Beleg zum Umgang mit der Software GNU Octave!

Größe: px
Ab Seite anzeigen:

Download "Beleg zum Umgang mit der Software GNU Octave!"

Transkript

1 Beleg zum Umgang mit der Software GNU Octave Vortrag 5 - Matrizen Array Claus Holland (542708) Alexander Ihm (543565) André Kuske (542823) Modul: Mathematik 3 Dozentin: Dipl.Math. Petra Schumann Datum:

2 Benutzung dieses Dokuments Das vorliegende Dokument beschreibt die Verwendung von Octave im Zusammenhang mit Matrizen und Vektoren. Jedes Unterthema ist dabei in 3 verschiedene, farblich markierte, Bereiche unterteilt. Einzelne Abschnitte werden durch kursive, unterstrichene Überschriften eingeleitet. Befehle, die direkt in Octave eingegeben werden können, sind durch Fettschrift hervorgehoben. Das ans= am Zeilenanfang der Ausgabe steht für Ergebnis (vom englischen answer). Inhalt: weiß grün blau Theorie Octave Befehle und deren Ausgabe Praktisches Beispiel oder Anwendungsgebiet 1. Erzeugungsmöglichkeiten von Matrizen / Vektoren (3-dimensional) 2. Spezielle Matrizen 3. Transponierte Matrizen 4. Quadratische Matrizen 5. Zugriffsmöglichkeiten auf Matrizen 6. Elemente umordnen 7. Rechenoperationen mit Matrizen 8. Division von Matrizen 9. Erzeugung von Submatrizen 10. Diagonale einer Matrix 11. Elementweises Rechnen mit Matrizen und Vektoren (Min, Max) 12. Abfrage gleicher Elemente 13. Linearkombination 14. Liste der gängigen Kommandos 15. Glossar 16. Quellen

3 Erzeugungsmöglichkeiten von Matrizen / Vektoren (3-dimensional) Matrizen sind ein wichtiger Bestandteil der linearen Algebra. Sie sind ein Werkzeug, um lineare Gleichungssysteme abzubilden und zu lösen. Octave erlaubt dem Benutzer sowohl Vektoren (als Spalten- und Zeilenvektor), als auch mehrdimensionale Matrizen zu erstellen und zu bearbeiten. Darstellung eines Zeilenvektors: Durch Eingabe des Befehls A = [1,2,3,4,5] wird ein Zeilenvektor A erzeugt, welchem die Werte in Klammern zugeordnet werden. Die Elemente können durch Leerzeichen oder Kommata getrennt eingegeben werden. Darstellung eines Spaltenvektors: Das Anlegen eines Spaltenvektors A gestaltet sich ähnlich wie beim Zeilenvektor, doch anstatt eines Leerzeichens oder Kommas, verwendet man Semikolons als Trennzeichen. A = [1;2;3;4;5]

4 Darstellung einer Matrix: Die Zeilen (m) und Spalten (n) einer Matrix lassen sich durch eine Kombination der Eingabesyntaxen der Vektoren erstellen. Die Zeilen werden wieder durch Kommata oder Leerzeichen getrennt eingegeben, die Spalten durch Semikolons getrennt. A = [1,2,3; 4,5,6; 7,8,9] Um Zahlenreihen nicht mühselig von Hand eingeben zu müssen, kann man mit Hilfe des Doppelpunkt Operators den ganzzahligen Anfangswert vor dem Doppelpunkt und den ganzzahligen Endwert hinter diesem angeben. Octave vervollständigt dann die Zahlen in Einer Schritten, bis die Reihe komplett ist. Um eine Spalte einzugeben, wird der Befehl in Klammern mit anschließendem Hochkomma gesetzt. A = 1:4 A = (1:4)'

5 Soll anstatt in Einer Schritten in anderen Abständen gezählt werden, wird anstelle des Doppelpunktes die Kombination Doppelpunkt, Schrittfolge, Doppelpunkt genutzt. Auch hier kann die Spaltenform durch Verwendung von Klammern und folgendem Hochkomma genutzt werden. A = 1:0.25:2 A = (1:0.25:2)' Mittels der Befehle zeros und ones lassen sich quadratische Matrizen, ausschließlich mit Nullwerten (Nullmatrix) oder Einsen gefüllt, erstellen. zeros(3) ones(3) Wenn keine quadratischen, sondern mit ungleicher Anzahl Spalten und Zeilen gefüllten Matrizen erzeugt werden müssen, kann man die eben genannten Befehle dementsprechend abändern. Dabei wird zuerst die Zeilenanzahl, danach die Spaltenanzahl angegeben. zeros (3,4) ones(3,4)

6 Anwendungsgebiete: In der 3D-Spieleprogrammierung werden Matrizen verwendet, um Spiegelungen oder Rotationen zu erzeugen. Außerdem lassen sich durch Matrizen Gleichungssysteme lösen.

