Der Rang einer Matrix A. Beispiel
|
|
- Kristian Julian Schneider
- vor 7 Jahren
- Abrufe
Transkript
1 Der Rang einer Matrix A ist gleich Anzahl der Zeilen ungleich 0, nachdem die Matrix durch elementare Zeilenoperationen in Zeilenstufenform gebracht worden ist. Bezeichnung: ranga oder rga. Beispiel A = hat Rang 2, da sie sich durch elementare Zeilenumformungen gemäÿ dem GauÿAlgorithmus in die Matrix überführen lässt. matrizen13b.pdf, Seite 1
2 Eigenschaften Der Rang einer m nmatrix A... ist minm, n, also kleiner gleich der Zahl der Zeilen und kleiner gleich der Zahl der Spalten, ändert sich nicht unter elementaren Zeilenoperationen, ändert sich nicht unter elementaren Spaltenoperationen Vertauschen zweier Spalten, Multiplikation einer Spalte mit einer Konstanten 0, Addition einer Spalte zu einer anderen Spalte, ist gleich der maximalen Zahl linear unabhängiger Zeilen, ist gleich der maximalen Zahl linear unabhängiger Spalten, ist gleich dem Rang der Transponierten A T. rgab rga und rgab rgb matrizen13b.pdf, Seite 2
3 Bemerkung / Folgerung Bei der Bestimmung des Ranges dürfen an einer Matrix A auch elementare Spaltenopertionen durchgeführt werden. Beispiel rg = rg = rg = rg = rg = rg = 2 angewandte Operationen: Letzte Spalte mal 1 2, Vertauschen der 1. und 4. Spalte, Vertauschen der 2. und 3. Zeile, 3. Zeile minus 1. Zeile, 3. Zeile minus 2. Zeile matrizen13b.pdf, Seite 3
4 Warnung Spaltenoperationen sind nur dann zulässig, wenn es ausschlieÿlich um die Bestimmung des Ranges geht. Dies hängt damit zusammen, dass der Rang von A gleich dem der Transponierten A T ist. Bei der Lösung von linearen Gleichungssystemen und der Invertierung von Matrizen kommt später dürfen dagegen die betrachteten Koezientenmatrizen ausschlieÿlich zeilenweise umgeformt werden. matrizen13b.pdf, Seite 4
5 Rang und lineare Gleichungssysteme Mit dem Rang einer m nmatrix A und dem Rang der erweiterten KoezientenMatrix A b die dann eine m n + 1Matrix ist lassen sich Aussagen über die Anzahl der Lösungen des linearen Gleichungssystems Ax = b treen. Der Rang von A gibt an, wie viele Unbekannte bei der Lösung des Gleichungssystems Ax = b eindeutig festgelegt sind. Hat man die erweiterte Koezientenmatrix A b in die Zeilenstufenform Ã, b gebracht, so ist das LGS genau dann nicht lösbar, wenn es eine Zeile gibt, in der à nur Nullen enthält, aber der entsprechende Koezient von b ungleich Null ist. Das bedeutet aber, dass der Rang von A b echt gröÿer dem Rang von A ist. Also gilt Ax = b nicht lösbar rga b > rga. matrizen13b.pdf, Seite 5
6 Zusammenhang zwischen Rang und Lösungen eines LGS Für das LGS Ax = b mit der m nmatrix A und b R m gilt Das LGS ist genau dann lösbar, wenn für die erweiterte Koezientenmatrix A b gilt rga b = rga. Insbesondere: Ist rga = m, so ist Ax = b für alle b R m lösbar. Die Lösung ist eindeutig, wenn rga = n. Ist rga b = rga = k, so können n k Unbekannte als freie Parameter beliebig gewählt werden. Spezialfall: Für eine quadratische n nmatrix A mit rga = n hat das LGS Ax = b für jedes b R n eine eindeutige Lösung. matrizen13b.pdf, Seite 6
7 Beispiel Mit A = rga = rg = rg sowie rga b = rg siehe vorheriges Beispiel. und b = = rg = rg ist = 2 = 2 Es folgt, dass das LGS Ax = b lösbar ist. Es gibt n = 3 Unbekannte = Zahl der Spalten von A, von denen rga = 2 durch das LGS festgelegt werden. Somit enthält die allgemeine Lösung einen = 3 2 freien Parameter. matrizen13b.pdf, Seite 7
