V DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren
|
|
- Gesche Hochberg
- vor 7 Jahren
- Abrufe
Transkript
1 SKRIPTUM { LINEARE ALGEBRA II JB COOPER Inhaltsverzeichnis: x Determinanten x Eigenwerte x Euklidische Raume x8 Dualitat, Tensorprodukte, Alternierende Formen Anhang: ) Mengen, Abbildungen ) Gruppen ) Die komplexen Zahlen
2 V DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren I Betrachten wir das einfache Gleichungssystem: Die Losung ist x = ed fb ad bc ; ax + by = e cx + dy = f af ce y = ad bc falls ad bc = 0, oder, wenn wir die Bezeichnung a b = ad bc c d einfuhren, x = e f a c Wir stellen daher folgende Frage: Gibt es eine Funktion b a d c ; y = b a d c : M n! R; soda die Losung von AX = Y folgendermaen gegeben wird: e f b d wobei (falls A = 0)? A i = x i = A i A a : : : a i y a i+ : : : a n a n : : : y n : : : a nn Wir werden unten sehen, da eine solche Funktion tatsachlich existiert II Erinnern wir uns, da ad bc = a c b d
3 der Flacheninhalt des von den Vektoren (a; c) und (b; d) aufgespannten Parallelogramms ist Anderseits gilt: a b (a; c) = fe, (c; d) = fe wobein e = (; 0), e = (0; ) und f der von erzeugte c d Operator ist Eine naturliche Verallgemeinerung der -dimensionalen Determinante ware daher: Sei A = [ ; : : : ; ] eine n n Matrix, wobie A i die i-te Spalte von A ist Wir denieren A = das Volumen des von ; : : : ; aufgespannten Parallelopeds = das Volumen des Bildes bzgl f A des Einheitswurfels f( ; : : : ; n ): 0 i ; i = ; : : : ; ng Geometrisch ist dann klar, da a) I n = ; b) ist linear in jeder Spalte dh [ ; : : : ; A i + A 0 i ; : : : ; ] = [ ; : : : ; ] + [ ; : : : ; A 0 i ; : : : ; ] : c) falls A i = fur irgendwelche i; j mit i = j, dann ist (A) = 0 Wir werden jetzt zeigen, da eine Funktion mit diesen Eigenschaften existiert (Tatsachlich werden wir die Existenz einer Funktion, die bezuglich der Zeilen linear ist, beweisen Spater werden wir allerdings sehen, da sie dann automatisch linear bzgl der Spalten ist) Genauer: Es gibt genau eine Funktion : M n! R mit den Eigenschaften (i) ist linear in jeder Zeile (ii) I n = (iii) vertauscht man zwei Zeilen einer Matrix A, so andert sich das Vorzeichen der Determinanten Bevor wir beweisen, da eine solche Abbildung existiert, werden wir einige ihrer Eigenschaften untersuchen(!!!) I Sind zwei Zeilen einer Matrix A gleich, so gilt A = 0 (Denn nach (iii) gilt A = A (vertausche die identischen Zeilen!)) II Ersetzt man die i-te Zeile A i von A mit der Summe A i + (i = j), so andert sich die Determinante nicht Dh A i = A i +
4 Denn A i + = A i + (Linearitat) = ( = 0 nach I): III A = 0 falls eine Zeile linear abhangig von den anderen ist Denn sei = + + j + j n, dann gilt: : : : : : : : = + + j + j n + = X i<j i A i A i + X i>j i A i A i = 0 IV A = 0 falls Rang A < n V Es gibt hochstens eine Abbildung mit Eigenschaften (i) { (iii) Denn seien, solche Abbildungen Dann gilt A = 0 = A falls rang A < n Betrachten
5 wir daher Matrizen A mit Rang n Wir wissen, da wir A durch elementare Zeilenumformungen in die Einheitsmatrix I tranformieren konnen Es gilt I n = I n und jede Umformung induziert dieselbe Anderung in bzw Daher gilt A = A Wir beweisen jetzt die Existenz einer Abbildung mit obigen Eigenschaften Wir fuhren einen Induktionsbeweis nach n durch: Fur n = ist die Aussage klar (setze [a] = a) Der Schritt n! n Wir denieren: A = a a + + ( ) n+ a n = nx i= ( ) +i a i A i wobei A i die (n ) (n ) Matrix ist, die man durch Weglassen der ersten Spalte und der i-ten Zeile bekommt (NB jedes A i ist eine (n ) (n ) Matrix { daher ist A i deniert (Induktionshypothese)) Wir zeigen, da diese Abbildung die Eigenschaften (i) { (iii) besitzt: ) Linearitat in der k-ten Zeile; die Determinanten von ; ; : : : ; A k ; ; A k+; ; : : : ; sind linear, nach der Induktionsvoraussetzung Der Ausdruck a k A k ist linear in a k und A k ist unabhangig von A k ) I n = { einfacher Induktionsbeweis: ) Sei A = A i ; A 0 = A = a + + ( ) +i a i A i + a n A 0 = a A 0 a A ( ) +i a 0 i A 0 i + a 0 n A 0 n : Fur k = i oder j ist A 0 k einfach A k mit zwei Zeilen vertauscht Daher gilt A 0 k = A k (Induktionsannahme) A i
