Beispiel vor dem Beweis:
|
|
- Marie Schuster
- vor 2 Jahren
- Abrufe
Transkript
1 Beispiel vor dem Beweis:
2 Beispiel vor dem Beweis: A = ¼ ½
3 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = 3 6
4 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = ½
5 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = 3 6 E 2 32 E1 31 E 12A = ½ 6
6 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = 3 6 E 2 32 E1 31 E 12A = E E1 31 E 12A = ½ 6
7 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = 3 6 E 2 32 E1 31 E 12A = E E1 31 E 12A = E 1 32 E1 33 E 12A = ½ 6
8 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = 3 6 E 2 32 E1 31 E 12A = E E1 31 E 12A = E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A ½ 6 1
9 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = 3 6 E 2 32 E1 31 E 12A = E E1 31 E 12A = E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A Also, die inverse ist ½ 6 1
10 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = 3 6 E 2 32 E1 31 E 12A = E E1 31 E 12A = E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A ½ 6 1 Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12
11 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = E 12 A = E31 1 E 12A = 3 6 E 2 32 E1 31 E 12A = E E1 31 E 12A = E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A ½ 6 1 Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
12 2½ 2½ ¼3 6 A = Id 311 E 12 A = E31 1 E 12A = 3 6 Beispiel vor dem Beweis: E 2 32 E1 31 E 12A = E E1 31 E 12A = E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A ½ 6 1 =¼1 1 Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
13 2½ 2½ ¼3 6 A = Id 311 E 12 A = 3 6 E 3 11 E31 1 E 12A = 3 6 Beispiel vor dem Beweis: E 2 32 E1 31 E 12A = E E1 31 E 12A = E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A ½ 6 1 =¼1 =¼ Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
14 2½ 2½ ¼3 6 A = Id 311 E 12 A = 3 6 E 3 11 E31 1 E 12A = 3 6 E 3 11 E 2 32 E1 31 E 12A = 3 6 Beispiel vor dem Beweis: E E1 31 E 12A = E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A 13½ =¼1 =¼ 12 =¼ 31 1 E Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
15 2½ 2½ ¼3 6 A = Id 311 E 12 A = 3 6 E 3 11 E31 1 E 12A = 3 6 E 3 11 E 2 32 E1 31 E 12A = 3 6 E 3 E E1 31 E 12A = 3 Beispiel vor dem Beweis: E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A 6 13½ 3 1 =¼1 =¼ 12 =¼ 31 1 E E1 31 E 12 =¼ Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
16 2½ 2½ ¼3 6 A = Id 311 E 12 A = 3 6 E 3 11 E31 1 E 12A = 3 6 E 3 11 E 2 32 E1 31 E 12A = 3 6 E 3 E E1 31 E 12A = 3 Beispiel vor dem Beweis: E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A 13½ =¼1 =¼ 12 =¼ 31 1 E E E1 31 E 12 =¼ E1 31 E 12 = Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
17 2½ 2½ ¼3 6 A = Id 311 E 12 A = 3 6 E 3 11 E31 1 E 12A = 3 6 E 3 11 E 2 32 E1 31 E 12A = 3 6 E 3 E E1 31 E 12A = 3 Beispiel vor dem Beweis: E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A =¼1 =¼ 12 =¼ 31 1 E E1 31 E 12 =¼ E1 31 E 12 = E 32 E 2 32 E1 31 E 12 = 3 ¼ ½ E Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
18 2½ 2½ ¼3 6 A = Id 311 E 12 A = 3 6 E 3 11 E31 1 E 12A = 3 6 E 3 11 E 2 32 E1 31 E 12A = 3 6 E 3 E E1 31 E 12A = 3 Beispiel vor dem Beweis: E 1 32 E1 33 E 12A = E 1/2 =¼1 11 E1/3 22 E 1 32 E1 31 E 12A =¼1 =¼ 12 =¼ 31 1 E E1 31 E 12 =¼ E1 31 E 12 = E 32 E 2 32 E1 31 E 12 = 3 ¼ /2 11 E1/3 22 E E 2 32 E1 31 E 12 = 1 ¼9/2 2 5/2 13/ ½ E E Also, die inverse ist E 1/2 11 E1/3 22 E 1 32 E1 31 E 12Id
19
20 Sei A eine (n n).
21 Sei A eine (n n). Die Idee:
22 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen
23 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren,
24 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben.
