Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2
|
|
- Bernd Ackermann
- vor 7 Jahren
- Abrufe
Transkript
1 1. Formatbedingungen der Matrixoperationen Die Addition (Subtraktion) A ± B verlangt gleiches Format der Operanden A und B. Das Ergebnis hat das Format der Operanden. Skalarmultiplikation λa: Es gibt keine Formatbedingung. Das Ergebnis hat das Format von A. Bei der Multiplikation A B muss die Spaltenzahl von A mit der Zeilenzahl von B übereinstimmen. Die Zeilenzahl des Ergebnisses ist die Zeilenzahl von A, die Spaltenzahl des Ergebnisses ist die Spaltenzahl von B. 2. Ist die Matrix A = a T ein Zeilenvektor der Länge n und ist die Matrix B = b ein Spaltenvektor der Länge n, so ist das Matrixprodukt A B das Skalarprodukt a, b der beiden Spaltenvektoren a und b. Allgemeiner ist das Produkt C zweier Matrizen A und B an der Stelle (i, j) das Skalarprodukt der i-ten Zeile von A mit der j-ten Spalte von B, wenn man die Reihen der Matrizen als Vektoren auasst. 3. Beim Schema von Falk zur Bestimmung des Matrixproduktes wird der zweite Matrixfaktor B rechts über dem ersten Matrixfaktor A angeordnet. Dann steht das Element c ij des Produktes C = A B genau im Schnittpunkt der i-ten Zeile von A und der j-ten Spalte von B, aus denen es berechnet wird (siehe Antwort 2. vorher). Hat man das Produkt D = A B C dreier Matrizen A, B und C zu berechnen, so gilt nach dem Assoziativgesetz der Multiplikation sowohl D = (A B) C als auch D = A (B C). Im ersten Fall schreibt man im erweiterten Schema von Falk die Faktoren A und B versetzt wie bisher und den dritten Faktor C rechts neben B (Multiplikation von hinten). Im zweiten Fall schreibt man zunächst die hinteren Faktoren B und C versetzt wie bisher und setzt den ersten Faktor A unter B (Multiplikation von vorn). In beiden Fällen entsteht das Produkt D, indem man zweimal hintereinander das einfache Schema von Falk benutzt. Sinngemäÿ setzt man diesen Prozess bei mehr als drei Faktoren fort. 4. Rechengesetze der Matrixmultiplikation: Für A, A 1, A 2 R m,l und B, B 1, B 2 R l,k sowie C R k,n und λ R gilt λ (A B) = (λ A) B = A (λ B) A (B C) = (A B) C Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2 Es gibt jedoch Matrizen A 0 und B 0 mit A B B A oder mit A B = O. Daher ist die Multiplikation i.allg. nicht kommutativ. So sind zwei Distributivgesetze notwendig, jeweils für die Multiplikation mit einer Matrix von vorn und von hinten. Weiterhin gibt es Nullteiler. Daraus folgt auch, dass nicht alle quadratischen Matrizen invertierbar sind. 5. Rechengesetze der Transposition: Für A, A 1, A 2 R m,l, B R l,n und λ R
2 gilt (A T ) T = A Involution (A 1 + A 2 ) T = A T 1 + A T 2 Additivität (λ A) T = λ A T Homogenität (A B) T = B T A T Produktregel Zu beachten ist die Gestalt der Produktregel. Beim Transponieren eines Produktes multipliziert man die transponierten Faktoren in umgekehrter Reihenfolge. 6. Berechnung von Determinanten a) Kreuzregel für zweireihige Determinanten: In dem quadratischen Schema von 4 Zahlen wird über Kreuz multipliziert sowie anschlieÿend subtrahiert: det(a) = det(a 1 a 2 ) = a 11 a 12 a 21 a 22 := a 11 a 22 a 12 a 21. b) Regel von Sarrus für dreireihige Determinanten: Zunächst werden an die drei Spalten der Matrix die ersten beiden Spalten nochmals angehängt. Die Anordnung a 1 a 2 a 3 a 1 a 2 der fünf Spalten liefert die unten genannten sechs vorzeichenbehafteten Summanden aus den Produkten der Elemente in den abwärts und aufwärts gerichteten Diagonalen. Dabei sind die drei Produkte in den abwärts gerichteten Diagonalen mit positivem und die drei Produkte in den aufwärts gerichteten Diagonalen mit negativem Vorzeichen zu versehen: det(a) = det(a 1 a 2 a 3 ) = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31 a 11 a 23 a 32 a 12 a 21 a 33. c) Entwicklungssatz von Laplace für n-reihige Determinanten: Neben der Matrix A R n,n spielt ihre komplementäre Matrix à Rn,n eine entscheidende Rolle. Ihre Elemente ã ij lassen sich jeweils als vorzeichenbehaftete (n 1)-reihige Unterdeterminanten von A ausdrücken. Die Berechnung der Determinante von A erfolgt durch Entwicklung nach einer ausgewählten Zeile oder Spalte von A: Entwicklung der Determinante nach der i-ten Zeile det(a) = n a ij ã ij, j=1 (i = 1,..., n): Entwicklung der Determinante nach der j-ten Spalte (j = 1,..., n): n det(a) = a ij ã ij. i=1 7. Eigenschaften der Determinanten einer Matrix A = (a 1... a k... a n ) R n,n :