6 An der i-ten Stelle der Entwicklung von A bzw der j-ten Spalte der Entwicklung von A 0 stehen die Ausdrucke ( ) +i a i d A i A i+ bzw ( ) +j a i d A i A i+ + wobei das Dach bedeutet, da die erste Spalte gestrichen ist Man kann die zweite Matrix in die erste uberfuhren, indem man j i Zeilenvertauschungen durchfuhrt Daher gilt: also d A i A i+ = ( ) j i d A i A i+ ( ) +i a i A i = ( ) +j a 0 i A 0 i Ahnlicherweise gilt Damit gilt A 0 = A Der Ausdruck ( ) +j a j = ( ) +i a 0 i A 0 i A = a a + : : : heit die Entwicklung von ach der ersten Spalte Ahnlicherweise kann man A nach der j-ten Spalte entwickeln: A = nx i= ( ) i+j a ij A ij
7 wobei A ij die (n ) (n ) Matrix, die man durch Weglassen von der i-ten Zeilen und der j-ten Spalte bekommt, ist Der gleiche Beweis wie oben zeigt, da dieser Ausdruck auch Eigenschaften (i) { (iii) besitzt Die Formel folgt dann aus der Eindeutigkeit Als Beispiel zeigen wir, da die Determinante A einer Dreiecksmatrix a a : : : a n 0 a : : : a n 0 0 : : : a nn gleich das Produkt a a : : : a nn der diagonalen Elemente ist Denn wenn wir ach der ersten Spalte entwickeln, sehen wir, da A = a a : : : : : : : : : a n 0 : : : : : : : : : a n 0 : : : : : : : : : a nn Das gesuchte Ergebnis folgt mit Hilfe der mathematischen Induktion Nach diesem Beispiel kann man folgenden Algorithmus zur Rechnung von Determinanten verwenden Mit Hilfe der Gau'schen Elimination reduziert man A auf eine Dreiecksmatrix, deren Determinante man leicht ausrechnen kann Am bequemsten macht man das wie folgt: Beispiel: Berechne 0 0 0
8 A = = = 0 = 0 = 0 0 = = 0 0 = (Eigentlich wurde man bei Schritt (x) aufhoren und die Determinante wie im Kap II ausrechnen) Wir haben gesehen, da A = 0 falls die Zeilen von A linear abhangig sind, dh falls Rg A < n Jetzt zeigen wir, da die Umkehrung gilt, dh Rg A = n oder A ist invertierbar genau dann, wenn A = 0 Aber falls Rg A = n, dann konnen wir A durch Anwendung von elementaren Zeilenformungen aus I n gewinnen Da I n = = 0 und die Zeilenformungen die folgende Wirkung auf die Determinante haben, gilt A = 0 ) Austausch von A i und : Multiplikation mit ) A i! A i + : Determinante unverandert ) A i! A i ( = 0): Multiplikation mit Mit diesen Eigenschaften ist es jetzt fast trivial, die Multiplikativitat der Determinante zu beweisen Es gilt namlich: AB = A B Denn die Abbildung A! AB erfullt die Bedingungen (i) und (iii) Wir betrachten jetzt zwei Falle: a) B = 0 Dann erfullt AB A! B
9 AB Bedingungen (i) { (iii) { also gilt = A (Eindeutigkeit!) B b) B = 0 Dann gilt Rang B < n und daher Rang AB < n dh AB = 0 Inverse und Determinanten: Sei A eine n n Matrix Wir fuhren die Matrix ein Sei (adj A)A = [b ik ] Dann gilt: adj A = [( ) i+j i ] b ik = ( ) i+ i a k + ( ) i+ A i a k + + ( ) i+n i a nk Daraus folgt: b ii = A Denn rechts steht die Entwicklung von A bzgl der i-ten Spalte Anderseits gilt b ik = 0 falls i = k: Denn in diesem Fall haben wir die Entwicklung von ~ A bzgl der k-ten Spalte, wobei ~A die Matrix ist, die man erhalt, wenn man die i-te Spalte von A durch die k-te Spalte ersetzt Es gilt ~ A = 0, weil Rg ~ A < n Damit haben wir folgende Formel bewiesen adj A:A = ( A):I n Satz: Sei A eine n n Matrix mit A = 0 Dann ist A invertierbar und A = A adj A = A [( )i+j i ]: Bis jetzt sind wir bei der Behandlung von Determinanten von der Linearitat bzgl der Zeilen ausgegangen Genauso logisch ware es gewesen, eine Funktion zu nden, die linear bzgl den Spalten ware Analoge Uberlegungen wie oben fuhren zu einer Funktion Det mit der Eigenschaft: Wir werden jetzt sehen, da Det A: = nx j= ( ) i+j a ij Det A ij : A = Det A soda auch automatisch linear bzgl der Spalten ist Zunachst folgende Bemerkung Es gilt: Det A = 0 genau dann, wenn A = 0
