Gilt jedoch. det A = 0, so besagt dies:

Größe: px
Ab Seite anzeigen:

Download "Gilt jedoch. det A = 0, so besagt dies:"

Transkript

1 3 eterminanten 3 efinition - Bedeutung - Anwendung urch eine spezielle Rechenvorschrift lassen sich jeder quadratischen Matrix A reelle Zahlenwerte zuordnen Man bezeichnet den Zahlenwert, der einer quadratischen Matrix gemäß dieser Rechenvorschrift zugeordnet wird, als eterminante von A, kurz det A er eterminantenwert einer Matrix hat eine qualitative und eine numerische Bedeutung Für ein lineares (n,n) - Gleichungssystem A x = b oder eine lineare Abbildung y = A x interessieren folgende qualitative Aussagen: a) Besitzt das Gleichungssystem eine eindeutige Lösung? b) Ist die Abbildung eineindeutig (umkehrbar)? Eine Antwort auf diese beiden Fragen gibt uns der eterminantenwert: Für det A 0 gilt: ) ie Abbildung ist umkehrbar Es existiert eine inverse Matrix A - zu A Wenn allerdings A - existiert folgt daraus wieder unmittelbar die nächste Aussage ) as lineare Gleichungssystem besitzt eine eindeutige Lösung iese heißt: x = A - b 3) Rang von A = n Alle n Zeilenvektoren a (i), i n, und alle n Spaltenvektoren a k, k n, sind linear unabhängig aneben liefert uns die eterminante auch numerische Aussagen Wir können anhand der eterminanten nicht nur zeigen, ob eine inverse Matrix A - existiert, sondern können diese auch mittels der eterminantenrechnung bestimmen (Adjunktenregel) Außerdem gilt im Fall der eindeutigen Lösung x eines Gleichungssystems, daß wir x anhand von speziellen eterminanten (Cramersche Regel) berechnen können Gilt jedoch det A = 0, so besagt dies: ) Es gibt keine inverse Matrix A - von A und damit keine Umkehrabbildung ) as System A x = b ist nicht eindeutig lösbar 3) er Rang von A ist kleiner als n: Rg A < n

2 3 Berechnung von eterminanten 3 Berechnung einer (,) eterminante Um die Berechnungsvorschrift für eine eterminante mit beliebiger Zeilenelementezahl n herzuleiten, beginnen wir damit, diese Vorschrift am (,) - zu formulieren anach werden wir sehen, wie sich die Berechnung von (3,3 und (n,n) eterminanten zurückführen lassen auf die Eingangsbeispiele ie Zuordnungsvorschrift für eine (, ) - Matrix lautet: Zuordnung Matrix A eterminante A = det A a a a a e a a a a = 3 ( ) 3 = 5 3 RgA= = a a a a = ( ) ( 3 ) = RgA= < Eine Begründung für diese zunächst sehr willkürlich erscheinende Berechnungsvorschrift wird in 35 gegeben 3 Berechnung einer (3,3) eterminante mit der Regel von Sarrus Zunächst geben wir nur eine Berechnungsmöglichkeit von mehreren Nach den Ausführungen in 33 und 34 kommen dann weitere Berechnungsmöglichkeiten hinzu ie erste Rechenvorschrift heißt Regel von Sarrus und lautet: a a a3 a a a3 = a3 a3 a33 = aaa33 + aa3a3+ a3aa3 aa3a3 aaa3 a3aa3 aa3a3 aaa33 ie Berechnungsformel wurde mit folgender Systematik entwickelt Wir schreiben eine Zahlentabelle aus 3 Zeilen und 5 Spalten, wobei wir für die Spalten 4 und 5 die Spalten und übernehmen: a a a3 a a Nun multiplizieren wir längs den iagonalen, dreimal von a links oben nach rechts unten mit einem Pluszeichen vor a a3 a a a3 a3 a33 a3 a3 dem Produkt, zb +(a a a 33 ), und dreimal von links unten nach rechts oben, mit einem Minuszeichen, zb a a a a a -(a 3 a a 3 ) Schließlich addieren wir alle Produkte as 3 Endergebnis ist die obige Formel a a a3 a a a a a a a