8 Beispiel 2 Mit b = Beispiel ist rga b = rg = rg und A = = rg = rg aus dem letzten / = 3 Wegen rga = 2 < rga b = 3 hat das LGS Ax = b jetzt keine Lösung. matrizen13b.pdf, Seite 8
9 Beispiel 3 Mit A = rga = rg = rg ist = rg = rg / = 3 Ist b R nun ein beliebiger Vektor, so hat die erweiterte 3 Koezientenmatrix A b drei Zeilen, also ist rga b 3. Damit ist das LGS Ax = b in jedem Fall lösbar. Wegen rga = 3 werden dabei alle 3 Unbekannten eindeutig festgelegt, d. h. das LGS ist für beliebiges b R eindeutig 3 lösbar. matrizen13b.pdf, Seite 9
10 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 eine Matrix A die Kehrmatrix 1 1 gibt mit A A 1 A = I n, so kann damit das LGS Ax = b durch Umstellung der Gleichung gelöst werden: Ax = b A 1 Ax = A 1 b A 1 Ax = A 1 b I n x = A 1 b x = A 1 b matrizen13b.pdf, Seite 10
11 Beispiel Mit A = ist BA = AB = I 2 = und B = also ist B = A 1 die Kehrmatrix von A. Für die Lösung x = x1 x 2 Beweis durch nachrechnen, des LGS Ax = 1 1 gilt dann, indem beide Seiten der Gleichung von links mit B multipliziert werden: 2 3 x1 1 = x 2 x x1 1 = 0 1 x = x 2 x1 x = 1 matrizen13b.pdf, Seite 11
12 Denition Eine quadratische n nmatrix heiÿt invertierbar, wenn es eine n nmatrix A gibt mit 1 A 1 A = AA 1 = I n. A 1 ist dann die Inverse von A. Beispiel = bzw = Bemerkung Aus der Denition folgt unmittelbar: Ist B die Inverse von A, so ist A die Inverse von B Man sagt: A und B sind zueinander invers. matrizen13b.pdf, Seite 12
13 Gruppeneigenschaft Sind A und B invertierbar, so auch AB mit Inversem AB 1 = B 1 A 1 Achtung: umgekehrte Reihenfolge!. Es folgt, dass die Menge aller invertierbaren n nmatrizen eine nichtkommutative Gruppe bildet mit neutralem Element I n. Aus der allgemeinen Gruppeneigenschaft folgt Die inverse Matrix ist eindeutig bestimmt. Es genügt, eine der beiden Bedingungen nachzuprüfen: Aus A 1 A = I n folgt automatisch AA 1 = I n und umgekehrt. Achtung: Die obige Argumentation funktioniert nur bei quadratischen Matrizen. Bei m nmatrizen mit m n ist die Betrachtung von Inversen nicht sinnvoll. matrizen13b.pdf, Seite 13
14 Berechnung der Inversen Ist b k = b b n1 die kte Spalte von B = A 1, so folgt aus AB = I n und der Denition der Matrixmultiplikation bei Betrachtung der kten Spalte Ab k = e k kter StandardEinheitsvektor. Beispiel: Aus b11 b B = 12 = b 21 b b11 b 12 = b 21 b 22 b11 1 = b und b12 1 folgt = b matrizen13b.pdf, Seite 14
15 Inverse Matrix mit GauÿAlgorithmus Zur Berechnung von A können mit dem GauÿAlgorithmus 1 die Gleichunssysteme Ab 1 = e 1, Ab 2 = e 2,...,Ab n = e n simultan gelöst werden. Dazu startet man mit der erweiterten Koezientenmatrix A I n und transformiert diese durch elementare Zeilenumformungen in I n A. 1 Beispiel A = A 1 = Im letzten Schritt wurde 2fache der zweiten Zeile von der ersten Zeile subtrahiert, um den Koezienten a 12 oberhalb der Diagonale zu Null zu machen. matrizen13b.pdf, Seite 15
16 Beispiel A = A 1 = Grün: Im nächsten Schritt zu 0 machen, rot: zu 1 machen, blau: wird verändert, fett/rot: Pivotelement matrizen13b.pdf, Seite 16
17 Algorithmus zur Invertierung von A = a ij Starte mit der erweiterten Koezientenmatrix A I n. for j=1; j<=n; j++ { Ist a jj = 0, so wähle i > j mit a ij 0 und vertausche die Zeilen i und j. Ist dies nicht möglich, so ist A nicht invertierbar. multipliziere jte Zeile mit 1/a jj. Dadurch wird a jj zu 1 for i=j+1; i<=n; i++ subtrahiere von der iten Zeile das a ij fache der jten Zeile. Dadurch werden die Koezienten unterhalb a jj zu 0 } for j=n; j>=2; j for i=1; i<j; i++ subtrahiere von der iten Zeile das a ij fache der jten Zeile. Dadurch werden die Koezienten oberhalb a jj zu 0 Das Ergebnis ist I n A 1. matrizen13b.pdf, Seite 17
