt Beispiel II, dass die eingeschlagene Strategie auch dort trägt, wo die eindeutige Lösbarkeit nicht gegeben ist. Sogar die Nichtlösbarkeit eines Systems konnten wir auf diesem Wege entscheiden. Neue Umformstrategie : Bringe die erweiterte Matrix auf eine Form, die der Einheitsmatrix möglichst nahe kommt. Dies Ziel werden wir mit der Zeilenstufenform erreichen. 14

16 Matrizen in Zeilenstufenform Wir sehen hier ein typisches Beispiel einer m n-matrix in Zeilenstufenform A = i 1 i 2 i 3 i 4 Eine Treppenlinie trennt einen unteren Bereich ab, der nur aus Nulleinträgen besteht. In unserem Fall haben wir r = 4 Stufen an den Positionen 1 i 1 < i 2 < < i r n. 15

17 Eigenschaften der Stufenform (S1) In den r Stufen der Treppe, d.h. an den markierten Stellen i 1, i 2,..., i r stehen der Reihe nach die Einheitsvektoren e 1, e 2,..., e r. (S2) Die übrigen Einträge des oberen Bereichs können beliebig gewählt werden. Im Bereich unterhalb der Treppenlinie gibt es nur Einträge gleich Null. (S3) Die zu den Stufen i 1, i 2,..., i r gehörigen Spalten erzeugen alle anderen Spalten von A. (S4) Der Rang von A ist folglich gleich der Anzahl r der Stufen der Matrix von Stufenform. (S5) Kein Stufenvektor lässt sich aus den vorangehenden Spalten erzeugen. 16

18 Elementare Zeilenumformungen und Zeilenstufenform Satz. Jede m n-matrix lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform bringen. Wir üben das Verfahren zunächst an Beispielen und diskutieren Anwendungen, bevor wir den generellen Beweis führen. Vorschau: Es wird sich herausstellen, dass die entsprechende Umformung in Zeilenstufenform genau die Technik ist, die wir zur vollständigen Lösung eines linearen Gleichungssystems benötigen. 17

19 Umformung in Zeilenstufenform Die letzte Matrix ist in Zeilenstufenform mit drei Stufen in den Spalten 1, 2 und 4. Sie hat daher den Rang drei. Wir werden gleich sehen, dass dann auch die anderen Matrizen den Rang drei haben. 18

20 Zeilenumformungen und Rang Satz. Elementare Zeilenumformungen bewahren den Rang. Beweis. Die Matrix B entstehe aus der m n-matrix A durch elementare Zeilenumformungen. Die homogenen linearen Gleichungssysteme A x = 0 und B x = 0 gehen dann ebenfalls durch elementare Zeilenumformungen auseinander hervor und haben daher denselben Lösungsraum H. Der Rangsatz für Matrizen sagt dann, dass die Matrizen A und B jeweils denselben Rang n dim H haben. 19

21 Lösbarkeitskriterium Satz. Das lineare Gleichungssystem A x = b ist genau dann lösbar, wenn nach Umformung der erweiterten Matrix [A b] in Treppenform [B c] die letzte Spalte c kein Stufenvektor ist. Beweis. Da sich die Lösungsmenge durch elementare Zeilenumformungen nicht verändert, ist A x = b genau dann lösbar, wenn B x = c lösbar ist. Dies ist äquivalent dazu, dass sich c aus den Spaltenvektoren von B linear kombinieren lässt. Nach (S3) und (S5) ist dies genau dann der Fall, wenn c kein Stufenvektor ist. Wir werden gleich sehen, wie wir im lösbaren Fall eine spezielle Lösung finden. 20

22 Finden einer speziellen Lösung A sei eine m n-matrix und b eine n-spalte. Die erweiterte Matrix [A b] befinde sich in Zeilenstufenform, wobei sich die Stufen in den Positionen 1 i 1 < i 2 < < i r n befinden, also b kein Stufenvektor ist. Weglassen aller Nullzeilen führt zu einer r (n+1)-matrix, mit r n. Wir füllen nun die resultierende Matrix solange mit Nullzeilen auf, bis in der i-ten Stufe stets der Einheitsvektor e i steht (für alle i = 1,..., r) und wir insgesamt n Zeilen haben. Dies liefert eine erweiterte Matrix [B c], wobei B das Format n n hat. Achtung: Falls der i-te Eintrag c i 0, so ist die i-te Spalte von B eine Stufe, also gleich e i. Es folgt, dass x = c eine spezielle Lösung des Systems ist. 21