3 3 3 5 = = +( (-) (-)) (0 3 + (-) 5 + (-) ) = 8 (-3) = 33 Entwicklungsverfahren zur Berechnung von eterminanten vom Typ (n,n) eterminanten vom Typ (n,n) mit n 3 werden berechnet, indem man eine Rechenregel erklärt, mit der sich die Berechnung einer eterminanten vom Typ (n,n) zurückführen lässt auf die Berechnung von n eterminanten vom Typ (n-,n-) urch die sukzessive Anwendung dieser Rechenregel zur Reduktion der Elementezahl in der eterminante, erhält man nach mehrfachen Schritten ein Rechenproblem zur Berechnung von insgesamt n (n - ) (n - ) 3 eterminanten vom Typ (,) Für dieses Reduktionsverfahren definieren wir zwei neue Begriffe efinition Unterdeterminante Zu jedem Element a i,k des Zahlenschemas der eterminante (bzw der Matrix) vom Typ (n,n) existiert eine Unterdeterminante U i k vom Typ (n-,n-) ie Unterdeterminante wird gebildet, in dem man die i-te Zeile und k-te Spalte der ursprünglichen eterminante herausstreicht efinition Adjunkte Versieht man die Unterdeterminante U ik mit einem Vorzeichen sgn U ik, wobei man die Vorzeichenregel sgn U ik = (-) i+k (Schachbrettregel) verwendet, so entsteht die Adjunkte: A ik = (-) i+k U ik Gegeben sei die (n,n) - eterminante : = a a a k an a a a k an 0 3 7, etwa die (4,4) eterminante = ai a i a ik ain an an ank ann ie Unterdeterminante U ik ist die (n-,n-) - eterminante, die durch das Streichen der i - ten Zeile und der k - ten Spalte entsteht: U ik a a a a k n a a a k an 0 7 =, etwa U3 = 3 0 ai a i a ik ain 3 9 a a a a n n nk nn

4 Um die Adjunkte A i k zu ermitteln, multiplizieren wir U ik mit (-) i+k : a a a k an a a a k an i k Aik = ( ) + = ( ) + 3, etwa A3 3 0 = 3 0 ai a i a ik ain an an ank ann Mit der Kenntnis des Adjunktenbegriffes sind wir in der Lage, die Reduktion zur Berechnung einer (n,n) - eterminante auf die Berechnung einer (n-,n-) eterminante zu erklären Rechenregel zur Reduktion der Berechnung einer (n,n)-eterminante auf die berechnung einer (n-,n-) -eterminante Summiert man nun für eine beliebige Zeile bzw eine beliebige Spalte die Produkte aus den einzelnen Zeilen- bzw Spaltenelementen mit ihren Adjunkten, so erhält man den Zahlenwert der eterminanten: det A = aiai + aiai + + ainain Zeilenberechnung, det A = akak + akak + + ankank Spaltenberechnung unabhängig davon, welche Zeile i bzw welche Spalte k für die Rechnung verwendet wird ie Berechnung der Adjunkten vom Typ (n, n ) verläuft nach dem gleichen Verfahren; dh man muss die Zeilen- oder Spaltenentwicklungen solange wiederholen, bis die verbleibenden Adjunkten vom Typ (,) sind Am einfachsten gestaltet sich das Verfahren also für eine eterminante vom Typ (3,3), weil hier die Adjunkten schon nach der ersten Entwicklung vom Typ (,) sind zur Berechnung einer eterminante vom Typ (3, 3) Zu berechnen sei die eterminante = 0 3 ie Entwicklung nach der zweiten Spalte ergibt folgende Summation: det A= a A + a A + a3 A3 = ( ) a U + ( ) a U + ( ) a 3 U 3 = 0 ( ) 33 + ( ) ( ) = = - 3 Addiert man in diesem Schema die Produkte in Richtung der Hauptdiagonalen und subtrahiert hiervon die Produkte der Nebendiagonalen, so erhält man den Wert der eterminanten