10 Denn A = 0 (bzw Det A = 0) genau dann, wenn der Zeilenrang (bzw Spaltenrang) von A kleiner als n ist Dh Det(A) = A fur nicht invertierbare Matrizen Sei daher A invertierbar Wir wissen, da A = A = A:I n Wir fuhren jetzt einen Induktionsbeweis nach n durch n = : [a] = a = Det[a] n! n: Aus der Formel A(adj A) = A:I n sehen wir, da A = = nx j= nx j= ( ) i+j a ij A ij ( ) i+j a ij Det A ij (Induktionsannahme) = Det A (Entwicklung von Det ach der i-ten Zeile) Eine nutzliche Formel zum Ausrechnen von Determinanten ist die folgende: Sei A eine n n Matrix mit Blockdarstellung B C A = 0 D wobei B eine n n Matrix ist Dann gilt: A = B D Beweis: Wir konnen annehmen, da A und daher auch B; D invertierbar sind (denn sonst waren sowohl A als auch B D gleich null) Zunachst gilt: I B C 0 I = Daher gilt: Die Funktion B A = C 0 D I B C 0 I B 0 B! 0 D erfullt die Bedingungen (i), (iii) auf SV Daher gilt B 0 0 D = c B B 0 = 0 D
11 wobei Es ist aber klar, da I 0 c = 0 D I 0 = D 0 D Die CRAMER'sche Regel: Jetzt kehren wir zu unserer ersten Uberlegung uber die Anwendung von Determinanten auf Gleichungen zuruck Satz: Betrachte die Gleichung AX = Y, wobei A = 0 Losung x = x Dann ist die (eindeutige) gegeben durch: x i = x n a : : : a ;i y a ;i+ : : : a n a n : : : a n;i y n a n;i+ : : : a nn [a ij ] Beweis: Man kann die Gleichungen wie folgt hinschreiben: x a a n dh die Spalten der Matrix + + x i a i y i x i a ni y n + + x n a n = 0 a nn a : : : a ;i (x i a i y ) : : : a n a n a n;i (x i a ni y n ) : : : a nn sind linear abhangig { daher ist die entsprechende Determinante null Wegen der Linearitat der i-ten Spalte gilt: x i [a ij ] a : : : a ;i y a ;i+ : : : a n a n : : : y n : : : a nn = 0
12 Wir haben gerade gesehen, wie wir jeder n n Matrix A eine Zahl ( A) zuordnen kann, mit der Eigenschaft (unter anderen), da sie aussagt, ob die Matrix invertierbar ist Da wir jedem Operator eine Matrix zuordnen konnen, ist es naheliegend, die Determinante eines Operators als die Determinante dieser Matrix zu denieren Da aber die Matrizendarstellung eines Operators abhangig von der Basiswahl ist, konnte diese Determinante a priori auch von der Basiswahl abhangig sein Wir werden aber jetzt zeigen, da dies nicht der Fall ist Denn sei (x ; : : : ; x n ) bzw (x 0 ; : : : ; x0 n) eine Basis fur einen Vektorraum V, A und B die Matrizendarstellung von f L(V ) bzgl (x ; : : : ; x n ) bzw (x 0 ; : : : ; x0 n) Wir behaupten, da A = B Denn wir wissen, da A = S B S wobei S die Ubergangsmatrix von (x ; : : : ; x n ) nach (x 0 ; : : : ; x0 n) ist Dann gilt: A = (S B S) = (S ) B S = (S ) S B = (S S) B = (I n ) B = B: Daher konnen wir jetzt die folgende Denition aufstellen: Denition: Sei V ein n-dimensionaler Vektorraum, f L(V ) Dann denieren wir: f: = A wobei A die Matrizendarstellung von f bzgl einer Basis fur V ist Diese Abbildung hat folgende Eigenschaften, die sofort aus den entsprechenden Eigenschaften von Matrizenerminanten folgen: I f = 0, f ist ein Isomorphismus II fg = f g III (Id) = Zum Schlu dieses Kapitels bringen wir eine Zusammenfassung einiger Anwendungen von Determinanten: I Losbarkeit von Gleichungssystemen: Das System a x + + a in x n = y a n x + + a nn x n = y n
13 ist genau dann immer losbar, wenn [a ij ] = 0 II Das Erkennen von Basen: Sei (x ; : : : ; x n ) eine Basis fur V Eine Menge (x 0 ; : : : ; x0 n) ist genau dann eine Basis, wenn P [t ij ] = 0, wobei x 0 = n j t ij x i i= (ZB: (; ; ; ), (0; ; ; ), (0; 0; ; ), (0; 0; 0; ) ist eine Basis fur R, weil = ): 0 III Strecken, Flacheninhalt, Rauminhalt: Seien ; Punkte in R Dann ist = die Lange der Strecke von nach (mit Vorzeichen) (NB Das Vorzeichen ist wichtig { etwa damit die Lange additiv ist) Seien jetzt A = ( ; ), = ( ; ), C = ( ; ) Punkte in R ist der Inhalt des Dreiecks ABC (Das Vorzeichen hat folgende geometrische Bedeutung: Der Inhalt ist positiv, wenn der Umlauf A! B! C gegen den Uhrzeigersinn ist Es gilt dann immer ABC = OAB + OBC + OCA) Falls A = ( ; ; ), B = ( ; ; ), C = ( ; ; ), D = ( ; ; ) in R sind, dann ist! der Rauminhalt des Tetraeders ABCD IV Wirkung von linearen Abbildungen auf Inhalt Sei f eine lineare Abbildung von R in R mit Matrix A = a a a a a a : a a a