23 Anwendungsbeispiel spezielle Lösung Die erweiterte Matrix [A b] = befindet sich schon in Zeilenstufenform. Die letzte Spalte ist keine Stufe, daher ist das System lösbar. Auffüllen mit Nullzeilen liefert das äquivalente System: [A b ] = Wir beachten, dass Nullen in der Hauptdiagonalen von A in derselben Zeile einen Nulleintrag in b hervorrufen. Es folgt: b ist eine spezielle Lösung von A x = b

24 Kommentar: spezielle Lösung(en) Zusammenfassung: Falls [A, b] Zeilenstufenform hat und die letzte Spalte keine Stufe ist, erhalten wir nach geeignetem Streichen und Neueinfügen von Nullzeilen eine erweiterte Matrix [A b ], deren rechte Seite b eine Lösung von A x = b ist. Hinweis: Dieses einfache Rezept zum Finden einer speziellen Lösung darf nicht zum Schluss verleiten, b sei die einzige Lösung von A x = b. 23

25 Homogene Systeme in Zeilenstufenform Wir nehmen jetzt an, dass A eine Matrix in Zeilenstufenform ist. Durch Streichen und Neueinfügen von Nullzeilen sei schon erreicht, dass A quadratisch, vom Format n n ist und die Stufenvektoren ihre Eins in der Hauptdiagonalen haben. Wir wissen, dass die Anzahl der Stufen(vektoren) gleich dem Rang r von A ist. Ferner ist nach Konstruktion A eine obere Dreiecksmatrix. Entsprechend hat das homogene lineare Gleichungssystem A x = b einen Lösungsraum H R n der Dimension n r. Wir können jetzt eine Basis von H wie folgt angeben: Die n r Spalten von A, die nicht Stufenvektoren von A sind, haben sämtlich als Hauptdiagonaleintrag eine Null. Ersetzen wir in diesen Spalten jeweils den Hauptdiagonaleintrag 0 durch -1, so erhalten wir n r Vektoren h 1, h 2,..., h n r, die eine Basis von H bilden. 24

26 Nachweis: Lösungen von A x = 0 Klar ist zunächst, dass die Spaltenvektoren h 1, h 2,..., h n r ein linear unabhängiges System bilden. Ferner ist jedes h i tatsächlich eine Lösung von A x = 0: Hierzu beachten wir, wie h i aus einem Nichtstufenvektor, sagen wir der Spalte a j, hervorgeht. Nach (S3) ist a j eine Linearkombination der Stufenvektoren; die auftretenden Koeffizienten sind gerade die Koeffizienten a ij von a j. Somit gilt a j = a i1.a a i j 1.a j 1 + a i j+1.a j a i n.a n. Indem wir a j, behaftet mit dem Faktor bringen, folgt A h i = 0. 1, auf die rechte Seite der Gleichung Wir schließen, dass h 1, h 2,..., h n r ein linear unabhängiges System im n r-dimensionalen Lösungsraum H ist. Es folgt mit einem Dimensionsargument, dass dieses System eine Basis von H ist. 25

27 Der Gauß-Algorithmus I Wir haben damit alle Bausteine für den Gauß-Algorithmus beisammen: Schritt 1: Die erweiterte Matrix [A b] des zu untersuchenden linearen Gleichungssystems wird zunächst durch elementare Zeilenumformungen auf Zeilenstufenform [A b ] gebracht. Falls die letzte Spalte b ein Stufenvektor ist, ist das System A x = b nicht lösbar, andernfalls ist es lösbar. Schritt 2: Durch geeignetes Streichen und Auffüllen von Nullzeilen wird [A b ] so zu [A b ] umgeformt, dass A eine quadratische Matrix ist und die Einsen der Stufenvektoren in der Hauptdiagonale von A stehen. Es ist dann b eine spezielle Lösung von A x = b. 26

28 Der Gauß-Algorithmus II Schritt 3: Wir ersetzen die Hauptdiagonaleinträge Null von A in den Spalten, die nicht Stufenvektoren sind, jeweils durch 1 und erhalten ein System von n r (r=anzahl der Stufenvektoren) Spaltenvektoren h 1, h 2,..., h n r, welches eine Basis des Lösungsraums H des homogenen Gleichungssystems A x = 0 bildet. Die allgemeine Lösung des Gleichungssystems A x = b hat dann die Form x = b + n r i=1 α i.h i, mit beliebigen Skalaren α i. 27