18 Anwendungen Muss man ein LGS Ax = b für verschiedene b und die selbe Matrix A lösen, ist es oft sinnvoll, A zu berechnen 1 Bsp. Umrechnung RGBYPbPrFarben Umkehrung von linearen Transformationen Dekodierung von Daten Beispiel Die Matrix A = beschreibt in der Ebene eine Linksdrehung um 45 o kombiniert mit einer gleichmäÿigen Streckung um den Faktor 2. A 1 = beschreibt dann eine Rechtsdrehung um 45 o kombiniert mit einer Stauchung um den Faktor 2. matrizen13b.pdf, Seite 18
19 Drehstreckung mit A = matrizen13b.pdf, Seite 19
20 Bemerkung Nicht jede quadratische Matrix A, die ungleich der Nullmatrix 0 n,n ist, ist invertierbar. Es gilt: A ist invertierbar Das LGS Ax = b ist für jedes b R n eindeutig lösbar Begründung für : Ist das LGS immer eindeutig lösbar, so kann die inverse Matrix mit dem GauÿAlgorithmus berechnet werden. Für : Existiert A 1, so ist die Lösung des LGS gegeben durch x = A 1 b. matrizen13b.pdf, Seite 20
21 Invertierbarkeit und Rang Weiterhin gilt für eine n nmatrix: Das LGS Ax = b ist für jedes b R n eindeutig lösbar genau dann, wenn rga = n. Das heiÿt, eine n nmatrix ist genau dann invertierbar, wenn sie vollen Rang = n hat. Matrizen mit dieser Eigenschaft quadratisch, invertierbar, voller Rang werden auch als regulär bezeichnet. Beispiel A = ist nicht regulär und damit auch nicht invertierbar, da rga = rg = rg = 1 < matrizen13b.pdf, Seite 21
22 Beispiel: Inverse Matrix in Z 3 2 Daten werden in Bitfolgen mit jeweils 3 Bit unterteilt, die als Vektoren x Z aufgefasst werden. 3 2 Die Daten werden verschlüsselt, indem x mit der Matrix A = multipliziert wird, d. h. die verschlüsselten Daten haben die Form y = Ax Z 3 2, z. B. wird x = zu y = Ax = = verschlüsselt. Da Entschlüsselung erfolgt nun mit der inversen Matrix A 1 : Aus y = Ax folgt x = A 1 y. Die Berechnung von A erfolgt wie bei einer Matrix mit 1 reelllen Koezienten mit dem GauÿAlgorithmus. Man erhält A 1 = und damit z. B = matrizen13b.pdf, Seite 22
23 LRZerlegung In praktischen Anwendungen wird oft anstelle der inversen Matrix die LRZerlegung auch LUZerlegung genannt einer Matrix A berechnet: Die quadratische Matrix A wird dargestellt als Produnkt A = LR, wobei L eine untere und R eine obere Dreiecksmatrix ist. R ist dabei die Matrix, die aus A durch die Umformungen im GauÿAlgorithmus entsteht, L speichert die Informationen über die durchgeführten Zeilenoperationen. Beispiel: = matrizen13b.pdf, Seite 23
24 Determinante Die Determinante A = det A einer quadratischen Matrix A ist eine reelle Zahl mit der Eigenschaft A invertierbar det A 0. Die Berechnung erfolgt rekursiv: deta 11 = a 11 für eine 1 1Matrix, a b det = ad bc für eine 2 2Matrix, c d deta ij = n j=1 1j+1 a 1j det A 1j = a 11 det A 11 a 12 det A 12 +a 13 det A 13 ±...±a 1n det A 1n für eine n nmatrix, wobei A ij die Matrix bezeichnet, die entsteht, wenn man aus A die ite Zeile und die jte Spalte entfernt. matrizen13b.pdf, Seite 24
25 Beispiel 1 det = 1 det = = det det = = 0. Es folgt, dass die Matrix nicht invertierbar ist matrizen13b.pdf, Seite 25
26 Beispiel 2 Für welche Werte des Parameters p R ist die Matrix A p = p p p invertierbar bzw. das LGS A p x = b für alle b R eindeutig 3 lösbar? Dazu muss gelten det A p = p det p 1 1 p det p = pp p p = p 3 p 0 p { 1, 0, 1}. + det 1 p 1 1 Es folgt, dass A p für alle p mit p 0 und p ±1 invertierbar ist. matrizen13b.pdf, Seite 26