5 Anmerkungen Offensichtlich ist es in dem Berechnungsverfahren günstig, wenn in einer Zeile viele Nullen vorkommen, weil dann das Produkt aus Element und Adjunkte Null wird a wir über die Wahl von Zeilen oder Spalten im Entwicklungsverfahren frei verfügen dürfen, suchen wir solche aus, in denen viele Nullen vorkommen In 34 werden wir zeigen, wie sich solche Nullen in einer Matrix erzeugen lassen, ohne dass sich der eterminantenwert der Matrix verändert Wir verändern also das Gesicht der Matrix, aber nicht ihren eterminantenwert Für Matrizen vom Typ (,) oder auch (3,3) besteht kein zwingender Anlass, zusätzliche Rechenmethoden neben den bislang präsentierten, einzuführen Für Matrizen vom Typ (n,n) mit n 4 wird der Rechenaufwand im Entwicklungsverfahren erheblich und die Regel von Sarrus darf nur für (3,3) angewendet werden In diesem Fall sollten wir stets zunächst die Vereinfachungsregeln in 34 anwenden 34 Rechenregeln zur Vereinfachung der Berechnung von eterminanten Es ist offensichtlich, daß die Berechnung der eterminanten vom Typ (n,n) mit n 4 eine große Anzahl von Einzelrechnungen erfordert Aus diesem Grund ist es zweckmäßig zu versuchen, durch geeignete Umformungen der Matrix bzw ihrer eterminante den Rechenaufwand zu verringern iese Umformungen müssen so geschehen, dass sie zwar das Gesicht der Matrix, aber nicht den Wert der eterminanten verändern Weil in diesen Rechengesetzen die einzelnen Zeilen der eterminanten eine besondere Bedeutung besitzen, beschreiben wir die quadratische Matrix A bzw ihre eterminante det A durch ihre Zeilenvektoren a (i), i n ie gleichen Gesetze lassen sich auch formulieren, wenn wir anstelle des Begriffes Zeile den Begriff Spalte verwenden Umformungen, die den Wert der eterminante nicht verändern, aber den Rechenaufwand im Regelfall verringern, können wir nun so formulieren: det (a (),a (),,λa (k),,a (n) ) = λ det (a (),a (),,a (k),,a (n) ) Gemeinsame Faktoren einer Zeile dürfen vor die eterminante gezogen werden det A = = 3 3 9= 3 ( 8 ( 7) 4 ( 5) + ( 36 5) ) = det (a (),a (),, a (k),,a (n) ) = 0, wenn n ( k) () i a = aa i eine beliebige Linearform aller Zeilen (außer der k - ten) ist i= i k Wenn zwei Zeilen gleich sind oder wenn eine Zeile ein Vielfaches einer anderen Zeile ist oder eine Linearkombination anderer Zeilen ist oder wenn ein Zeilenvektor der Nullvektor ist, so ist der Wert der eterminanten Null

6 e = 4 4 = 0, weil zb die zweite Zeile Linearform der ersten ist: a() =4 a () = = 0, weil a (3) = a () + a () ist Sehr wichtig ist nun das folgende Gesetz, mit dessen Hilfe wir die eterminanten mittels des modifizierten Gauß-Algorithmus vereinfachen: 3 det (a (),a (),,a (k),,a (n) ) = det (a (),a (),,a (k) + x (k),,a (n) ) n ( k) () i wenn x = aa i eine beliebige Linearform aller Zeilen (außer der k - ten) ist i= i k ie Regel 3) ergibt sich direkt aus den Regeln ) und ) Man darf also zu einer Zeile beliebige Vielfache anderer Zeilen oder Linearkombinationen anderer Zeilen addieren, ohne den Wert der eterminanten zu verändern det A = = = = 3 = Anmerkung n Ist A eine iagonalmatrix, so gilt det A = a ii i= Im Besonderen gilt: det E =, worin E die Einheitsmatrix bedeutet 4 det (a (),,a (i),,a (k),,a (n) ) = - det (a (),,a (),,a (i),,a (n) ) Vertauscht man zwei Zeilen, so ändert sich das Vorzeichen = 3 5 7= 3 5= () ( ) ( ) ( ) () ( ) ( ) ( ) () ( ) ( ) ( ) det( a, a,, a k + k,, a n ) = det( a, a,, a k,, a n ) + det( a, a,, a k,, a n )