Erneut: Matrizen und lineare Abbildungen

Erneut: Matrizen und lineare Abbildungen Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis

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

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

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

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

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

Kapitel 16. Invertierbare Matrizen

Kapitel 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,

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

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

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

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

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

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

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

Kapitel 17. Determinanten

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

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

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

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

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

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

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

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

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

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

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

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

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

3. Übungsblatt zur Lineare Algebra I für Physiker

3. Übungsblatt zur Lineare Algebra I für Physiker Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Das inhomogene System. A x = b

Das 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

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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

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

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

Lineare Gleichungssysteme und Gauß'scher Algorithmus

Lineare Gleichungssysteme und Gauß'scher Algorithmus 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

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

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

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 Lineare Abhängigkeit, Basis und Dimension 8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n

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

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

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

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

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

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

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

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

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

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 13. Lineare Gleichungssysteme und Basen Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x

Mehr

Der Rangsatz für lineare Abbildungen

Der Rangsatz für lineare Abbildungen Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem

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

4. Vektorräume und Gleichungssysteme

4. 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

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 (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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang

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

Inhaltsverzeichnis 1 Lineare Gleichungssysteme I

Inhaltsverzeichnis 1 Lineare Gleichungssysteme I Inhaltsverzeichnis 1 Lineare Gleichungssysteme I 3 1.1 Mengen und Abbildungen....................................... 3 1.1.1 Mengen und ihre Operationen.............................. 3 1.1.2 Summen- und

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

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

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

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

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

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

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

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

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

Lösung Test 1 (Nachprüfung)

Lösung Test 1 (Nachprüfung) MLAE Mathematik: Lineare Algebra für Ingenieure Frühlingssemester 6 Dr. Christoph Kirsch ZHAW Winterthur Lösung Test (Nachprüfung Aufgabe : a Gemäss den Algorithmen im Kap.. der Vorlesung bringen wir die

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 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

Mehr

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

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

17. Das Gauß-Verfahren

17. Das Gauß-Verfahren 7 Das Gauß-Verfahren 95 7 Das Gauß-Verfahren Nachdem wir jetzt viele Probleme der linearen Algebra (z B Basen von Vektorräumen zu konstruieren, Morphismen durch lineare Abbildungen darzustellen oder den

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden: Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es

Mehr

Klausurähnliche Aufgaben

Klausurähnliche Aufgaben Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),

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

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

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

Effiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra

Effiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)

Mehr

β 1 x :=., und b :=. K n β m

β 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

Mehr

6 Lineare Gleichungssysteme

6 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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eine Familie von Gleichungen der Form 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 m2 x 2 +... + a mn x n = b m

Mehr

Zu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik =

Zu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik = H 6. Die Matrizen A, B, C und D seien gegeben durch 5 A =, B =, C = 4 5 4, D =. 5 7 5 4 4 Berechnen Sie (sofern möglich) alle Matrizenprodukte X Y mit X, Y {A, B, C, D}. Zu zwei Matrizen A R m n und B

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

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Mehr

Kap 5: Rang, Koordinatentransformationen

Kap 5: Rang, Koordinatentransformationen Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv

Mehr

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

Mehr

2.2 Lineare Gleichungssysteme

2.2 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

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

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

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

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

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

IV.3. RANG VON MATRIZEN 81

IV.3. RANG VON MATRIZEN 81 IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

(A T ) T = A. Eigenschaft:

(A T ) T = A. Eigenschaft: Elementare Matrizenrechnung m n-matrix von Zahlen A m n a 1,1 a 1,n a m,1 a m,n rechteckige Tabelle m n Dimension der Matrix Sprechweise: m Kreuz n wobei m Anzahl Zeilen, n Anzahl Spalten a i,j Element

Mehr

4 Der Gauß Algorithmus

4 Der Gauß Algorithmus 4 Der Gauß Algorithmus Rechenverfahren zur Lösung homogener linearer Gleichungssysteme Wir betrachten ein GLS (1) a 11 x 1 + a 1 x + + a 1n x n = a 1 x 1 + a x + + a n x n = a m1 x 1 + a m x + + a mn x

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

1 Lineare Gleichungssysteme und Matrizen

1 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

8 Lineare Gleichungssysteme

8 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

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