Matrizen, Determinanten, lineare Gleichungssysteme
|
|
- Klemens Kuntz
- vor 7 Jahren
- Abrufe
Transkript
1 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 Spalten: a 11 a 12 a 1n a 21 a 22 a 2n A =... a m1 a m2 a mn mit reellen oder komplexen Einträgen (oder Komponenten) a ij, i = 1,..., m, j = 1,..., n. Abkürzend schreibt man für A auch (a ij ) m i=1 n j=1 oder (a ij) m n. Zwei Matrizen A = (a ij ) und B = (b ij ) sind gleich, wenn beide den gleichen Typ m n haben und a ij = b ij für i = 1,..., m, j = 1,..., n gilt. Spezielle Matrizen: quadratische Matrix Eine Matrix A = (a ij ) vom Typ n n (d.h. mit gleicher Zeilen- und Spaltenzahl) nennt man quadratisch. Die Elemente a ii, i = 1,..., n bilden die Hauptdiagonale. Nullmatrix O (bzw. O n für die Nullmatrix mit n Zeilen und Spalten) Einheitsmatrix E (bzw. E n für die Einheitsmatrix mit n Zeilen und Spalten) 1
2 Diagonalmatrix obere/untere Dreiecksmatrix Operationen mit Matrizen: Die folgenden zwei Operationen sind für Matrizen komponentenweise definiert: Die Summe zweier Matrizen A = (a ij ) m n und B = (b ij ) m n ist die Matrix C = (c ij ) m n mit den Einträgen c ij = a ij + b ij, i = 1,..., m, j = 1,..., n. Wir schreiben dafür C = A + B. Zwei Matrizen können nur dann addiert werden, wenn beide den gleichen Typ haben. Beispiel: Das Produkt einer Zahl λ R mit einer Matrix A = (a ij ) m n ist die Matrix B = (b ij ) m n mit den Einträgen Wir schreiben dafür B = λa. Beispiel: b ij = λa ij, i = 1,..., m, j = 1,..., n. 2
3 Rechenregeln: Für beliebige Matrizen A, B, C des gleichen Typs m n und beliebige Zahlen α, β gilt: 1. A + B = B + A (Kommutativität) 2. (A + B) + C = A + (B + C) (Assoziativität) 3. A + O = A (Nullelement) 4. A + ( A) = O (inverses Element der Addition) 5. (αβ)a = α(βa) 6. 1A = A 7. (α + β)a = αa + βa 8. α(a + B) = αa + αb Neben diesen beiden Operationen gibt es noch folgende Operationen, speziell für Matrizen: Die Transponierte A T einer m n Matrix A = (a ij ) ergibt sich aus: a 11 a 21 a m1 A T a 12 a 22 a m2 =.... a 1n a 2n a mn Somit ist A T eine n m Matrix. Bei ihr sind gegenüber A Zeilen und Spalten vertauscht. Bei der Transponierten einer quadratischen Matrix werden alle Elemente an der Hauptdiagonalen gespiegelt. Beispiel: Das Produkt einer Matrix A = (a ij ) m n und einer Matrix B = (b ij ) n p ist die Matrix C = (c ij ) m p mit den Einträgen n c ij = a ik b kj, i = 1,..., m, j = 1,..., p. k=1 Wir schreiben dafür C = AB. Zwei Matrizen A und B können nur dann in dieser Reihenfolge multipliziert werden, wenn die Spaltenanzahl von A der Zeilenanzahl von B entspricht. 3
4 Der i j-te Eintrag der Produktmatrix wird also aus den Einträgen der i-ten Zeile von A und der j-ten Spalte von B berechnet: Zum Berechnen der Produktmatrix verwendet man oft das Falksche Schema. Beispiele: Die Matrizenmultiplikation ist nicht kommutativ, d.h. im Allgemeinen ist AB BA! ( ) ( ) Beispiel: A =, B = : AB = BA = 4