3 Zeilen-Spalten-Analogie det(a) = det(a T ). Reihentauschregel det (a 1... a k... a l... a n ) = det (a 1... a l... a k... a n ). Reihenhomogenität det (a 1... λ a k... a n ) = λ det(a). Reihenadditivität det (a 1... a k + a k... a n ) = det (a 1... a k... a n ) + det (a 1... a k... a n ). Die Zeilen-Spalten-Analogie bedeutet, dass ich mit der Determinante einer Matrix auch gleichzeitig die Determinante der transponierten Matrix berechnet habe. Unter Beachtung der Reihentauschregel kenne ich auÿerdem dann alle Determinanten von Matrizen, die durch Vertauschung von Reihen auseinander hervorgehen. Aus der Reihenhomogenität und der Reihenadditivität folgt, dass eine Elementartransformation in der Matrix A R n,n den Determinantenwert nicht ändert. Addiert man ein Vielfaches der Spalte l von A zur Spalte k, so ist det(a) = det (a 1... a k... a l... a n ) = det (a 1... a k + λa l... a l... a n ). Diese Beziehung wird ausgenutzt, um in Reihen der Matrix systematisch Nullelemente zu erzeugen und die Berechnung der Determinante damit entscheidend zu vereinfachen (siehe Entwicklungssatz von Laplace). Die genannten Eigenschaften bewirken auch, dass für quadratische Matrizen A, B und Zahlen λ i.allg. die Ungleichungen det(λ A) λ det(a), det(a + B) det(a) + det(a) zutreen. (Daher ist die Determinante keine lineare Funktion.) Für zwei Matrizen A R n,n und B R n,n gilt die Produktregel det(a B) = det(b A) = det(a) det(b). Ist daher eine Produktzerlegung der Matrix vorhanden, von deren Faktoren die Determinanten schon bekannt sind oder sich leichter berechnen lassen, so eignet sich die Produktregel zur ezienten Determinantenberechnung. 8. Determinanten von Dreiecksmatrizen sind leicht berechenbar. Der Determinantenwert ist das Produkt der Hauptdiagonalelemente. 9. Zunächst sind Diagonalmatrizen D, deren Diagonalelemente d ii nicht verschwinden, leicht invertierbar. Die Inversen D 1 sind wieder Diagonalmatrizen, deren Diagonalelemente die Kehrwerte der entsprechenden Diagonalelemente d ii sind. Weiterhin gewinnt man die Inversen von orthogonalen Matrizen A durch Transposition A 1 = A T.
4 Beachtet man für invertierbare Matrizen A die Rechenregeln (A 1 ) 1 = A, (A T ) 1 = (A 1 ) T und für invertierbare Matrizen A und B die Produktregel (A B) 1 = B 1 A 1, so lassen sich auch Inverse, Transponierte und Produkte leicht invertieren, wenn man die Inversen der Ausgangsmatrizen kennt. 10. a) Ist B = A 1 die Inverse der regulären Matrix A R n,n, so gilt mit der komplementären Matrix à die Beziehung B = 1 det(a) ÃT. Das bedeutet für ihre Elemente b ij = ãji det(a) = det(a ji) ( 1)i+j det(a). Dabei sind ã ij die Elemente von à und A ij die Teilmatrizen von A, die durch Streichung der i-ten Zeile und j-ten Spalte in A entstehen. Daher treten bei der Berechnung der Elemente der Inversen Quotienten von Determinanten auf. Die Zählerdeterminate hat n 1 Reihen. Die Nennerdeterminate hat n Reihen. b) Für eine Matrix A R n,n sind folgende Aussagen äquivalent: A ist regulär (det(a) 0), A besitzt den maximalen Rang (rang(a) = n), A ist invertierbar, A ist kein Nullteiler, das Spaltensystem U S von A ist linear unabhängig (rang(u S ) = n), das Zeilensystem U Z von A ist linear unabhängig (rang(u Z ) = n). 11. Rangerhaltende Matrixumformungen: Transponieren, Tausch von Parallelreihen, Skalarmultiplikation einer Reihe mit einem nichtverschwindenden Faktor, Addition von Reihenvielfachen zu Parallelreihen. 12. Die Reihensysteme einer orthogonalen Matrix A R n,n sind Orthonormalsysteme. Das folgt aus der denierenden Eigenschaft A A T = E. Da A invertierbar ist, ergibt sich N(A) = {0}, R(A) = R n. 13. Matrizen als elementare geometrische Transformationen: Drehung: Matrix orthogonal, Determinante 1, Umlegung: Matrix orthogonal, Determinante 1, Ähnlichkeit: Matrix Vielfaches einer orthogonalen Matrix, orthogonale Projektion: Matrix idempotent (Projektionsmatrix) und symmetrisch.
