Lineare Gleichungssysteme

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Lineare Gleichungssysteme"

Transkript

1 Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare Optimierung Beispielproblem Rechnerisches Lösungsverfahren Simplexverfahren Christian Serpé (Universität Münster) 14. September / 56

2 Motivation Beispiel: Page Rank Wir betrachten eine Menge von Internetseiten, die untereinander verlinkt sind: Wie wollen berechnen wie gross die Wahrscheinlichkeit ist, bei zufälligem surfen, auf eine bestimmten Seite zu landen. (Larry Page und Sergei Brin) Christian Serpé (Universität Münster) 14. September / 56 Motivation Beispiel: Page Rank Wir stellen uns einen Surfer vor, der folgendermassen vorgeht: In 85 % der Fälle folgt er zufälligen einem Link auf der Seite auf der er sich gerade befindet. in 15 % der Fälle springt er zufällig auf irgend eine Seite (die nicht notwendigerweise direkt verlinkt ist). Wir wollen nun herausfinden mit welcher Wahrscheinlichkeit unser Surfer auf der Seite S1, S2 und S3 ist. Dazu sei p 1 die Wahrscheinlichkeit für S1, p 2 für S2 und p 3 für S3. Christian Serpé (Universität Münster) 14. September / 56

3 Beispiel: Page Rank Motivation Es ergeben sich nun folgenden Gleichungen: p 1 = (p p p ) p 2 = (p p p ) p 3 = (p p p 3 0) Wie schreiben diese Gleichungen noch einmal etwas strukturierter hin und erhalten: Christian Serpé (Universität Münster) 14. September / 56 Beispiel: Page Rank Motivation p p 3 = p 1 +p p 3 = p p 2 +p 3 = Dies ist ein lineares Gleichungssystem in den Unbekannte p 1, p 2, p 3. Löst man dies so erhält man: p , p , p Christian Serpé (Universität Münster) 14. September / 56

4 Beispiele Einfachster Fall Wir betrachten als erstes den Fall einer Unbekannten und einer Gleichung. Beispiel: 5x = 7 Wir suchen die Menge aller reellen Zahlen, die man für x einsetzen kann, so dass obige Gleichung gilt. Also: L = {t R t5 = 7} = { 7 5 } Christian Serpé (Universität Münster) 14. September / 56 Beispiele Zwei Unbekannte und zwei Gleichungen Als nächste betrachten wir den Fall mit zwei Unbekannten und zwei Gleichungen. x + 2y = 4 x y = 1 Wie suchen wieder die Lösungsmenge L := {(s, t) R 2 (s, t) erfüllen die beiden Gleichungen.} (1, 3 2 ) erfüllt die erste aber nicht die zweite Gleichung. (4, 3) erfüllt die zweite Gleichung aber nicht die erste. Christian Serpé (Universität Münster) 14. September / 56

5 grafische Lösungsweg Beispiele Christian Serpé (Universität Münster) 14. September / 56 grafische Lösungsweg Beispiele Christian Serpé (Universität Münster) 14. September / 56

6 Beispiele grafische Lösungsweg Christian Serpé (Universität Münster) 14. September / 56 Beispiele grafischer Lösungsweg Wir sehen also am letzten Bild, dass das (2, 1) die eindeutige Lösung des linearen Gleichungssystems ist. x + 2y = 4 x y = 1 L = {(2, 1)} Christian Serpé (Universität Münster) 14. September / 56

7 Allgemeines Vorgehen Manipulation von LGS Der folgende Satz ist wichtig für die rechnerische Lösung von linearen Gleichungssystemen. Satz: Die Lösungsmenge eines linearen Gleichungssystems über R ändert sich nicht unter den Operationen: Addition eines reellen Vielfachen einer Gleichung zu einer anderen Multiplikation einer Gleichung mit einer von Null verschiedenen Zahl Vertauschung zweier Gleichungen. Christian Serpé (Universität Münster) 14. September / 56 Allgemeines Vorgehen rechnerische Lösung Verwenden wir den Satz in unserem Beispiel so können wir folgendermassen vorgehen: x + 2y = 4 x y = 1 Wie ziehen von der zweiten Gleichung die erste Gleichung ab und erhalten: x + 2y = 4 3y = 3 Wie multiplizieren die zweite Gleichung mit 1 3 x + 2y = 4 y = 1 und erhalten: Christian Serpé (Universität Münster) 14. September / 56