5 Rechenregeln: Für beliebige m n Matrizen A, A 1, A 2, n p Matrizen B, B 1, B 2, p q Matrix C und eine Zahl α R gilt: 1. (A 1 + A 2 )B = A 1 B + A 2 B (1. Distributivgesetz) 2. A(B 1 + B 2 ) = AB 1 + AB 2 (2. Distributivgesetz) 3. α(ab) = (αa)b = A(αB) 4. A(BC) = (AB)C (Assoziativität der Matrizenmultiplikation) 5. E m A = AE n = A Invertierbare Matrizen Wir betrachten jetzt nur quadratische n n Matrizen. Definition 2. Eine Matrix B ist die Inverse einer Matrix A, wenn gilt AB = BA = E. Wir schreiben dafür B = A 1. Nicht jede Matrix hat eine ( Inverse! ) ( ) 1 0 a b Hätte zum Beispiel A = eine Inverse B =, so wäre 0 0 c d ( ) ( ) 1 0 a b = AB = E = 0 0 c d ( ) und damit ( ) a b = 0 0 Vergleich der Einträge rechts unten zeigt, dass dies nicht erfüllbar ist. ( ) Satz 1. Wenn die Inverse einer Matrix A existiert, so ist sie eindeutig bestimmt. Bew.: Definition 3. Eine quadratische Matrix A heißt regulär bzw. invertierbar, wenn sie eine Inverse A 1 besitzt, andernfalls heißt sie singulär bzw. nicht invertierbar. Beispiel: 5
6 2 Lineare Gleichungssysteme Ein lineares Gleichungssystem mit m Gleichungen und n Unbekannten hat die Form a 11 x a 1n x n = b 1. a m1 x a mn x n = b m Mit den Bezeichnungen a 11 a 1n b 1 x 1 A =.., b =., x =. a m1 a mn b m x n. lässt sich das System schreiben als A x = b. Gauß-Algorithmus Die Lösung eines Gleichungssystems A x = b erfolgt mit Hilfe des Gauß-Algorithmus oder des Gauß-Jordan-Algorithmus. Um uns das Schreiben der Variablen x 1,..., x n zu ersparen, schreiben wir die Koeffizientenmatrix A und die rechte Seite b in ein Schema der Gestalt x 1... x n a a 1n b 1... a m1... a mn b m Nun kann man folgende Umformungen vornehmen, die offenbar die Lösungsmenge des Gleichungssystems nicht ändern: Multiplikation einer Zeile mit einer Zahl λ 0, Addition eines Vielfachen einer Zeile zu einer anderen Zeile, Vertauschen von zwei Zeilen, Vertauschen von zwei Variablen (dies muss man sich allerdings merken bzw. im Schema markieren) Weglassen von Nullzeilen Weglassen einer von zwei identischen Zeilen 6
7 Das Ziel dieser Operationen ist die Herstellung der sogenannten Zeilenstufenform bzw. Gaußschen Normalform: x 1 x 2 x 3... x r x r+1... x n 1 c 1,2 c 1,3... c 1,r c 1,(r+1)... c 1,n c c 2,3... c 2,r c 2,(r+1)... c 2,n c c 3,r c 3,(r+1)... c 3,n c c r,(r+1)... c r,n c r c r c m Dabei erzeuge man zuerst die Nulleinträge in der ersten Spalte, danach in der zweiten Spalte, usw. Wir bezeichnen die neu entstandene obere Dreiecksmatrix mit C und die neue rechte Seite mit c. Definition 4. Sei C eine Matrix in Zeilenstufenform. Die Anzahl r der Zeilen, die keine Nullzeilen sind, wird als Rang der Matrix C bezeichnet, und wird geschrieben als rg C. Entsteht eine Matrix C in Zeilenstufenform aus einer Matrix A durch oben beschriebene Umformungen, so besitzt A denselben Rang wie C. Satz 2. Gegeben sei das lineare Gleichungssystem A x = b, wobei A eine m n Matrix, b ein Spaltenvektor der Länge m und x ein Spaltenvektor der Länge n ist. Dann gilt: 1. Lösbarkeitsentscheidung: Ist eine der Zahlen c r+1,..., c m von Null verschieden, so ist C x = c nicht lösbar, und damit ist auch das Ausgangsgleichungssystem A x = b nicht lösbar. 2. Anzahl der freien Variablen: Ist A x = b lösbar, dann enthält die allgemeine Lösung n r freie Variable, dabei ist n die Anzahl der Unbekannten. 3. Lösungsstruktur: Ist das System A x = b lösbar, dann lässt sich die allgemeine Lösung in der Form v = v 0 + u, darstellen. Dabei ist v 0 eine spezielle Lösung des inhomogenen Gleichungssystems A x = b und u die allgemeine Lösung des zugeordneten homogenen Gleichungssystems A x = 0. 7