14 f bil den Tetraeder BCDE in den Tetraeder B 0 C 0 D 0 E 0 wobei B 0 = f(b) usw Der Inhalt von BCDE ist: und von B 0 C 0 D 0 E 0 wobei = A t 0 0 Es gilt daher: Inhalt B 0 C 0 D 0 E 0 = ( A) (Inhalt BCDE) Dh f multipliziert alle tetraederinhalte (und daher alle Inhalte) mit dem Faktor A V Kurvengleichungen: Seien P = ( ; ), Q = ( ; ) verschiedene Punkte in R Gesucht ist die Gerade L a;b;c durch P und Q Es gilt: a + b + c = 0 () a + b + c = 0 () ( ; ) liegt auf der Geraden, wenn a + b + c = 0 (): Wir haben drei Gleichungen (); (); () in a; b; c Eine nicht triviale Losung existiert genau dann, wenn = 0 Dies ist die gesuchte Gleichung: (Beispiel: Die Gerade durch (; ), (; ) hat die Gleichung: dh + 8 = 0) = 0
15 Ahnliche Uberlegungen fuhren zu folgenden Ergebnissen: Die Ebene durch ( ; ; ), ( ; ), ( ; ; ) hat die Gleichung: = 0 (Beispiel: Die Gleichung der Ebene durch (; 0; ); (; ; ), (; 0; ) ist 0 = 0: 0 Der Kreis durch ( ; ), ( ; ), ( ; ) hat die Gleichung (NB Der Koezient von + ist ( ) + ( ) () + () () + () = 0): () + () und dies ist genau dann nicht null, wenn ( ; ), ( ; ), ( ; ) nicht kollinear sind) (Beispiel: Der Kreis durch (; ); (; 0); (0; 0) hat die Gleichung: ( ) + ( ) 0 0 = 0:) Der Kegelschnitt durch ( ; ); ( ; ); ( ; ); ( ; ); ( ; ) hat die Gleichung: ( ) ( ) () () () () () () () () = 0 () () VI Orientierung: Ein linearer Isomorphismus f auf V ist orientierungserhaltend falls f > 0 Sonst
16 ist f orientierungsumkehrend ZB eine lineare Isomentrie f auf R ist ) orientierungserhaltend, falls f eine Drehung ist; ) orientierungsumkehrend, falls f eine Spiegelung ist Eine orientierungserhaltende Isometrie auf R bil Rechtsschrauben in Rechtschrauben ab Zwei Basen (x ; : : : ; x n ) bzw (x 0 ; : : : ; x0 n) heien gleichorientiert (geschrieben (x ; : : : ; x n ) go (x 0 ; : : : ; x n)); falls die lineare Abbildung f, die x i in x 0 i abbil, orientierungserhaltend ist (dh die Determinante der Ubergangsmatrix von (x i ) nach (x 0 i ) ist positiv) Beispiel: (e ; e ; e ), (e ; e ; e ) und (e ; e ; e ) sind gleichorientiert in R, (e ; e ; e ) und (e ; e ; e ) dagegen nicht Die obige Beziehung \ go " ist eine Aquivalenzrelation dh sie ist a) reexiv (dh (x i ) go (x i )); b) transitiv (dh aus (x i ) go (x 0) und i (x0) go i (x 00) folgt i (x i) go (x 00)); i c) symmetrisch (dh aus (x i ) go (x 0 i) folgt (x 0 i) go (x i ))
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
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehrx 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
Mehrauf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a
x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrAddition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me
x 3 VEKTOR AUME In Kapitel 2 betrachteten wir wichtige Raume, die durch unsere Raumvorstellung motiviert waren { die zwei- und dreidimensionalen Raume R 2 und R 3. Jetzt untersuchen wir hoher dimensionale
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
Mehra 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =
3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrSpezialfall: 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
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrKapitel 17. Determinanten
Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n
MehrMathematik 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
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr9 Determinanten. ax = b, so ist dies genau dann lösbar, wenn a 6= 0gilt. Daher definiert man als Determinante