8 Allgemeines Vorgehen rechnerische Lösung x + 2y = 4 y = 1 Nun ziehen wir von der ersten Gleichung zweimal die zweite ab und erhalten: Und somit also die Lösung: x = 2 y = 1 L := {(2, 1)} Christian Serpé (Universität Münster) 14. September / 56 Allgemeines Vorgehen allgemeines Vorgehen Generell kann man beim Lösen folgendermassen vorgehen: 1 Bringe das Gleichunssystem auf Zeilenstufenform. 2 Vertausche die Positionen der Unbekannten, so dass nur noch einfache Stufen vorliegen. 3 Bringe das Gleichungssystem auf eine Form, bei der der erste Koeffizient stets 1 ist und oberhalb der Stufe nichts mehr steht. Wie sehen jetzt an Beispielen, was das genau bedeutet. Christian Serpé (Universität Münster) 14. September / 56

9 1. Beispiel I Allgemeines Vorgehen Wir betrachten folgenden lineares Gleichungssystem: x 1 + 3x 3 + 5x 4 + 6x 5 = 3 2x 1 + 2x 2 6x 3 14x 4 8x 5 = 2 x 1 + 2x 2 + 3x 3 + 3x x 5 = 7 Wir sind natürliche wieder an der Lösungsmenge dieses Gleichungssystem interessiert, also: L := {(t 1, t 2, t 3, t 4, t 5 ) R 5 (t 1, t 2, t 3, t 4, t 5 ) erfüllen alle drei Gleichungen.} Christian Serpé (Universität Münster) 14. September / Beispiel II Allgemeines Vorgehen x 1 + 3x 3 + 5x 4 + 6x 5 = 3 2x 1 + 2x 2 6x 3 14x 4 8x 5 = 2 x 1 + 2x 2 + 3x 3 + 3x x 5 = 7 Wie addieren zur zweiten Gleichung 2 mal die erste und subtrahieren von der dritten 1 mal die erste. x 1 + 3x 3 + 5x 4 + 6x 5 = 3 2x 2 4x 4 + 4x 5 = 4 2x 2 2x 4 + 4x 5 = 4 Wir ziehen 1 mal die zweite Gleichung von der dritten Gleichung ab Christian Serpé (Universität Münster) 14. September / 56

10 1. Beispiel III Allgemeines Vorgehen x 1 + 3x 3 + 5x 4 + 6x 5 = 3 2x 2 4x 4 + 4x 5 = 4 2x 4 = 0 Wir vertauschen die Position der dritten und vierten Variablen. x 1 + 5x 4 + 3x 3 + 6x 5 = 3 2x 2 4x 4 + 4x 5 = 4 2x 4 = 0 Wir multiplizieren die zweite und dritte Gleichung mit 1 2. Christian Serpé (Universität Münster) 14. September / Beispiel IV Allgemeines Vorgehen x 1 + 5x 4 + 3x 3 + 6x 5 = 3 x 2 2x 4 + 2x 5 = 2 x 4 = 0 Wir addieren 2 mal die dritte Gleichung zur zweiten und subtrahieren 5 mal die dritte Gleichung von der ersten. x 1 + 3x 3 + 6x 5 = 3 x 2 + 2x 5 = 2 x 4 = 0 Christian Serpé (Universität Münster) 14. September / 56

11 1.Beispiel V Allgemeines Vorgehen Wir können x 3 und x 5 frei wählen und die anderen Unbekannten dann mit Hilfe von x 3 und x 5 ausdrücken. s, t R beliebig, x 3 := s, x 5 := t, x 1 = 3 3s 6t, x 2 = 2 2t, x 4 = 0 Also haben wir folgende Lösungsmenge: L = {(3 3s 6t, 2 2t, s, 0, t) R 5 s, t R} So kann man im Prinzip jedes lineare Gleichungssystem lösen, und dieses Verfahren heisst Gaußsches Eliminationsverfahren. Christian Serpé (Universität Münster) 14. September / Beispiel I Allgemeines Vorgehen Wir betrachten folgenden lineares Gleichungssystem: x 1 + 3x 2 + 5x 3 = 7 3x 1 + 9x x 3 = 11 2x 2 + 7x 3 = 6 2x 1 + 8x x 3 = 10 Ziehen wir von der zweiten Gleichung 3 mal die erste und von der vierten Gleichung 2 mal die erste ab, so erhalten wir: x 1 + 3x 2 + 5x 3 = 7 5x 3 = 10 2x 2 + 7x 3 = 6 2x 2 + 2x 3 = 4 Wir vertauschen die vierte und zweite Gleichung: Christian Serpé (Universität Münster) 14. September / 56