7 Steht in einer Zeile einer quadratischen Matrix eine Summe zweier Vektoren, so spaltet sich die eterminante der Matrix in die Summe zweier eterminanten auf, bei denen die entsprechenden Zeilen der Summanden stehen det A = = = = 0 ( 7-3 5) = - 78 Anmerkung: ie erste eterminante ist Null, die zweite lässt sich direkt rechnen: (Entwicklung nach der 3-ten Zeile) 6 Es gilt stets: det A= det A T Vertauscht man die Zeilen einer quadratischen Matrix mit den Spalten, so verändert sich der Wert der Matrix nicht 7) det (A B) = det A det B Anmerkung Aus dem Rechengesetz 6 und aus det E = folgt: = det E = det (A A - ) = det A det A -, also det A = det A Mit diesen Umformungen, vor allem mit der für das praktische Rechnen wichtigen Regel 3, werden wir das Gesicht der eterminanten so verändern, dass unterhalb der Hauptdiagonalen möglichst viele Nullen stehen Für lineare Gleichungssysteme ist dieses Rechenverfahren unter dem Namen Gauss - Algorithmus bekannt Stehen unter der Hauptdiagonalen nur Nullen, so ergibt sich der Wert der eterminanten als Produkt der Elemente der Hauptdiagonalen e z z z z z3 z 3 z4 z

8 z z 3 0 z z 4z z3 z3 z z4 z z z 3 0 z z z3 z3 z z4 z z z 3 0 z z z3 z z4 z4 3z = (+ ) ( 780) = Anwendungen und Anmerkungen 34 Cramersche Regel Wir haben die eterminantenrechenregel für (,) eterminanten zur Kenntnis genommen und uns möglicherweise über die vermeintliche Willkür dieser Regel gewundert Wir können sie uns aber mit einem Rechenverfahren plausibler machen, das Cramersche Regel heißt Es dient dazu, die Lösungen für eindeutig lösbare quadratische lineare Gleichungssysteme zu ermitteln Wir beginnen mit der Cramerschen Regel für (,) Systeme Gegeben sei das lineare Gleichungssystem: ax + ax = b Ax b ax + ax = b = Wenn wir dieses Gleichungssystem nach x und x auflösen, erhalten wir: ba b a x ba = und x ba = aa aa aa aa Wir erkennen im Nenner den Wert der eterminante det A, dessen efinition in 3 uns zunächst willkürlich erschien Offensichtlich können die Lösungen x und x nur für det A 0 existieren amit haben wir Kraft des eterminantenwertes zunächst eine qualitative Aussage Entsprechend dem Nenner kann der Zähler der Lösung x kann gemäß der eterminantenrechenvorschrift durch folgende eterminante dargestellt werden: = b a b a

9 Entsprechend lässt sich der Zähler von x so ausdrücken: a b = a b er Nenner entspricht in beiden Fällen der eterminante: = a a Insgesamt ließe sich die Lösung demnach auch so schreiben: a a x = und x = Wir erkennen, das man aus herleitet, indem man die -te Spalte der Koeffizientenmatrix durch die rechte Seite des Gleichungssystems ersetzt, während man für die zweite Spalte der Koeffizientenmatrix durch die rechte Seite zu ersetzen hat Man nennt dieses Lösungsverfahren, das man auch auf umfangreichere Systeme erweitern kann, die Cramersche Regel Insgesamt demonstriert uns dieses lineare (,) Gleichungssystem die zwei wesentlichen Aussagen, die sich aus dem eterminantenwert ergibt: det A 0 Bedingung für eine eindeutige Lösung qualitativ x =, x = Lösungen aus den eterminantenwerten quantitativ x 3x = 8 x + x = 5 Zu berechnen sind die eterminanten: = 3 = ( ) ( 3) =, = =, = 5 5 = - Gemäß der Cramerschen Regel erhalten wir die Lösungen x = = = und x = = = - Für lineare (3,3) Gleichungssysteme wenden wir die Cramersche Regel analog an Wir zeigen dies anhand von zwei en Gegeben sei das lineare Gleichungssystem x + 3 x 4 x3 = 4 3 x 5 x + 0 x3 = 7 0 x + x 3 x3 = 5 A x = b, mit