27 LaplaceEntwickling der Determinante Die angegebene Formel ist die LaplaceEntwicklung nach der ersten Zeile. Analog ist eine Entwicklung nach der iten Zeile für beliebiges i möglich: det A = n 1 i+j a ij det A ij, j=1 sowie nach der jten Spalte: n det A = 1 i+j a ij det A ij i=1 Beispiel Entwicklung nach 3. Spalte det = matrizen13b.pdf, Seite 27
28 LaplaceEntwickling in Worten Die Einträge a ij einer ausgewählten Zeile oder Spalte der Matrix A werden durchlaufen und jeweils mit der Determinante der n 1 n 1Untermatrix A ij multipliziert, die entsteht wenn aus A die i-te Zeile und die j-te Spalte entfernt wird. Über die so berechneten n Werte je einer für jeden Koezienten der ausgewählten Zeile bzw. Spalte wird die alternierende d. h. mit wechselnden Vorzeichen Summe gebildet. Die Wahl der Vorzeichen erfolgt dabei nach einem Schachbrettmuster: matrizen13b.pdf, Seite 28
29 Beispiel Entwicklung nach der 2. Spalte det = 2 det det = 2 7 = 5 Die Summanden für die beiden Nulleinträge der Entwicklungsspalte sind Null und fallen daher weg, die zugehörigen Unterdeterminaten brauchen nicht berechnet zu werden. Grundsätzlich empehlt es sich, die Determinante nach einer Zeile oder Spalte zu entwickeln, die möglichst viele Nullen enthält. matrizen13b.pdf, Seite 29
30 Dreiecksmatrizen Besonders einfach wird die Berechnung der Determinante bei einer oberen Dreiecksmatrix a ij mit a ij = 0 für j < i In diesem Fall ist folgt aus der Entwicklung nach der 1. Spalte a 11 a a 1n... det 0... n = a a nn = a ii a nn Analog ist deta ij = n a i=1 ii auch für eine untere Dreiecksmatrix mit a ij = 0 für i > j. Insbesondere ist det I n = 1. i=1 matrizen13b.pdf, Seite 30
31 Eigenschaften der Determinante Vertauschen zweier Zeilen ändert das Vorzeichen der Determinante. Die Determinante ändert sich nicht, wenn zu einer Zeile ein Vielfaches einer anderen Zeile dazuaddiert wird. Mulitipliziert man eine Zeile mit dem Skalar c, so multipliziert sich die Determinante mit c. Es folgt detca = c n det A jede Zeile wird mit c multipliziert. Alle Eigenschaften bleiben gültig, wenn Zeile durch Spalte ersetzt wird. deta T = det A. detab = det A det B. det A 1 = 1 det A, falls A invertierbar. matrizen13b.pdf, Seite 31
32 Berechnung der Determinante Bei einer voll besetzten n nmatrix d. h. alle Koezienten sind 0 erfordert die Entwicklung nach einer Zeile oder Spalte über n! Multiplikationen. Transformiert man die Matrix durch elementare Zeilen bzw. Spaltenoperationen zunächst in eine Dreiecksmatrix, so kann die Determinante mit On 3 Rechenoperationen berechnet werden. Daher wird dieses Verfahren bei groÿen Matrizen in der Praxis vorgezogen. Beispiel mit Zeilenoperationen nach Gauÿ = = = = 0 matrizen13b.pdf, Seite 32
33 Beispiel 2 = = = = = = 5. Im 1. Schritt wurden die Zeilen 2 und 3 vertauscht, wodurch sich das Vorzeichen ändert, danach Vorwärtselimination nach Gauÿ. Beispiel = = = = = Im 1. Schritt wurden die Zeilen 1 und 3 vertauscht und der Faktor 2 aus der 2. Zeile herausgezogen. matrizen13b.pdf, Seite 33
34 Die Regel von Sarrus ist eine alternative Möglichkeit zur Berechnung der Determinante einer 3 3Matrix: det A = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31 a 11 a 23 a 32 a 12 a 21 a 33 Achtung: funktioniert nur bei 3 3! matrizen13b.pdf, Seite 34