12 2. Beispiel II Allgemeines Vorgehen x 1 + 3x 2 + 5x 3 = 7 2x 2 + 2x 3 = 4 2x 2 + 7x 3 = 6 5x 3 = 10 Wir ziehen von der dritten Gleichung die zweite ab: x 1 + 3x 2 + 5x 3 = 7 2x 2 + 2x 3 = 4 5x 3 = 10 5x 3 = 10 Wir addieren zur vierten Gleichung die dritte hinzu: Christian Serpé (Universität Münster) 14. September / Beispiel III Allgemeines Vorgehen x 1 + 3x 2 + 5x 3 = 7 2x 2 + 2x 3 = 4 5x 3 = 10 0 = 0 Wir multiplizieren die Gleichungen mit geeigneten Konstanten: x 1 + 3x 2 + 5x 3 = 7 x 2 + x 3 = 2 x 3 = 2 Wir ziehen von der ersten Gleichung 5 mal die dritte und von der zweiten Gleichung 1 mal die dritte ab: Christian Serpé (Universität Münster) 14. September / 56

13 2. Beispiel IV Allgemeines Vorgehen x 1 + 3x 2 = 3 x 2 = 4 x 3 = 2 Wir ziehen von der ersten Gleichung 3 mal die zweite ab: x 1 = 9 x 2 = 4 x 3 = 2 Und erhalten eine eindeutige Lösung. Christian Serpé (Universität Münster) 14. September / 56 R n als Vektorraum Der Vektorraum R n Es sei n N eine natürliche Zahl. Wir betrachten: x 1 R n := {. x n x 1,..., x n R} und definieren auf dieser Menge eine Addition: x 1 y 1 x 1 + y :=. x n y n x n + y n Diese Verknüpfung ist kommutativ und assoziativ, d.h. es gilt Für alle x, y, z R n gilt: x + y = y + x und (x + y) + z = x + (y + z) Christian Serpé (Universität Münster) 14. September / 56

14 R n als Vektorraum Der Vektorraum R n Ist r R und durch: x 1. x n R n so definieren wir die skalare Multiplitkation r x 1. x n := r x 1. r x n Bem.: Eine Menge mit einer Additionen und einer reellen skalaren Multiplikation wie oben, mit ein paar zusätzlichen Eigenschaften, nennt man einen R Vektorraum. Diese werden in der Vorlesung Lineare Algebra genaustens studiert. Christian Serpé (Universität Münster) 14. September / 56 Beispiel:R 2 Der Vektorraum R n ( ) R 2 x = { x, y R} y Nach Wahl eines Koodinatensystems kann man den R 2 mit einer Ebenen identifizieren und die Addition und skalare Multiplikation erhalten eine geometrische Bedeutung. Christian Serpé (Universität Münster) 14. September / 56

15 Matrix Def.: Es seien n, m N natürliche Zahlen. Eine m n Matrix über den reellen Zahlen ist ein Zahlenschema der Form a 11 a a 1n a 21 a a 2n.... a m1 a m2... a mn mit reellen Zahlen a ij R. (m Zeilen, n Spalten) (Zeilen zuerst und Spalten später) Christian Serpé (Universität Münster) 14. September / 56 Matrixmultiplikation Ist nun A = B = a a 1n.. eine m n Matrix und a m1... a mn b b 1k.. b n1... b nk eine n k Matrix, so definieren wir wie folgt das Produkt C := A B als eine m k Matrix C := c ij := a i1 b 1j + a i2 b 2j + + a in b nj für i = 1,..., m und j = 1,..., k. c c 1k.. mit c m1... c mk Christian Serpé (Universität Münster) 14. September / 56