8 Beispiel: Zu lösen ist das lineare Gleichungssystem x 1 + 2x 2 x 3 + 3x 4 = 6 2x 2 + x 3 + 2x 4 = 2 2x x 2 + x x 4 = 18 3x 1 + 4x 2 4x 3 + 7x 4 = 16 Hier gilt m = n = 4. Wir wenden den Gauß-Algorithmus an: 8
9 Definition 5. Gegeben sei das lineare Gleichungssystem A x = b. Hängt man den Vektor b als neue Spalte an die Matrix A an, so erhält man die erweiterte Koeffizientenmatrix A b. Satz 3. Gegeben sei das lineare Gleichungssystem A x = b, wobei A eine m n Matrix, b ein Spaltenvektor der Länge m und x ein Spaltenvektor der Länge n ist. Dann gilt: 1. Das Gleichungssystem ist nicht lösbar, wenn rg A < rg(a b) ist. 2. Das Gleichungssystem ist eindeutig lösbar, wenn rg A = rg(a b) = n ist. 3. Das Gleichungssystem ist nicht eindeutig lösbar, wenn rg A = rg(a b) < n ist. Beispiel: Betrachten wir das lineare Gleichungssystem: Dabei ist A = Der Gauß-Algorithmus verläuft so: 2x 1 3x 2 + 4x 3 = 19 4x 1 4x 2 + 3x 3 = 22 6x 1 7x 2 + 7x 3 = und A b =
10 Gauß-Jordan-Algorithmus Der Gauß-Jordan-Algorithmus funktioniert genauso wie der Gauß-Algorithmus, jedoch werden auch oberhalb der Diagonalen der Matrix Nullen erzeugt. Als Ergebnis erhält man die Gauß-Jordan-Normalform: x 1 x 2... x r x r+1... x n c c c r c r c m Der Gauß-Jordan-Algorithmus wird zur Berechnung der Inversen einer Matrix verwendet. Algorithmus zur Bestimmung der inversen Matrix: Es sei A eine n n-matrix. 1. Man füge die n n Einheitsmatrix an die Matrix A an, d.h. man bilde die Matrix (A E). 2. Man erzeuge durch äquivalente Zeilenumformungen gemäß dem Gauß-Jordan- Algorithmus die Gauß-Jordan-Normalform der Matrix (A E). Ist die erzeugte Gauß-Jordan-Normalform von der Gestalt (E B), so ist B die zu A inverse Matrix. Ist die erzeugte Gauß-Jordan-Normalform nicht von der Gestalt (E B), d.h ist die Matrix der ersten n Zeilen und Spalten nicht die Einheitsmatrix, dann ist A nicht invertierbar Beispiel: Wir überprüfen, ob die Matrix A = eine Inverse besitzt
11 2 1 1 Beispiel: Berechnung der Inversen zur Matrix A = Determinanten Die Determinante det A bzw. A ordnet einer quadratischen Matrix A eine Zahl zu. Sie hat vielfältige Anwendungen, z.b. kann man mit ihr entscheiden, ob eine Matrix invertierbar ist oder ob ein lineares Gleichungssystem mit quadratischer Koeffizientenmatrix eindeutig lösbar ist: Satz 4. Sei A eine n n Matrix. Dann sind äquivalent: 1. det A A ist regulär, d.h. A ist invertierbar. 3. rg A = n 4. Das Gleichungssystem A x = b besitzt eine eindeutig bestimmte Lösung. 11