35 Beispiel A = Man schreibt und erhält bzw det A = = = 0 matrizen13b.pdf, Seite 35
36 Geometrische Interpretation der Determinante Der Betrag det A der Determinante einer 2 2Matrix a11 a A = 12 entspricht der Fläche des von den a 21 a 22 Spaltenvektoren a11 s 1 = a 21 und s 2 = a12 a 22 aufgespannten Parallelogramms und ist gleich der Fläche des von den Zeilenvektoren z 1 = a 11 a 12 und z 2 = a 21 a 22 aufgespannten Parallelogramms. det A ist positiv, wenn das System {s 1, s 2 } positiv orientiert ist, d. h. s 1 durch eine Linksdrehung um einen Winkel kleiner 180 o in die Richtung von s 2 überführt werden kann. det A ist negativ, wenn {s 2, s 1 } positiv orientiert ist {s 1, s 2 } ist negativ orientiert. det A = 0 genau dann, wenn s 1 und s 2 entweder in die gleiche oder in entgegengesetzte Richtungen zeigen, d. h. auf einer Geraden liegen. In diesem Fall sind die beiden Vektoren linear abhängig. matrizen13b.pdf, Seite 36
37 Beispiel Aus det Spaltenvektoren = = 2 folgt, dass die } 2, sowie die Zeilenvektoren { {1; 2, 3; 4} jeweils negativ orientiert sind und die aufgespannten Parallelogramme jeweils die Fläche 2 haben. matrizen13b.pdf, Seite 37
38 Anwendung Bilden die Spaltenvektoren s 1 und s 2 einer Matrix A zwei Seiten eines Dreiecks, so ist die Dreiecksäche gleich 1 det A da ein 2 Dreieck ein halbes Parallelogramm ist. Beispiel Das Dreieck mit den Ecken A = 3, B = 1 und C = hat die Seitenvektoren B A = 4, C A = 5 und 2 3 C B = 1. Seine Fläche ist somit gleich det 4 5 = 1 2 det 4 1 = 1 2 det 5 1 = = matrizen13b.pdf, Seite 38
39 Geometrische Interpretation einer 3 3Determinante Der Betrag det A der Determinante einer 3 3Matrix A ist gleich dem Volumen des von den Spaltenvektoren von A aufgespannten Parallelepipeds Spats sowie gleich dem Volumen des von den Zeilenvektoren aufgespannten Spats. Sie ist positiv wenn die Spaltenvektoren sowie die Zeilenvektoren jeweils positiv orientiert sind ein Rechtssystem bilden und negativ, wenn die Spalten- und Zeilenvektoren negativ orientiert sind. Die Determinate ist 0, wenn die Spaltenvektoren in einer Ebene liegen linear abhängig sind. In diesem Fall liegen auch die Zeilenvektoren in einer Ebene. matrizen13b.pdf, Seite 39
40 Lineare Abbildungen Bei der linearen Abbildung x y = Ax mit einer 2 2Matrix A gibt det A den Faktor an, um den Flächeninhalte ändern. Die Determinante einer 3 3Matrix A gibt entsprechend die Änderung dreidimensionaler Volumina an. Die Abbildung ist x Ax orientierungstreu, wenn det A > 0. Ist det A < 0, so werden geometrische Objekte nach der Abbildung seitenverkehrt dargestellt. Multiplikation mit A = : Vergröÿerung der Fläche um den Faktor det A = 3 und seitenverkehrte Darstellung matrizen13b.pdf, Seite 40
41 Die Cramersche Regel ist eine Formel zur Lösung von linearen Gleichungssystemen und zur Berechnung von inversen Matrizen mit Hilfe von Determinanten. Zum Beispiel gilt für eine invertierbare 2 2Matrix A a b c d 1 = 1 det A Beispiel: = d b = c a ad bc = d b c a Die Cramersche Regel ist jedoch vom Rechenaufwand her nur für kleine n = 2 oder 3 sinnvoll einsetzbar. Zudem löst sie das LGS Ax = b nur in solchen Fallen, wo A eine invertierbare quadratische Matrix ist. matrizen13b.pdf, Seite 41
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
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrIn 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)
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n = b a 2 x + a 22 x 2 +...