16 Beispiel: Matrix Multiplikation I Zunächst ein einfaches Beipiel: ( ) = ( 4) = 17 0 Christian Serpé (Universität Münster) 14. September / 56 Beispiel: Matrix Multiplikation II A := , B := 0 3 ( 2 1 ) ( ) ( 2 1 ) ( 9 ) ( ) ( 1 0 ) ( 2 1 ) 0 3 A B = Christian Serpé (Universität Münster) 14. September / 56

17 Gleichungssysteme und Matrixmultiplikation Das Lösen eine linearen Gleichungssystems a 11 x 1 + +a 1n x n = b 1... a m1 x 1 + +a mn x n = b m enspricht nun dem Lösen der Matrixgleichung A x 1. x n = b 1. b m mit A := a a 1n.. a m1... a mn Christian Serpé (Universität Münster) 14. September / 56 Gleichungssysteme und Matrixmultiplikation Insbesonder gilt also: x 1 L = {. x n R n A x 1. x n = b 1. b m } Christian Serpé (Universität Münster) 14. September / 56

18 Bemerkung Ist A eine m n Matrix so definiert diese wie folgt eine Abbildung indem man x 1. x n auf A x 1. x n x, y R n und r R folgendes gilt: und R n R m abbildet. Man stellt fest das für A (x + y) = A x + A y A (r x) = r A x gilt. Solche Abbildungen von R n nach R m heissen lineare Abbildungen und man kann die Menge aller solcher linearen Abbildungen mit der Menge aller m n identifizieren. Christian Serpé (Universität Münster) 14. September / 56 Assoziativität der Matrixmultiplikation Es gilt: Die Matrixmultiplikation ist assoziativ, i.e. für A, B und C gilt: (A B) C = A (B C) (vorausgesetzt man kann die miteinander multiplizieren) Bem.: Im Allgemeinen gilt nicht: A B = B A Christian Serpé (Universität Münster) 14. September / 56

19 Einheitsmatrizen Def.: Es sei n N eine natürliche Zahl I n := ist eine n n Matrix und heisst n n Einheitsmatrix. Es gilt: Für m, n N und eine m n Matrix A gilt: A I n = A I m A = A Christian Serpé (Universität Münster) 14. September / 56 Invertierbare Wir betrachten nun den Fall quadratischer. Es sei also A eine n n Matrix. Wir fragen uns nun: Gibt es eine n n Matrix B mit B A = I n Def.: Eine solche Matrix A nennen wir invertierbar. Bem.: Obwohl, wie schon erwähnt, die Matrixmultiplikation nicht kommutativ ist gilt aber hier dennoch: Ist B A = I n so gilt auch A B = I n. Christian Serpé (Universität Münster) 14. September / 56

20 Invertierbare und lineare Gleichungssysteme Ist A invertierbar, so kann man ein lineares Gleichungssystem wir folgt lösen: A x = b A x = b Wir multiplizieren beide Seiten von links mit der zu A inversen Matrix B und erhalten B (A x) = B b Nutzen wir die Assoziativität der Matrixmultiplikation aus so erhalten wir: x = B b Man kann sich nun überlegen, das dies sogar Äquivalenzumformungen waren und erhält so die eindeutige Lösung des Gleichungssystems. Christian Serpé (Universität Münster) 14. September / 56 Invertieren einer Matrix Es stellt sich nun die Frage, wie man entscheiden kann ob eine n n Matrix invertierbar ist und wie man in diesem Fall die Inverse dieser Matrix berechnen kann. Christian Serpé (Universität Münster) 14. September / 56

21 Beispiel: Invertieren einer Matrix Wir wollen die Matrix A := invertieren, dass heisst wir suchen eine 3 3 Matrix B mit B A = I 3 = Dazu schreiben betrachten wir die folgende erweiterte Matrix: Christian Serpé (Universität Münster) 14. September / 56 Invertieren einer Matrix Jetzt verwenden wir die folgenden Operationen Addition eines reellen Vielfaches einer Zeile zu einer anderen Multiplikation einer Zeile mit einer von 0 verschiedenen Zahl Vertauschen von Zeilen so, dass am Ende auf der linken Seite die Einheitsmatrix I 3 steht. Dann, das kann man beweisen, ist die rechte Seite die zu A inverse Matrix. Christian Serpé (Universität Münster) 14. September / 56

