Beispiel vor dem Beweis:
|
|
|
- Marie Schuster
- vor 1 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
Quadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
Rang und Inverses einer Matrix
Rang und Inverses einer Matrix wgnedin@math.uni-koeln.de 29. April 2014 In dieser Notiz werden Methoden und Beispiele zur Berechnung des Rangs einer Matrix sowie der Inversen einer invertierbaren 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) =
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.
1 Algebraische Grundbegriffe
1 Algebraische Grundbegriffe Eine Algebra besteht aus einer Trägermenge S sowie eineroder mehreren Operationen. Eine Operation ist dabei eine k-stellige Abbildung, d.h. es gilt für eine Operation f f S
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
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)
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
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
Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen Das komplette Material finden Sie hier: School-Scout.de Thema: Lineare Algebra:
( ) 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
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
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.
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
= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.
Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist
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.
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
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, )
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
Permutationen und symmetrische Gruppe
Permutationen und symmetrische Gruppe Für eine beliebige Menge M bilden die Bijektionen von M in M, versehen mit der Komposition von Abbildungen als Operation, eine Gruppe, die sogenannte symmetrische
x LINEARE GLEICHUNGSSYSTEME In diesem Paragraph beginnen wir mit einer elementaren Behandlung linearer Gleichungssysteme Bevor wir versuchen eine allg
SKRIPTUM { LINEARE ALGEBRA I JB COOPER Inhaltsverzeichnis: x Lineare Gleichungssysteme x Geometrie der Ebene und des Raumes x Vektorraume x Lineare Abbildungen Typeset by AMS-T E X x LINEARE GLEICHUNGSSYSTEME
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
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:
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
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 )
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:
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)
4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung
43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder
Erweiterte Koordinaten
Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In
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
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:
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
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)
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
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
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
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
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 )
Collegium Logicum. Nikolai Nowaczyk Lars Wallenborn
Collegium Logicum Nikolai Nowaczyk http://math.nikno.de/ Lars Wallenborn http://math.wallenborn.net/ 02.-04. Dezember 2011 Inhaltsverzeichnis 1 Wahrheitswerte
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
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
$Id: ring.tex,v /05/03 15:13:26 hk Exp $
$Id: ring.tex,v 1.13 2012/05/03 15:13:26 hk Exp $ 3 Ringe 3.1 Der Ring Z m In der letzten Sitzung hatten wir die sogenannten Ringe eingeführt, dies waren Mengen A versehen mit einer Addition + und einer
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
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
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
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
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
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
Übungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
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
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,
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,
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
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
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,
Wie werden die Vorlesungen/Übungen organisiert?
Wie werden die Vorlesungen/Übungen organisiert? Mein Name: Prof Vladimir Matveev Sprechstunden: nach jeder Vorlesung bzw in der Pause Homepage der Vorlesung: http://usersminetuni-jenade/~matveev/lehre/la13/
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
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
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
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,...,
Proseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
$Id: mengen.tex,v /11/16 20:09:23 hk Exp $ $Id: komplex.tex,v /11/16 20:12:23 hk Exp hk $
$Id: mengen.tex,v.7 2008//6 20:09:23 hk Exp $ $Id: komplex.tex,v.2 2008//6 20:2:23 hk Exp hk $ I. Grundlagen 3 Mengen und Abbildungen 3.4 Vollständige Induktion und endliche Mengen Wir wollen noch ein
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
Anwendung: Teilbarkeitsregeln im Dezimalsystem
Anwendung: Teilbarkeitsregeln im Dezimalsystem Seien α n,α n 1,,α 0 {0,,9} α n α n 1 α 0 sei die Zahl α n 10 n + + α 0 (Bsp 237 = 2 100 + 3 10 + 7) Frage: 2 : α n α n 1 α 0? (In Worten: teilt 2 die Zahl
3. Ähnlichkeitsabbildungen
3. Ähnlichkeitsabbildungen 3.1 Definitionen: Ähnlichkeitsabbildungen, Dilatationen Bis jetzt haben wir Isometrien (Kongruenzabbildungen) betrachtet. Diese bbildungen wurden aufgebaut aus den Geradenspiegelungen.
Einführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 3 14. Mai 2010 Einführung in die Theoretische
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
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:
Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie
Regina Gellrich Carsten Gellrich Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie Mit zahlreichen Abbildungen, Aufgaben mit Lösungen und durchgerechneten Beispielen
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
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
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
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
Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
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
i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
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
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
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
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
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
Lösung Semesterendprüfung (Nachprüfung)
MLAE Mathematik: Lineare Algebra für Ingenieure Frühlingssemester 6 Dr. Christoph Kirsch ZHAW Winterthur Lösung Semesterendprüfung (Nachprüfung Aufgabe : Aufgabe : a Gemäss Def. der Vorlesung müssen wir
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 + =
Es wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form
Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt
Elementare Zahlentheorie II
Schülerzirel Mathemati Faultät für Mathemati. Universität Regensburg Elementare Zahlentheorie II Der Satz von Euler-Fermat und die RSA-Verschlüsselung Die Mathemati ist die Königin der Wissenschaften,
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,
C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
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
Vorlesung Diskrete Strukturen Gruppe und Ring
Vorlesung Diskrete Strukturen Gruppe und Ring Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in
6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
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)
Knoten und Zöpfe. Prof. Dr. Michael Eisermann. Institut für Geometrie und Topologie Universität Stuttgart. Vortrag am 16./17.11.
Knoten und Zöpfe Prof. Dr. Michael Eisermann Institut für Geometrie und Topologie Universität Stuttgart Vortrag am 16./17.11.2011 zuletzt kompiliert am 17. November 2011 Unitag der Universität Stuttgart
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
1 Modulare Arithmetik
$Id: modul.tex,v 1.11 2012/04/16 19:15:39 hk Exp $ $Id: gruppen.tex,v 1.11 2012/04/17 10:30:56 hk Exp $ 1 Modulare Arithmetik 1.3 Restklassen Wir waren gerade damit beschäftigt eine Beispiele zum Rechnen
Rekursive Folgen im Pascalschen Dreieck
Reursive Folgen im Pascalschen Dreiec Holger Stephan, Tag der Mathemati,. Juni Zusammenfassung Viele Probleme aus den unterschiedlichsten Teilgebieten der Mathemati (z.b. Analysis, Kombinatori, Zahlen-,
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
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