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrVektorräume 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
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
Mehr(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
Mehr3.11 Volumen und Determinanten
Im Wintersemester 2012/13 wurde in der Vorlesung Höhere Mathematik 1 für Ingenieurstudiengänge die Behandlung der Determinante neu gefasst: 311 Volumen und Determinanten 3111 Berechnung von Flächeninhalten
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrProbeklausur zu Mathematik 2 für Informatik
Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehra 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =
3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
MehrCopyright, 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
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Mehr(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:
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 212 Determinanten Hans Walser: Modul 212, Determinanten ii Modul 212 für die Lehrveranstaltung Mathematik 2 für Naturwissenschaften Sommer 2003 Probeausgabe
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr4. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
Mehr4 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
Mehr3 Determinanten, Eigenwerte, Normalformen
Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrKapitel 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
MehrLineare 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
MehrInverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrÖkonometrische Analyse
Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrGemischte Aufgaben zur Klausurvorbereitung
Gunter Ochs Wintersemester / Gemischte Aufgaben zur Klausurvorbereitung Lösungshinweise (ohne Galantie auf Fehreleiheit. Gegeben sei eine Tabelle, die bestimmten Buchstaben Zahlen von bis zuordnet. Buchstabe
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
Mehr1 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
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrV DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren
SKRIPTUM { LINEARE ALGEBRA II JB COOPER Inhaltsverzeichnis: x Determinanten x Eigenwerte x Euklidische Raume x8 Dualitat, Tensorprodukte, Alternierende Formen Anhang: ) Mengen, Abbildungen ) Gruppen )
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
MehrGeometrische Deutung linearer Abbildungen
Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv
Mehra ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung
MehrLösbarkeit 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
MehrRang 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
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrLineare Algebra KAPITEL III. 12 Matrizen und der Gauß-Algorithmus. I) Matrizen
KAPITEL III Lineare Algebra 12 Matrizen und der Gauß-Algorithmus I Matrizen Definition 121 Matrizen und der R n Es seien m,n 1 zwei positive ganze Zahlen a Eine m n-matrix über R ist ein rechteckiges Schema
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
MehrLINEARE 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
Mehr5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix
5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix Jörn Loviscach Versionsstand: 20. März 2012, 16:02 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
MehrTutorium: 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
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
MehrLineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.
Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrLineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10
D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
Mehr, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh
Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Klausur: voraussichtlich Mittwoch,
Lineare Algebra I - 2. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Klausur: voraussichtlich Mittwoch, 4.2. 4:3 Uhr, A3 A 2 Mat(n, n; K) Dann ist 7 A : Mat(n, ; K)! Mat(n, ; K) b! A b ein Endomorphismus.
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
Mehr$Id: det.tex,v /01/08 13:59:24 hk Exp $ A = 1 3
$Id: det.tex,v 1.28 2018/01/08 13:59:24 hk Exp $ 8 Determinanten Wir kommen jetzt zum Begriff der Determinante. Determinanten sind merkwürdigerweise über hundert Jahre älter als Matrizen, und sie wurden
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
MehrDeterminante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden.
Determinante Die Determinante det A = det(a 1,..., a n ) einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Multilineariät: det(..., αa j + βb j,...) = α det(...,
Mehr9 Matrizen über R und C
Mathematik für Physiker I, WS 00/0 Montag 0 $Id: matrixtex,v 6 0/0/0 :6:7 hk Exp $ $Id: dettex,v 0/0/0 ::59 hk Exp hk $ 9 Matrizen über R und C 9 Transposition von Matrizen Im letzten Abschnitt hatten
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 44 8. Lineare Algebra: 2. Determinanten Ein einführendes
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrMatrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
MehrIV. 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
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
Mehr