22 Beispiel: Invertieren einer Matrix II neu = II alt 3I alt und III neu = III alt I alt III neu = III alt 2II alt Christian Serpé (Universität Münster) 14. September / 56 Beispiel: Invertieren einer Matrix I neu = I alt III alt und III neu = ( 1) III alt Christian Serpé (Universität Münster) 14. September / 56

23 Invertieren einer Matrix Wir machen die Probe: = Stimmt! Führt diese Verfahren (bei richtiger Anwendung) nicht zum Ziel, so ist die Matrix mit der man gestartet ist, nicht invertierbar. Christian Serpé (Universität Münster) 14. September / 56 Inverse Matrix und lineare Gleichungssysteme Wir wollen nun an diesem Beispiel sehen, wir die Lösung eines linearen Gleichungssystem mit der Inversen Matrix bestimmen können. Wir betrachten das folgenden lineare Gleichungssystem: x 1 + x 3 = 3 3x 1 + x 2-3x 3 = 5 x 1 + 2x 2-2x 2 = 1 Das entspricht der Matrixgleichung: x 1 A x 2 = x Christian Serpé (Universität Münster) 14. September / 56

24 Inverse Matrix und lineare Gleichungssysteme Dann folgt wie wir eben gesehen haben: x x 2 = B 5 = = x Christian Serpé (Universität Münster) 14. September / 56 Lineare Optimierung Lineare Optimierung Beispielproblem Ein Betrieb stellt 2 Typen von Metallteilen aus Stahlblech her. Produkt 1 bringt einen Gewinn von 50 EUR und Produkt 2 einen Gewinn von 60 EUR. Zur Herstellung werden eine Stanze und eine Presse verwendet. Für Produkt 1 werden 5 Minuten an der Stanze und 10 Minuten an der Presse benötigt. Für Produkt 2 werden 9 Minuten an der Stanze und 3 Minuten an der Presse benötigt. Weiter hat man folgende einschränkende Bedingungen: Die Stanzenlaufzeit ist pro Woche auf 2250 Minuten beschränkt. Die Pressenlaufzeit ist pro Woche auf 3000 Minuten beschränkt. Produkt 2 hat noch einen Kunststoffmantel, für den 2 l Kunststoff pro Stück benötigt wird, wobei pro Woche nur 400 l Kunststoff zur Verfügung stehen. Stahlblech steht in beliebiger Menge zur Verfügung. Wie ist nun die Produktion auf die Produkte 1 und 2 aufzuteilen, um den Gewinn zu maximieren? Christian Serpé (Universität Münster) 14. September / 56

25 Lineare Optimierung Beispielproblem Übersetzung in mathematische Formeln Wir übersetzen die Aufgabe zunächst in mathematische Formeln: Es sei: x 1 := Die Anzahl der pro Woche hergestellten Produkte vom Typ 1 x 2 := Die Anzahl der pro Woche hergestellten Produkte vom Typ 2 Der Gewinn berechnet sich demnach durch: G(x 1, x 2 ) := x x 2 60 Christian Serpé (Universität Münster) 14. September / 56 Lineare Optimierung Beispielproblem Übersetzung in mathematische Formeln Die einschränkenden Bedingungen übersetzen sich jetzt in folgende Ungleichungen: 1 x x x 1 + 9x x 1 + 3x x Wir wollen also nun den Punkt x 1, x 2 R finden, der den Ungleichungen genügt und auf der die Funktion G unter diesen Bedingungen maximal wird. Christian Serpé (Universität Münster) 14. September / 56

26 graphische Lösung Lineare Optimierung Beispielproblem Christian Serpé (Universität Münster) 14. September / 56 Lineare Optimierung rechnerischen Lösung Beispielproblem Wie kann man das Ergebniss berechnen? Hierzu betrachten wir gleich die allgemeine Situation: Es seien also Grössen x 1,..., x n sowie folgende lineare einschränkende Bedingungen gegeben: a 11 x a 1n x n b 1 a 21 x a 2n x n b 2 a m1 x a mn x n b m mit a ij R, b i R. Ausserdem sei eine lineare Zielfunktion gegeben. g(x 1,..., x n ) = c 1 x 1 + c 2 x c n x n Christian Serpé (Universität Münster) 14. September / 56.