25 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn...
26 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n Mit Hilfe von elementaren Zeilenumformungen a n1... a nn...
27 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen.
28 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden.
29 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1.
30 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. Bsp:
31 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. Bsp: Invertiere die ( ).
32 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. Bsp: Invertiere die ( ) ( ).
33 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. ). ( 1 2 Bsp: Invertiere die ( ) Zeile II:= Zeile II- 2(Zeile I) 2 5 1
34 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. ). ( 1 2 Bsp: Invertiere die ( ) Zeile II:= Zeile II- 2(Zeile I) ) (
35 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. ( ) 1 2 Bsp: Invertiere die. ( ) Zeile II:= Zeile II- 2(Zeile I) ( ) Zeile I:= Zeile I -2 (Zeile II) 1 2 1
36 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. ). ( 1 2 Bsp: Invertiere die ( ) Zeile II:= Zeile II- 2(Zeile I) ( ) Zeile I:= Zeile I -2 (Zeile II) ) (
37 Sei A eine (n n). Die Idee: wir werden die Zerlegung von A in das Produkt von Elementarmatrizen mit dem Gauß-Algorithmus konstruieren, wie wir im Beweis von Satz 12 gemacht haben. Schreibe die Id neben A.¼ a a 1n a n1... a nn... Mit Hilfe von elementaren Zeilenumformungen lass uns die A in Id überführen. Jede elementare Zeilenumformung auch auf der rechten Seite anwenden. Wenn von links Id stehet, steht von rechts A 1. ( ) 1 2 Bsp: Invertiere die. ( ) Zeile II:= Zeile II- 2(Zeile I) ( ) Zeile I:= Zeile I -2 (Zeile II) ( ) Rechts steht die inverse zu A
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) =
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
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
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.
Wie kann man beweisen, dass (H, ) eine Gruppe ist?
Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )
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
Surjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
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
Mengenlehre: Schnittmenge
Mengenlehre: Schnittmenge Mengenlehre: Schnittmenge A, B seien Mengen. Der Durchschnitt von A und B (Bezeichnung: A B) ( ist die Menge aller Elemente, die sowohl in A als auch in B enthalten sind.) Mengenlehre:
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
Kapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MuPAD in Vorlesung und Übungen (12. Woche)
MuPAD in Vorlesung und Übungen (12. Woche Zur Behandlung der laufenden Übungsaufgaben (Blatt 12, 13 ff. sind zur Lösung gewisse Buchführungsaufgaben wahrzunehmen, die wir sinnvoll dem MuPAD-System übertragen.
Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
7 Lineare Abbildungen und Lineare Gleichungssysteme
7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:
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 )
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
Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
Mathematischen Grundlagen und Notationen
Mathematischen Grundlagen und Notationen Susanne Schimpf Juni 008 Es geht in dieser Lerneinheit darum, mathematische Notationen besser zu verstehen und auch selbst korrekt zu benutzen. Außerdem sollen
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
Abschnitt: Determinanten
Abschnitt: Determinanten Bezeichnung Die i-te Zeile werden wir mit [a i ] bezeichnen Die Null-Zeile werden wir mit 0 bezeichnen A = a 11 a 1n a n1 a nn = [a 1 ] [a n] Def Eine Abbildung det : Mat(n, n)
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
Computerorientiertes Problemlösen
1 / 13 Computerorientiertes Problemlösen 22. 26. September 2014 Steffen Basting WS 2014-2015 2 / 13 Organisatorisches 22.09. 26.09. Zeit Mo Di Mi Do Fr 11:00 bis 13:00 13:00 bis 15:30 15:30 bis 18:00 Vorlesung:
x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
Das Kryptosystem von McEliece. auf der Basis von linearen Codes
Das Kryptosystem von McEliece auf der Basis von linearen Codes Anforderungen Public-Key Kryptosysteme E e (m) = c Verschlüsselung D d (c) = m Entschlüsselung mit Schl. effizient effizient 2/25 Anforderungen
V 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 )
Einführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
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,
Kapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
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
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
4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper
4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element
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)
Der Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
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,
Mathematische Grundlagen Kurseinheit 1: Grundlagen
Mathematische Grundlagen Kurseinheit 1: Grundlagen Autorin: Luise Unger In L A TEX gesetzt von Luise Unger c 2007 Fernuniversität in Hagen Fachbereich Mathematik (10/05) Alle Rechte vorbehalten 01141-4-01-S
3. Ähnlichkeitsabbildungen
3. Ähnlichkeitsabbildungen 3.1 Definitionen: Ähnlichkeitsabbildungen, Dilatationen Bis jetzt haben wir Isometrien (Kongruenzabbildungen) betrachtet. Diese bbildungen wurden aufgebaut aus den Geradenspiegelungen.
