Kapitel 15. Lösung linearer Gleichungssysteme

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Lineare Gleichungssysteme

Lineare 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.

Mehr

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

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

2.3 Umformung auf Zeilenstufenform

2.3 Umformung auf Zeilenstufenform 4 Kapitel II: Lineare Gleichungen 23 Umformung auf Zeilenstufenform Montag, 17 November 23 Wir sehen hier ein typisches Beispiel einer m n-matrix in Zeilenstufenform 1 1 1 A = 1 i 1 i 2 i 3 i 4 Eine Treppenlinie

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

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

Zeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.

Zeilenstufenform. 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

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

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

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

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

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

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

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

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

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

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

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: 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

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

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

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

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist

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

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

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

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

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

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

Mehr

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

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

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

Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.

Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. 82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir

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

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

9 Lineare Gleichungssysteme

9 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

Mehr

Matrixoperationen. 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: 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)

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

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

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

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

Serie 8: Online-Test

Serie 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

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

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

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

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 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

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

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

Lineare Algebra I (WS 12/13)

Lineare 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

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

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

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

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 Algebra I (WS 12/13)

Lineare 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

Mehr

05. Lineare Gleichungssysteme

05. 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

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

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

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

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

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

3.9 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

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

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

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

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

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

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit linearer Gleichungssysteme Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn

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

Repetition: Schreibweisen

Repetition: Schreibweisen : : Ausgeschrieben : Ausgeschrieben 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 : Ausgeschrieben a 11 x 1 + a 12

Mehr

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

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A 133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des

Mehr

( ) Lineare 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

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 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

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

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

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

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

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe

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

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

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

(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: Eine

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

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

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

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

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

Kapitel 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 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.

Mehr

Kapitel 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 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.

Mehr

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

Matrixalgebra. 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):

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 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

Bestimmung einer ersten

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

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

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

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

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 - 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

(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

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

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit

Mehr

Lösungsskizzen zum Buch Mathematik für Informatiker Kapitel 8 Peter Hartmann

Lösungsskizzen zum Buch Mathematik für Informatiker Kapitel 8 Peter Hartmann 1. Bestimmen Sie jeweils den Rang der folgenden Matrizen: 1 2 5 4 1 2 2 1 1 2 2 1 1 4 1 5 1 2 0 4 4 5 5 7,,,. 1 4 2 4 8 7 2 11 5 8 1 6 1 2 7 6 1 2 1 9 10 1 2 2 5 8 Die Ränge der Matrizen sind der Reihe

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