27 rechnerische Lösung Lineare Optimierung Rechnerisches Lösungsverfahren Wie nehmen ausserdem an, dass durch die obigen Ungleichungen eine Menge definiert ist, die nicht leer ist und die beschränkt ist. (In der Praxis ist dies im allgemeinen erfüllt.) Ähnlich wie im obigen Beispiel kann man sich überlegen, dass das Maximum wieder auf einer Ecke liegt. Dabei findet man eine Ecke wie folgt: Man nimmt n der m Ungleichungen und ersetzt das Ungleichheitszeichen durch ein Gleichheitszeichen. Ist dieses Gleichungssystem eindeutig lösbar und genügt die Lösung noch allen anderen Ungleichungen so ist diese Lösung eine Ecke des zulässigen Bereiches. So kann man alle Ecken ausrechnen und dann die Zielfunktion auf allen Ecken auswerten. Die Ecke(n) mit dem max. Wert ist(sind) dann Lösung(en) unseres Problems. Christian Serpé (Universität Münster) 14. September / 56 Lineare Optimierung Rechnerisches Lösungsverfahren Rechnerische Lösung des Beispiels Zur Veranschaulichung betrachten wir wieder unser Beispiel: (1) und (2) Lösung : x 1 = 0, x 2 = 0 g(0, 0) = 0 (1) und (3) Lösung : x 1 = 0, x 2 = 250 keine zul. Ecke (1) und (4) Lösung : x 1 = 0, x 2 = 1000 keine zul. Ecke (1) und (5) Lösung : x 1 = 0, x 2 = 200 g(0, 200) = (2) und (3) Lösung : x 1 = 450, x 2 = 0 keine zul. Ecke (2) und (4) Lösung : x 1 = 300, x 2 = 0 g(300, 0) = (2) und (5) Lösung : keine Lösung keine Ecke (3) und (4) Lösung : x 1 = 270, x 2 = 100 g(270, 100) = (3) und (5) Lösung : x 1 = 90, x 2 = 200 g(90, 200) = (4) und (5) Lösung : x 1 = 240, x 2 = 200 keine zul. Ecke Christian Serpé (Universität Münster) 14. September / 56

28 Lineare Optimierung Simplexverfahren Simplexverfahren Wie man an diesem Beispiel schon sieht, ist dieses Verfahren sehr aufwendig. Ein etwas schnelleres und geschickteres Verfahren ist das Simplexverfahren. Es beruht auf dem folgendem Satz: Satz: In jedem Eckpunkt, in dem die Zielfunktion nicht Ihr Maximum annimmt, endet eine Kante auf der eine weitere Ecke liegt an der die Zielfunktion echt grösser ist. Christian Serpé (Universität Münster) 14. September / 56 Lineare Optimierung Simplexverfahren Simplexverfahren Daraus ergibt sich folgendes sogenannte Simplex-Verfahren: 1 Man startet mit einer beliebigen zulässigen Ecke. 2 Dann berechnet man alle benachtbarten zulässigen Ecken und wertet die Zielfunktion auf der momentanen und allen benachtbarten Ecken aus. 3 Ist die Zielfunktion auf der momentanen Ecke grösser-gleich als auf allen benachtbarten Ecken so ist man fertig. Ansonsten geht man zu einer benachtbarten Ecke über, auf der die Zielfunktion grösser ist und fährt dann wieder mit Schritt 2 fort. Christian Serpé (Universität Münster) 14. September / 56

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe

Mehr

Brückenkurs Elementarmathematik

Brückenkurs Elementarmathematik Brückenkurs Elementarmathematik IV. Ungleichungen November 13, 2013 Inhalt 1 Ungleichungen 2 Umformungen von Ungleichungen 2.1 Äquivalenzumformungen 2.2 Addition und Multiplikation von Ungleichungen 3

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

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

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

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 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

Mehr

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte. Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum