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
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
Lineare 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 Roger Burkhardt roger.burkhardt@fhnw.ch
Mathematische Grundlagen
Luise Unger In LATEX gesetzt von Luise Unger Mathematische Grundlagen Kurseinheit 1: Grundlagen 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 77 7 7 777 7 77 7777777 77777 7 77 7 7 7 7 7 7 77777777777
11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg Argumentationstechniken PLUS Mathematik Direkter Beweis einer Implikation
Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus
Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus Max Zoller 14. April 8 1 Der klassische euklidische Algorithmus Beispiel: ggt 15, 56? 15 = 1 56 + 49 56 = 1 49 + 7 49 = 7 7 + =
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
Lineare 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
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
KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.
1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen
Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
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
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
Lineare Gleichungssysteme
Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare
Axiomatische Beschreibung der ganzen Zahlen
Axiomatische Beschreibung der ganzen Zahlen Peter Feigl JKU Linz peter.feigl@students.jku.at 0055282 Claudia Hemmelmeir JKU Linz darja@gmx.at 0355147 Zusammenfassung Wir möchten in diesem Artikel die ganzen
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
(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
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
1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
Satz 25 A sei eine (n n)-matrix über K
Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen
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
Aufgabe 1: Der Weidezaun
Aufgabe 1: Der Weidezaun Eine quadratische Viehweide mit der Fläche 870 m² soll eingezäunt werden. Dabei sollen 3 m für ein Tor freigelassen werden. Wie viel Meter Zaun werden benötigt? Informative Figur:
Mathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
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
Thema 1 Die natürlichen Zahlen
Thema 1 Die natürlichen Zahlen Wir bezeichnen mit N die Menge der natürlichen Zahlen dh N {1,,, } Falls wir das Nullelement 0 dazu nehmen, dann bezeichnen wir die resultierende Menge mit N 0 also N 0 {0,
1. Modulare Arithmetik
1. Modulare Arithmetik Dreizehn Jahre lang hatten die Briten und Franzosen geglaubt, die Enigma- Verschlüsselung sei nicht zu knacken, doch nun schöpften sie Hoffnung. Die polnischen Erfolge hatten bewiesen,
Studientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Aufgaben zur nicht-linearen Optimierung Teil II Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Aufgabe 5 Bestimmen
Elementare Zahlentheorie. Diskrete Strukturen. Winter Semester 2012 #
Erster Teil 1 Elementare Diskrete Strukturen Winter Semester 2012 # 342 207 Prof. Armin Biere Institut für Formale Modelle und Verifikation Johannes Kepler Universität, Linz http://fmv.jku.at/ds Literatur
Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2
1. Formatbedingungen der Matrixoperationen Die Addition (Subtraktion) A ± B verlangt gleiches Format der Operanden A und B. Das Ergebnis hat das Format der Operanden. Skalarmultiplikation λa: Es gibt keine
ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
Zusatztutorium, 25.01.2013
Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu
6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte
Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n
Dynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206
Kapitel 4 Dynamische Optimierung Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Inhalt Inhalt 4 Dynamische Optimierung Allgemeiner Ansatz und Beispiele Stochastische dynamische
Lineare Algebra. Teil III. Inhaltsangabe
Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24
Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was
$Id: intro.tex,v 1.3 2010/04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige
Technische Universität München. Lösung Montag WS 2013/14. (Einheitskreis, ohne Rechnung ersichtlich) (Einheitskreis, ohne Rechnung ersichtlich)
Technische Universität München Andreas Wörfel Ferienkurs Analysis 1 für Physiker Lösung Montag WS 01/1 Aufgabe 1 Zum warm werden: Komplexe Zahlen - Lehrling Bestimmen Sie das komplex Konjugierte, den Betrag
1. 4-Bit Binärzahlen ohne Vorzeichen 2. 4-Bit Binärzahlen mit Vorzeichen 3. 4-Bit Binärzahlen im 2er Komplement 4. Rechnen im 2er Komplement
Kx Binäre Zahlen Kx Binäre Zahlen Inhalt. Dezimalzahlen. Hexadezimalzahlen. Binärzahlen. -Bit Binärzahlen ohne Vorzeichen. -Bit Binärzahlen mit Vorzeichen. -Bit Binärzahlen im er Komplement. Rechnen im
Stetige Funktionen, Binomischer Lehrsatz
Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.