10 3 4 4 A = und b = 7 ann ist = det A = 3 5 0= 33, = det A = 7 5 0= 33, = det A = = 66, 3 = = 99 amit ist: 0 5 x = = ; x = = und x 3 = 3 = 3 ) Gegeben sei das lineare (3, 3) - System x + x x3 = 0 3x + x + x3 = 5x + 4x + 3x3 = 4 Zu berechnen sind die eterminanten: 0 0 = 3, =, = 3, 3 = Aus = -7, = -7, = -4 und 3 = erhält man die Lösungen x =, x = und x 3 = -3 Wir wenden wir die Cramersche Regel nun analog auf lineare, eindeutig lösbare (n,n) Gleichungssysteme an Wir fügen aber hinzu, dass die Vorteile dieser Rechenregel bei (,) und (3,3) System liegen Gegeben sei das quadratische, lineare Gleichungssystem: b = ax + ax + a3x3 + + anxn b = ax + ax + a3x3 + + anxn b3 = a3x + a3x + a33x3 + + a3nxn = + = + bn = an x + anx + an3x3 + + annxn, worin

11 x b a a a x b n A = a a a n, x = und b = bedeuten x q bp an an a nn x n b n ie eindeutige Lösung x finden wir wie folgt a a an a a a i Wir berechnen det A = n an an ann ii Wir ersetzen den ersten Spaltenvektor a von A durch den Spaltenvektor b und erhalten somit die Matrix b a a n b a an b a a n b A = und dazu die det A = = a an bn an a b a a nn n n nn iii Nun ersetzen wir den zweiten Spaltenvektor a von A durch b und erhalten entsprechend die Matrix a b a n a b an a b a n a A = und dazu die det A = = b an an bn a a b a nn n n nn iv In diesem Sinne berechnen wir bis n x x v ie gesuchte Lösung x heißt nun:x = = = x n n n

12 34 Adjunktenregel zur Berechnung inverser Matrizen Wir können die eterminantenrechnung auch dazu benutzen, inverse Matrizen zu berechnen azu verwenden wir die so genannte Adjunktenregel iese besagt folgendes: Gegeben sei die reguläre (n,n) Matrix a a a n a a a n A = an an a nn Gesucht ist ihre inverse Matrix A - iese erhalten wir wie folgt: A = det A A A n A A A n, worin die A ik die Adjunkten der det A bedeuten A A n A n A nn Berechne die inverse Matrix A - zur Matrix A = A T = Wir berechnen zuerst die eterminante von A, zb mit der Regel von Sarrus: = (3 0 ) + (8 7) + (4 ) - (7 0 4) - ( 3) - ( 8) = ann verwenden wir die Adjunktenregel: A A A A = A A A 3 = det A = A A A Anmerkung Zur Bestimmung der Inversen können wir zuerst A T aus A bilden, dann die Adjunkten 343 bilden und Weitere schließlich Anwendungen aus dem Produkt mit det A die Inverse A- errechnen oder zuers Adjunkten zu A bilden, dann die Ergebnismatrix transponieren und aus dem Produk det A die Inverse A- bestimmen

13 Berechnung des Spatproduktes Jede (3,3) eterminante können wir als ein Spatprodukt interpretieren, das von den drei Zeilenvektoren () () () () ( ) ( ) ( ) ( ) () ( 3) ( 3) ( 3) a = ( a, a, a 3 ), a = ( a, a, a 3 ) und a = ( a, a, a 3 ) gebildet wird: () () () a a a det A = a () ( a () a (3) ) det () ( ( ) ( ) efinition 3 3 ( ) ( ) ( ) A= a a a ) = a a a 3 ( 3) ( 3) ( 3) a a a 3 Bilden die drei Vektoren ein Rechtssystem, so ist die eterminante positiv und das Spatprodukt beschreibt das Volumen Andernfalls ist die eterminante negativ, und das Volumen V des Spates wird beschrieben durch : () ( ) ( 3) V = det A = a ( a a = - () a ( ) ( ), a, a 3 = a () a ( 3) a ( ),, Berechne das Volumen des von den drei Vektoren u, v und w aufgespannten Spatvolumens, wobei 0 u =, v = und w = sind Für das Volumen gilt dann: V = det A = = ( 3 3) + ( 6 0)= 6 Berechnung des Vektorproduktes Mit einem formalisierten Rechenverfahren verwenden wir die eterminantenrechnung, um aus zwei Vektoren a und b das Vektorprodukt zu bilden Seien u = (u,u,u 3 ) und v = (v,v,v 3 ) ann ist das Vektorprodukt u v: e e e3 u u u3 v v v3 ( ) = uv 3 uv 3, ( uv 3 uv 3 ), uv uv Seien u = (,,) und v = -3) ann ist u v = e e e3 3 ( ) = 3, ( 3 ( )), ( ) = (5,-4,3)