Mehr

Matrizen und Determinanten

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

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

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

Mehr

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 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:

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13

Corinne Schenka Vorkurs Mathematik WiSe 2012/13 4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2010 9. April 2010 Eine Maximumsaufgabe Eine Firma stellt aus

Mehr

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

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

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

Mathematischer Vorbereitungskurs für Ökonomen Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Ungleichungen Inhalt: 1. Grundlegendes 2. Lineare Ungleichungen 3. Ungleichungen mit

Mehr

Lösungen zum 5. Aufgabenblatt

Lösungen zum 5. Aufgabenblatt SS 2012, Lineare Algebra 1 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

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare Gleichungssysteme (Teschl/Teschl 11.1) Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg Spezialfälle und Rechenregeln Spezialfälle der Matrimultiplikation A = (m

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor) Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

1. Funktionen. 1.3 Steigung von Funktionsgraphen

1. Funktionen. 1.3 Steigung von Funktionsgraphen Klasse 8 Algebra.3 Steigung von Funktionsgraphen. Funktionen y Ist jedem Element einer Menge A genau ein E- lement einer Menge B zugeordnet, so nennt man die Zuordnung eindeutig. 3 5 6 8 Dies ist eine

Mehr

Es wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form

Es wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt

Mehr

Basistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=%

Basistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Basistext Lineare Gleichungssysteme Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Mit zwei Unbekannten gibt es die allgemeine Form:! #+% '=( Gelten mehrere dieser Gleichungen

Mehr

3.4 Der Gaußsche Algorithmus

3.4 Der Gaußsche Algorithmus 94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,

Mehr

Zahlen und elementares Rechnen

Zahlen und elementares Rechnen und elementares Rechnen Christian Serpé Universität Münster 7. September 2011 Christian Serpé (Universität Münster) und elementares Rechnen 7. September 2011 1 / 51 Gliederung 1 2 Elementares Rechnen 3

Mehr

Wiederholung von Äquivalenzumformungen (Lösen linearer Gleichungen): Wiederholung von Äquivalenzumformungen (Lösen von Ungleichungen):

Wiederholung von Äquivalenzumformungen (Lösen linearer Gleichungen): Wiederholung von Äquivalenzumformungen (Lösen von Ungleichungen): Prof. U. Stephan WiIng 1. Wiederholung von Äquivalenzumformungen (Lösen linearer Gleichungen): Bitte lösen Sie die folgenden Aufgaben und prüfen Sie, ob Sie Lücken dabei haben. Bestimmen Sie jeweils die

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung In der linearen

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Vektorräume und Rang einer Matrix

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

Mehr

( ) Lineare Gleichungssysteme

( ) Lineare Gleichungssysteme 102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

Mehr

6 Gleichungen und Gleichungssysteme

6 Gleichungen und Gleichungssysteme 03.05.0 6 Gleichungen und Gleichungssysteme Äquivalente Gleichungsumformungen ( ohne Änderung der Lösungsmenge ).) a = b a c = b c Addition eines beliebigen Summanden c.) a = b a - c = b - c Subtraktion

Mehr

Lineare Gleichungssysteme

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

Mehr

Gleichungsarten. Quadratische Gleichungen

Gleichungsarten. Quadratische Gleichungen Gleichungsarten Quadratische Gleichungen Normalform: Dividiert man die allgemeine Form einer quadratischen Gleichung durch a, erhält man die Normalform der quadratischen Gleichung. x 2 +px+q=0 Lösungsformel:

Mehr

7 Lineare Gleichungssysteme

7 Lineare Gleichungssysteme 118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,

Mehr

2. Spezielle anwendungsrelevante Funktionen

2. Spezielle anwendungsrelevante Funktionen 2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Quadratische Matrizen

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

Mehr

Aufgaben zu Kapitel 14

Aufgaben zu Kapitel 14 Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt

Mehr

6. Übungsblatt zur Mathematik I für Maschinenbau

6. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Inverse 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.