9 Determinanten Historisch von großer edeutung war die Fragestellung, ob ein gegebenes lineares Gleichungssystem eine Lösung besitzt Zu einer gegebenen Matrix ist man daran interessiert diese Lösbarkeit
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
MehrKap 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
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
Mehr( ) 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
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.
MehrGeometrische Deutung linearer Abbildungen
Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
Mehr4 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,
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
Mehr1 Bestimmung der inversen Matrix
Inhaltsverzeichnis 1 Bestimmung der inversen Matrix Die inverse Matrix A 1 zu einer Matrix A kann nur bestimmt werden, wenn die Determinante der Matrix A von Null verschieden ist. Im folgenden wird die
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
Mehr, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh
Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
Mehra ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung
Mehr2.5 Smith-Normalform für Matrizen über Euklidischen Ringen
2.5. SMITH-NORMALFORM FÜR MATRIZEN ÜBER EUKLIDISCHEN RINGEN73 2.5 Smith-Normalform für Matrizen über Euklidischen Ringen Bemerkung 2.74. Sei K ein Körper und A K n m, b K n 1. Das lineare Gleichungssystem
MehrDeterminanten - II. Falls n = 1, gibt es offenbar nur die identische Permutation, und für eine 1 1 Matrix A = (a) gilt det A = a.
Determinanten - II. Berechnung von Determinanten Wir erinnern, dass für A M(n n; K) gilt : det A = σ S n signσ a σ() a 2σ(2)...a nσ(n). Falls n =, gibt es offenbar nur die identische Permutation, und für
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
MehrLösungshinweise zu den Hausaufgaben:
S. Hagh Shenas Noshari, 9. Gruppenübung zur Vorlesung S. Nitsche, C. Rösinger, A. Thumm, D. Zimmermann Höhere Mathematik Wintersemester 8/9 M. Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 33.
Mehr14 Determinanten. 70 II. Lineare Gleichungssysteme. a b c d
70 II. Lineare Gleichungssysteme 14 Determinanten Aufgabe: Zeigen Sie, daß die Regularität einer quadratischen Matrix stabil gegen kleine Störungen ist: Es sei A K n n regulär. Finden Sie δ > 0, so daß
MehrLineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18.
Goethe-Universität Frankfurt Institut für Mathematik Lineare Algebra Wintersemester 218/19 Prof Dr Jakob Stix Martin Lüdtke Übungsblatt 11 15 Januar 219 Aufgabe 1 (5=1+1+1,5+1,5 Punkte) Berechnen Sie die
Mehr3 Determinanten, Eigenwerte, Normalformen
Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrQuadratische 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(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:
MehrInverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrAufgaben zu Kapitel 16
Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,
MehrDefinition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n.
1 Die Determinante Definition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n. a) Ein Fehlstand von π ist ein Paar (i, j) mit 1 i < j n und π(i)
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehr1 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
MehrKarlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 22/3 Institut für Analysis 28..23 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik I für die Fachrichtung Physik 4. Übungsblatt (letztes Blatt)
MehrD-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen
D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Die Aussage Dieser Satz ist falsch ist wahr falsch Dies ist die einfachste Form des Lügner-Paradoxes ist der folgende selbstbezügliche
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrLösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
Mehr