12 Berechnung von Determinanten Für die quadratische Matrix A = (a ij ) vom Typ n n lässt sich die Determinante von A wie folgt berechnen: Für n = 1 ist det A = a 11. Für n = 2 gilt ( ) a11 a det A = det 12 = a 21 a 22 a 11 a 12 a 21 a 22 = a 11a 22 a 12 a 21 Man multipliziert also überkreuz: Für n = 3 gilt a 11 a 12 a 13 a 11 a 12 a 13 det A = det a 21 a 22 a 23 = a 21 a 22 a 23 a 31 a 32 a 33 a 31 a 32 a 33 = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 31 a 22 a 13 a 32 a 23 a 11 a 33 a 21 a 12 Diese Determinante kann mit der Regel von Sarrus berechnet werden: Beispiele: 12
13 Für n 4 gibt es solche Merkregeln nicht mehr. Hier muss die Determinante anders berechnet werden. Definition 6. Sei A eine quadratische n n Matrix. Ferner sei A ij mit i, j {1,..., n} die Matrix, die aus A durch Streichen der i-ten Zeile und j-ten Spalte hervorgeht. Dann nennen wir die vorzeichenbehafteten Unterdeterminanten die Adjunkten von A. U ij = ( 1) i+j det (A ij ) Ihre Vorzeichen ( 1) i+j sind schachbrettartig angeordnet: Beispiel: Für A = erhalten wir U 23 = Wir können nun die Determinante der n n Matrix A aus den Determinanten der (n 1) (n 1) Matrizen U ij berechnen:. Satz 5. (Laplacescher Entwicklungssatz) Sei A eine n n Matrix. Für jedes i {1,..., n} gilt die Entwicklung nach der i-ten Zeile: det A = n a ij U ij. j=1 Für jedes j {1,..., n} gilt die Entwicklung nach der j-ten Spalte: det A = n a ij U ij. i=1 Mit diesem Satz kann man die Berechnung einer 4 4 Determinante auf die Berechnung von 3 3 Determinanten zurückführen, die dann mit Hilfe der Regel von Sarrus berechnet werden. Bei noch größeren Determinanten muss man den Entwicklungssatz mehrfach anwenden. 13
14 Beispiele: = = Eigenschaften von Determinanten: Sei A eine n n Matrix und a 1,..., a n seien die Zeilenvektoren von A (vom Typ 1 n). b sei ein weiterer Zeilenvektor (vom Typ 1 n). Dann gilt: 1. Man kann einen Faktor aus einer Zeile vor die Determinante ziehen: λ a 1 a 1 a 1 a 1 a 2 det. = det λ a 2. =... = det a 2. = λdet a 2., a n a n λ a n a n 2. Hat A zwei gleiche Zeilen, so gilt det A = Vertauscht man in einer Determinante zwei Zeilen, so ändert sich ihr Vorzeichen. 4. Der Wert einer Determinante ändert sich nicht, wenn man ein Vielfaches einer Zeile zu einer anderen Zeile addiert. 5. det A = det A T Die Eigenschaften 1. bis 5. gelten sinngemäß auch für die Spalten. 14
15 Aus diesen Eigenschaften ergibt sich nun auch eine alternative Strategie zur Determinanten- Berechnung. Dazu formen wir die Determinante durch Anwendung der Operationen Addieren von Vielfachen von Zeilen (Spalten) zu anderen Zeilen (Spalten), Vertauschen von Zeilen (Spalten) (Achtung: Vorzeichenwechsel!) so lange um, bis sich eine obere Dreiecksmatrix ergibt. An dieser kann man den Wert der Determinante sofort ablesen, denn es gilt: Satz 6. Es gilt für die Determinante einer oberen Dreiecksmatrix a 11 a 12 a 1,n 1 a 1,n 0 a 22 a 2,n 1 a 2,n = a 11 a 22 a nn. 0 a n 1,n 1 a n 1,n 0 0 a nn Ebenso ist die Determinante einer unteren Dreiecksmatrix das Produkt der Diagonalelemente. Beispiel: =
Lineare 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
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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.