Mehr

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 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

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, Page 1 of 5 Die Determinante wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige

Mehr

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,

Mehr

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation . Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare

Mehr

4.4. Rang und Inversion einer Matrix

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

Mehr

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11

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)

Mehr

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m

Mehr

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis

Mehr

Gruber I Neumann. Erfolg in VERA-8. Vergleichsarbeit Mathematik Klasse 8 Gymnasium

Gruber I Neumann. Erfolg in VERA-8. Vergleichsarbeit Mathematik Klasse 8 Gymnasium Gruber I Neumann Erfolg in VERA-8 Vergleichsarbeit Mathematik Klasse 8 Gymnasium . Zahlen Zahlen Tipps ab Seite, Lösungen ab Seite 0. Zahlen und Zahlenmengen Es gibt verschiedene Zahlenarten, z.b. ganze

Mehr

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

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

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Gleichungen und Ungleichungen

Gleichungen und Ungleichungen Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme. Kapitel 3 Gleichungen und Ungleichungen linke Seite = rechte Seite Grundmenge: Menge aller Zahlen, die wir als Lösung der Gleichung

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Rang und Inverses einer Matrix

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

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme.2 Determinanten 3 iii 2 LINEARE GLEIHUNGSSYSTEME UND DETERMINANTEN KAPITEL

Mehr

TI-89. Gleichungssysteme

TI-89. Gleichungssysteme TI-89 Gleichungssysteme Hans Berger 005 Lineare Gleichungssysteme Der TI-89 kann beliebige Objekte in Variable speichern, auch ganze Gleichungen. Man kann somit beliebige Gleichungen z.b. in g1, g, g3,

Mehr

Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA

Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch e-mail: theorie@ronaldbalestra.ch 19. Oktober 2009 Überblick über die bisherigen

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

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

Mehr

Mathematik 1, Teil B. Inhalt:

Mathematik 1, Teil B. Inhalt: FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen. 1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Definition, Rechenoperationen, Lineares Gleichungssystem

Definition, Rechenoperationen, Lineares Gleichungssystem Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen

Mehr

1.9 Ungleichungen (Thema aus dem Gebiet Algebra)

1.9 Ungleichungen (Thema aus dem Gebiet Algebra) 1.9 Ungleichungen (Thema aus dem Gebiet Algebra) Inhaltsverzeichnis 1 Ungleichungen 2 2 Intervalle 2 3 Äquivalenzumformungen bei Ungleichungen 3 4 Doppelungleichungen 5 4.1 Verfahren, um Doppelungleichungen

Mehr

12 Lineare Gleichungssysteme

12 Lineare Gleichungssysteme 12 12.1 Einführung Ein lineares Gleichungssystem besteht aus mehreren linearen Gleichungen, die verschiedene Variablen enthalten können. Wir werden uns im Wesentlichen auf Gleichungssysteme mit zwei Variablen

Mehr

Lineare Gleichungsen + Lineare Funktionen

Lineare Gleichungsen + Lineare Funktionen 29. Mai 2006 Gliederung 1 2 Anmerkungen Bitte nummeriert die Zeilen! Bitte benutzt eine Büroklammer! Bitte nicht abschreiben! Anmerkungen Bitte nummeriert die Zeilen! Bitte benutzt eine Büroklammer! Bitte

Mehr

Lineare Algebra 1. Roger Burkhardt

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

Mehr

Lineare Algebra - alles was man wissen muß

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

Mehr

Explizite Formeln für rekursiv definierte Folgen

Explizite Formeln für rekursiv definierte Folgen Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als

Mehr

Axiomatische Beschreibung der ganzen Zahlen

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

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

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

Mehr

Gleichungen und Gleichungssysteme 5. Klasse

Gleichungen und Gleichungssysteme 5. Klasse Gleichungen und Gleichungssysteme 5. Klasse Andrea Berger, Martina Graner, Nadine Pacher Inhaltlichen Grundlagen zur standardisierten schriftlichen Reifeprüfung Inhaltsbereich Algebra und Geometrie (AG)

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme 52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte

Mehr

5.1 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

5.1 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

Mehr

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2

Mehr

Zahlen und elementares Rechnen (Teil 1)

Zahlen und elementares Rechnen (Teil 1) und elementares Rechnen (Teil 1) Dr. Christian Serpé Universität Münster 6. September 2010 Dr. Christian Serpé (Universität Münster) und elementares Rechnen (Teil 1) 6. September 2010 1 / 40 Gliederung

Mehr