5 14. a) Koordinatentransformationen beeinussen die Darstellungen von linearen Abbildungen (Matrixdarstellungen). Daher sind solche Transformationen von Bedeutung, die die Darstellung einer linearen Abbildung vereinfachen. Für symmetrische Matrizen existieren diagonale Darstellungen. Die entsprechenden Koordinatentransformationen heiÿen Hauptachsentransformationen (siehe Abschnitt 6.8). b) Sind die Basen der Koordinatentransformationen orthonormal, so ist die Transformationsmatrix eine Bewegung (orthogonal). Ist ein geometrisches Objekt gegeben, so kann eine Drehung D der Basis auch als (entgegengesetzte) Drehung D 1 des Objektes interpretiert werden.
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
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
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
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
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
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
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.................................
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
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
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
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
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)
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/
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
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
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
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
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
MehrLineare Algebra. Beni Keller SJ 16/17
Lineare Algebra Beni Keller SJ 16/17 Matritzen Einführendes Beispiel Ein Betrieb braucht zur Herstellung von 5 Zwischenprodukten 4 verschiedene Rohstoffe und zwar in folgenden Mengen: Z 1 Z 2 Z Z 4 Z 5
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
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
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 29. April 2011 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
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.........
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
Mehr13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN
13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix
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
Mehrmit "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"
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
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
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 I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Klausur: voraussichtlich Mittwoch,
Lineare Algebra I - 2. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Klausur: voraussichtlich Mittwoch, 4.2. 4:3 Uhr, A3 A 2 Mat(n, n; K) Dann ist 7 A : Mat(n, ; K)! Mat(n, ; K) b! A b ein Endomorphismus.
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
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
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
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
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
MehrIn 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:
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
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
MehrK. 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
MehrMatrizen 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
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
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
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
MehrMathematik 1 für Wirtschaftsinformatik
für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Komplexe Zahlen 5 Lineare Algebra 6 Lineare Programme 5 Lineare Algebra
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
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
MehrEine 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
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
Mehr1 Darstellungsmatrizen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v
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
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
Mehrtäglich einmal Scilab!
Mathematik 1 - Übungsblatt 7 täglich einmal Scilab! Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind skalare Größen (=einfache Zahlen im Gegensatz zu vektoriellen
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
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
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
MehrEinheitsmatrix E = , Nullmatrix O = c c Diagonalmatrix diag(c 1, c 2,..., c n ) = Rang
3 Matrizen 1 0 0 0 0 0 0 1 0 0 0 0 Einheitsmatrix E =, Nullmatrix O = 0 0 1 0 0 0 c 1 0 0 0 c Diagonalmatrix diag(c 1, c 2,, c n ) = 2 0 0 0 c n, Rang Definition: Die Zahl r heißt Rang einer Matrix, falls
MehrTheoretische Fragen zu ausgewählten Themen in Lineare Algebra
Theoretische Fragen zu ausgewählten Themen in Lineare Algebra { Oren Halvani, Jonathan Weinberger } TU Darmstadt 25. Juni 2009 Inhaltsverzeichnis 1 Determinanten................................................
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07032016-11032016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Lineare Abbildungen 2 11 Homomorphismus 2 12 Kern
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
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
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
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.
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
MehrDie Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn.
Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: Definition 1.2 (Leibniz-Formel) Die Determinante einer n n-matrix ist a 11 a 12 a 13... a 1n a 11 a 12 a 13... a 1n a 21
Mehra 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α
Mathematik 1 - Übungsblatt 7 Lösungshinweise Tipp: Verwenden Sie zur Kontrolle Scilab, wo immer es möglich ist. Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind
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:
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.
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
MehrPotenzen der Linearen Algebra
Potenzen der Linearen Algebra Stufen der Verallgemeinerung und ihre didaktische Umsetzung in der Lehre Fakultät für Ingenieurwissenschaften Prof. Dr. Dieter Schott E-Post: dieter.schott@hs-wismar.de www.et.hs-wismar.de/schott
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
MehrMatrizen 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
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.
MehrDeterminante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden.
Determinante Die Determinante det A = det(a 1,..., a n ) einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Multilineariät: det(..., αa j + βb j,...) = α det(...,
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
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
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)
MehrBasistext 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
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.............................
MehrEinführung 15. Teil I Grundlagen der Algebra 21. Kapitel 1 Die bunte Welt der linearen Algebra 23
Inhaltsverzeichnis Einführung 15 Zu diesem Buch 15 Konventionen in diesem Buch 16 Was Sie nicht lesen müssen 16 Törichte Annahmen über den Leser 16 Wie dieses Buch aufgebaut ist 16 Teil I: Grundlagen der
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
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
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
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,
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
MehrTutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
MehrMatrizen 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
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,
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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
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
MehrMathematik 1 Bachelorstudiengang Maschinenbau
Mathematik 1 Bachelorstudiengang Maschinenbau Prof Dr Stefan Etschberger Hochschule Augsburg Sommersemester 2012 Übersicht 4 Lineare Algebra 1 Grundlegendes 2 Aussagenlogik 3 Mengen 4 Lineare Algebra Lernziele
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 3 und lineare Gleichungssysteme und
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
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
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
Mehr5.4 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)
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
Mehr