7. Ringe und Körper. 7. Ringe und Körper 49
7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich
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
Brückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
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
16. All Pairs Shortest Path (ASPS)
. All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e
Lineare Gleichungssysteme
KAPITEL 2 Lineare Gleichungssysteme Lernziele dieses Abschnitts sind: Begrie: Matrix, Vektor spezielle Matrix, transponierte Matrix, inverse Matrix nur fur quadratische Matrizen erklart, Determinante,
2.1 Codes: einige Grundbegriffe
Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen
Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11
Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)
Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.
Literatur zu geometrischen Konstruktionen
Literatur zu geometrischen Konstruktionen Hadlock, Charles Robert, Field theory and its classical problems. Carus Mathematical Monographs, 19. Mathematical Association of America, Washington, D.C., 1978.
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:
Der Golay-Code und das Leech-Gitter
Der Golay-Code und das Leech-Gitter Vortrag zum Seminar Gitter und Codes Nils Malte Pawelzik.5.5 Inhaltsverzeichnis Designs 3. Elementare Eigenschaften eines Designs und die Eindeutigkeit eines - (, 5,
Definition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
1 Das Lemma von Burnside und seine Anwendungen
Das Lemma von Burnside und seine Anwendungen Mit dem Lemma von Burnside lassen sich Zählprobleme lösen, bei denen Symmetrien eine Rolle spielen. Betrachten wir als einführendes Beispiel die Anzahl der
Matrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
Klausur in Datenmanagement SS 2009
Fachhochschule München FB 07 Informatik Klausur in Datenmanagement SS 2009 Studiengang : Informatik - Semester IBB4C Prüfer : Bojan Milijas Prüfungstermin : 26.07.2009; 15:30 16:00 Uhr (Raum R1.009) Prüfungsdauer
Lineare Algebra I Klausur. Klausur - Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.
Kapitel 3. Natürliche Zahlen und vollständige Induktion
Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine
Analysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11.
ETH EIDGENÖSSISCHE TECHNISCHE HOCHSCHULE ZÜRICH Analysis mit dem Computer-Algebra-System des TI-92 Anhang 2: Gedanken zum Lehrplan Beat Eicke und Edmund Holzherr 11. November 1997 Eidgenössische Technische
Eine mathematische Reise ins Unendliche. Peter Koepke Universität Bonn
Eine mathematische Reise ins Unendliche Peter Koepke Universität Bonn Treffen sich die Schienen im Unendlichen? Gibt es unendlich ferne Punkte? Gibt es unendliche Zahlen? 1 Antwort: Nein! , so prostestire
Wirtschaftsmathematik für Dummies
Christoph Mayer, Sören Jensen, Suteika Bort, beborah Rumsey, Mark Ryan und Mary Jane Sterling Wirtschaftsmathematik für Dummies Herausaegeben Von Christoph Mayer, Sören Jensen und Suteika Bort WILEY- VCH