14 Äquivalente Aussagen zu det A 0 bzw det A = 0 Zuordnung Matrix A eterminante A = Reelle Zahl = det A det A 0 det A = 0 Rang von A = n Alle Zeilenvektoren a (i) linear unabhängig Ax = b eindeutig lösbar mit xi = i Inverse Matrix A - existiert: A A A = ( ki) = ( A A ik) T det det Rang A = r < n Zeilenvektoren a (i) linear abhängig Ax = b nicht eindeutig lösbar Rang A < Rang A erw : Keine Lösung Rang A = Rang A erw : - Lösungen Inverse Matrix existiert nicht Merkregeln Viele Aufgaben bestehen darin, ein Gleichungssystem, welches einen Parameter a enthält, daraufhin zu untersuchen, für welche Parameterwerte a das Gleichungssystem eindeutig lösbar, unendlich oft lösbar, nicht lösbar ist Solche Aufgaben werden immer damit begonnen, zu untersuchen, für welche Parameterwerte a die eterminante der Koeffizientenmatrix det A(a) = 0 ist eterminanten vom Typus (n,n) mit n 4 werden fast immer zuerst durch den modifizierten Gauß - Algorithmus vereinfacht

A wird in diesem Fall invertierbar oder regulär genannt. Beispiel

A wird in diesem Fall invertierbar oder regulär genannt. Beispiel Inverse Matrizen Definition Sei A eine quadratische Matrix vom yp (n,n) Existiert zu A eine Matrix X gleichen yps mit AX = XA = E (E: (n,n) Einheitsmatrix), so nennt man X die zu A inverse Matrix, oder

Mehr

a a a a a a a a a a a a a a a

a 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

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

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik 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/

Mehr

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik 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

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 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

Mehr

Lineare Gleichungssysteme und Matrizen

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

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

5.4 Basis, Lineare Abhängigkeit

5.4 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)

Mehr

a 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 =

a 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

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

a 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:

a 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

Mehr

1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4

1 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

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

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

Tutorium: Analysis und Lineare Algebra

Tutorium: 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

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik 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.

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 12 8. Juni 2010 Kapitel 10. Lineare Gleichungssysteme (Fortsetzung) Umformung auf obere Dreiecksgestalt Determinantenberechnung mit dem Gauß-Verfahren

Mehr

Kapitel 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 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

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 3 und lineare Gleichungssysteme und

Mehr

Serie 8: Online-Test

Serie 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

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

Serie 8: Fakultativer Online-Test

Serie 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

Mehr

Wir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds

Wir 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

Mehr

Determinanten. Die Determinantenfunktion

Determinanten. Die Determinantenfunktion Determinanten Wiederholung: Was ist eine Funktion? Um das folgende zu verstehen, muss der Begriff der "Funktion" kurz wiederholt werden: Eine Funktion ist eine eindeutige Zuordnungsvorschrift die jedem

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Modul 212 Determinanten Hans Walser: Modul 212, Determinanten ii Modul 212 für die Lehrveranstaltung Mathematik 2 für Naturwissenschaften Sommer 2003 Probeausgabe

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.3 Ergänzungen

Mathematik 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

Mehr

Basistext Determinanten

Basistext Determinanten Basistext Determinanten Definition In der Linearen Algebra ist die Determinante eine Funktion die einer quadratischen Matrix eine Zahl zuordnet. Die Funktion wird mit det abgekürzt. Die runden Matrixklammern

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 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,

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. 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

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, 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

Mehr

36 2 Lineare Algebra

36 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

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.4 Lineare Gleichungssysteme

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.4 Lineare Gleichungssysteme Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 84 Lineare Gleichungssysteme wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 74 Lineare Gleichungssysteme Prof Dr Erich Walter Farkas Mathematik I+II, 74 Lin Glsyst 1 / 83 1 Allgemeine Vorbetrachtungen

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10 D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)

Mehr

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist

Beispiele 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

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 2 Rechenoperationen und Gesetze Gleichheit

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 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

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

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle. Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:

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

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr

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 1 Einführung Lineare Gleichungen Definition

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( )

Ferienkurs 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

Mehr

Basiswissen Matrizen

Basiswissen 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)

Mehr

5.2 Rechnen mit Matrizen

5.2 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

Mehr

Lineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya

Lineare 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

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V. Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen und Determinanten, Aufgaben Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen

Mehr

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

Rang 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

Mehr

5.2 Rechnen mit Matrizen

5.2 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

Mehr

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

1 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.............................