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
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
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
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
MehrMatrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1
Matrixoperationen Einige spezielle Matrizen: 0 0... 0 Nullmatrix:....... 0 0... 0 1 0... 0 0 1... 0 n-te Einheitsmatrix: E n :=....... 0 0... 1 d 1 0... 0 0 d 2... 0 Diagonalmatrix: diag(d 1,..., d n)
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
Mehr3 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
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
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
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
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
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
MehrMatrizen und lineare Gleichungssysteme
KAPITEL Matrizen und lineare Gleichungssysteme Matrizen 224 2 Lineare Gleichungssysteme 229 3 Gauß-Algorithmus 23 4 Gauß-Jordan-Algorithmus 238 5 Invertierbare Matrizen 240 6 Anwendungen von linearen Gleichungssystemen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
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
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
MehrRang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya
Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
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
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
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
MehrEinführung 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:
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
MehrFH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn
FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB./7. November 2008 Prof. Dr. H.-R. Metz (Matrix) Matrizen 1 Ein System von Zahlen a ik, die rechteckig in m Zeilen und n Spalten angeordnet
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
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
Mehr6 Lineare Algebra. 6.1 Einführung
6 Lineare Algebra 6.1 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung. Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
Mehr5 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
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehra a a a a a a a a a a a a a a
7 Lineare lgebra 7.1 Matrizen a a a k a a a a a a a a a a a a a 11 12 1 1n 21 22 2k 2n i1 i2 in m1 m2 mk mn i-te Zeile m Zeilen n Spalten k-te Spalte a : Matrixelement i 1,2,...,m k 1,2,...,n i: Zeilenindex
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 44 8. Lineare Algebra: 2. Determinanten Ein einführendes
MehrMatrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
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
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.3 Ergänzungen
Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 83 Ergänzungen wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas
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)
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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrÖkonometrische Analyse
Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
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
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 71 Reelle Matrizen Prof Dr Erich Walter Farkas Mathematik I+II, 71 Reelle Matrizen 1 / 31 1 2 3 4 Prof Dr Erich
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
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)
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
MehrMatrizen 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
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
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
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 12. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 12. Übung: Woche vom 16. 1.-20. 1. 2017 (Lin.Alg. I): Heft Ü 3: 2.1.11; 2.1.8; 2.1.17; 2.2.1; 2.2.3; 1.1.1; 1.1.4; Hinweis 1: 3. Test (Integration, analyt. Geom.) ist seit 9.1. freigeschalten
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.
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 32 8 Lineare Algebra: 1 Reelle Matrizen Grundbegriffe Definition
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 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 1 Einführung Lineare Gleichungen Definition
MehrLineare 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
MehrProf. 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
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
Mehr3 Lineare Gleichungen
Aufgabe 3. Man löse die lineare Gleichung a 2 x b 2 a a(b ax) b + b2 a = a, a b nach der Unbekannten x auf und diskutiere die möglichen Fälle. a 2 x b 2 a a(b ax) b + b2 a = a a b a 2 bx b 3 a 2 b + a
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
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
MehrHM II Tutorium 5. Lucas Kunz. 22. Mai 2018
HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Wiederholung Lineare Gleichungsysteme................... 2 1.2 Wiederholung: Kern einer Abbildung..................... 3 1.3
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
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.
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
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
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
Mehr4. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
Mehroder A = (a ij ), A =
Matrizen 1 Worum geht es in diesem Modul? Definition und Typ einer Matrix Spezielle Matrizen Rechenoperationen mit Matrizen Rang einer Matrix Rechengesetze Erwartungswert, Varianz und Kovarianz bei mehrdimensionalen
MehrLineare Gleichungssysteme
KAPITEL 2 Lineare Gleichungssysteme Lernziele dieses Abschnitts sind: Begrie: Matrix, Vektor spezielle Matrix, transponierte Matrix, inverse Matrix nur fur quadratische Matrizen erklart, Determinante,
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
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
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
Mehr= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
Mehr11 Lineare Gleichungssysteme
Lineare Gleichungssysteme Das Lösen linearer Gleichungssysteme gehört zu den wichtigsten Grundaufgaben der Mathematik Wir werden uns mit einigen einfachen Lösungsverfahren befassen und daran auch etwas
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 Roger Burkhardt roger.burkhardt@fhnw.ch
MehrLineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya
Lineare Gleichungssysteme 1-E Ma 1 Lubov Vassilevskaya Systeme linearer Funktionen und Gleichungen y = a 1 a 2... a n lineare Funktion Funktion ersten Grades,,..., unabhängige Variablen y abhängige Variable
Mehr