Mehr

Lineare Gleichungssysteme

Lineare 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.

Mehr

05. Lineare Gleichungssysteme

05. 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

Mehr

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches 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

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

(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: Eine

Mehr

1 Matrizenrechnung zweiter Teil

1 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

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

Matrizen. 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

Matrizen. 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

Mehr

Das Spatprodukt 25. Insbesondere ist das Spatprodukt in jedem Faktor linear. a 1 = aa 2 + ba 3

Das Spatprodukt 25. Insbesondere ist das Spatprodukt in jedem Faktor linear. a 1 = aa 2 + ba 3 Das Spatprodukt 25 (Sp 4) (aa, b, c) a(a, b, c) Insbesondere ist das Spatprodukt in jedem Faktor linear Montag,3 November 23 Satz 92 Drei Vektoren,, Spatprodukt (,, ) ist sind genau dann linear abhängig,

Mehr

Determinanten. I. Permutationen

Determinanten. 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

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg. Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist

Mehr

3 Lineare Gleichungen

3 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

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen 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

Mehr

Mathematik IT 2 (Lineare Algebra)

Mathematik IT 2 (Lineare Algebra) Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme

Mehr

Probeklausur zu Mathematik 2 für Informatik

Probeklausur zu Mathematik 2 für Informatik Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die

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

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen. 1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. 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

Mehr

6.2 Rechnen mit Matrizen

6.2 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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Lineare Gleichungssysteme Das System a x + a x +... + a n x n = b a x + a x +... + a n x n = b. +. +... +. =. a m x + a m x +... + a mn x n = b m heißt lineares Gleichungssystem

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

Determinanten. I. Permutationen

Determinanten. 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

Mehr

Vektoren und Matrizen

Vektoren 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

Mehr

oder A = (a ij ), A =

oder 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

Mehr

3.9 Elementarmatrizen

3.9 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

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

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter 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,

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

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

Determinanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird,

Determinanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird, Determinanten Wir entwickeln eine Lösungsformel für Gleichungssysteme mit zwei Variablen. ax + cy = e b bx + y = f a } abx bcy = be + abx + ay = af ya bc = af be Man schreibt y = af be a bc = a e b f analog

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: 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

Mehr

Übungen zur Linearen Algebra, Kap. 1 bis Kap. 3

Übungen zur Linearen Algebra, Kap. 1 bis Kap. 3 Übungen zur Linearen Algebra, Kap. bis Kap. 3. Gegeben seien die beiden Matrizen Berechnen Sie Lösungen zu Übung 6 3 4, B = ( 3 5 4 A B, B A, (A B, (B A Dies ist fast eine reine Rechenaufgabe. Wir wollen

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

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante

Mehr

3 Systeme linearer Gleichungen

3 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 +

Mehr

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle 2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische

Mehr

7 Determinanten. D ist alternierend g.d.w. für alle i j gilt:

7 Determinanten. D ist alternierend g.d.w. für alle i j gilt: 7 Determinanten Im folgenden betrachten wir quadratische Matrizen Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a

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: Beispiel 0 2 3 0 Um die inverse der Matrix A mit Gauß-Jordan-Algorithmus zu bestimmen, wird eine Folge von elementaren Zeilenoperationen durchgeführt.

Mehr

Vektoren - Basiswechsel - Matrix

Vektoren - Basiswechsel - Matrix Vektoren - asiswechsel - Matrix 1. Prinzip er Zusammenhang zwischen zwei asissystemen sollen formal eleganter durchgeführt werden. Ein Nachteil des "einfachen" Verfahrens - siehe Seite V0 - ist, dass teilweise

Mehr

a 1 a 1 A = a n . det = λ det a i

a 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

Mehr