7 Spezielle Matrizen Magisches Quadrat: Ein magisches Quadrat ist eine Matrix mit n*n Elementen, bei der die Summe der Elemente der Spalten, Zeilen und der Haupt- und Nebendiagonale identisch sind. Zum Aufruf dieser Funktion wird der Befehl magic(n) verwendet. n muss größer als 2 gewählt werden. Pascalsche Matrix: Ein pascalsches Dreieck ist eine Darstellungsform für Binomialkoeffizienten (mathematische Funktion zur Lösung einer Grundaufgabe der Kombinatorik) und erlaubt diese auch einfach zu berechnen. Dieses Dreieck lässt sich in Octave auch als Matrix darstellen. Die Besonderheit dieser Matrix ist, dass jedes Element der Summe der beiden darüber liegenden entspricht. Bei der Darstellung in Octave ist das Dreieck etwas gedreht. Man addiert also die Elemente links und oberhalb des gesuchten Elements. pascal(4) Praktisches Anwendungsbeispiel: Mit Hilfe des Pascalschen Dreiecks lassen sich die Binomischen Formeln beliebiger Potenzen schnell ablesen. 3. Zeile: 4. Zeile:

8 Hilbert Matrix: Die Besonderheit der Hilbert-Matrix ist, dass ihre Inverse exakt berechnet werden kann. Es existiert folglich ein eindeutig lösbares Gleichungssystem. Diese Matrix hat jedoch den Nachteil, dass sie schlecht konditioniert ist, da ihre Konditionszahl exponentiell mit (n) wächst. Der Befehl hilb(n) berechnet die n*n-matrix, deren einzelne Elemente mit H (i, j) = 1 / (i + j 1) berechnet werden. Die inverse Matrix kann mit dem Befehl invhilb(n) erzeugt werden. hilb(5) invhilb(5)

9 Random Matrix: Um eine Matrix mit zufälligen Werten zwischen definiertem Anfangswert und definiertem Endwert zu erzeugen, wird der Befehl rand benutzt. rand(5,5) Vandermonde Matrix: Bei der Vandermonde Matrix werden zu jedem Element einer Zahlenfolge die Potenzen bis zu einem festgelegten Grad erzeugt. Die Werte einer Zeile entsprechen also von rechts nach links gelesen Zeilennummer^(Spaltennummer-1). vander(1:5) Anwendungsgebiete: Die Vandermonde Matrix wird bei der Interpolation von Funktionen benutzt.

10 Transponierte Matrizen Beim Transponieren einer Matrix wird diese an ihrer Hauptdiagonalen gespiegelt. Die Zeilen werden also zu Spalten und umgekehrt. Eine vorhandene Matrix kann durch Eingabe ihres Variablennamens mit folgendem Hochkomma transponiert werden. A = [1,2,3;4,5,6;7,8,9] wird durch A' transponiert. Anwendungsgebiete: Das Transponieren von Matrizen findet beispielsweise bei der linearen Optimierung Anwendung. Diese wird zur Lösung von Problemen eingesetzt, wenn es keine standardisierten Lösungsverfahren gibt, wie bei der Planung von Telefonnetzen. Dabei müssen Verkehrsflüsse so durch ein Netz geroutet werden, dass alle Verkehrsanforderungen erfüllt werden, ohne die Kapazitätsbedingungen zu verletzen.

11 Quadratische Matrizen Wenn die Zeilen- und Spaltenanzahl einer Matrix übereinstimmen, wird von einer quadratischen Matrix gesprochen. Der Sonderfall einer 1x1 Matrix wird als Skalar bezeichnet. Die Hauptdiagonale beinhaltet alle Elemente, die sich auf der Linie vom kleinsten Index bis zum größten Index befinden. Die Nebendiagonale verläuft von oben rechts nach unten links. Anwendungsgebiete: Viele der in diesem Dokument vorgestellten Rechenoperationen lassen sich nur an quadratischen Matrizen anwenden. Daher wird häufig diese Darstellungsform genutzt.

12 Zugriffsmöglichkeiten auf Matrizen Octave erlaubt den Zugriff auf einzelne Elemente einer Matrix. Hierfür wird der Variablenname der Matrix gefolgt von der Zeilen- und Spaltenangabe kommagetrennt in Klammern eingegeben. A(2,3) Ausgegeben wird dann die Zahl, die sich an der angegebenen Position befindet. Index: Da Octave sämtliche Elemente einer Matrix indiziert, kann auch direkt nach Zahlen in Matrizen gesucht werden. Die Elemente werden von oben nach unten und von links nach rechts indiziert. Sucht man beispielsweise nach dem Element mit dem Wert 6 durch Eingabe von A(6) wird in diesem Beispiel als Ergebnis die Indexzahl 8 ausgegeben. Weiterhin lässt sich das letzte Element der Matrix (Element mit dem höchsten Index) mittels des Befehls end abfragen. Anwendungsgebiete: Sobald große Mengen an Zahlendaten in einer Matrix gespeichert werden, ist der Einsatz der Zugriffsbefehle beim späteren Arbeiten mit den Werten unvermeidbar.

13 Elemente umordnen Octave verfügt über verschiedene Möglichkeiten zur Umordnung von Elementen in Matrizen. Horizontales/Vertikales Spiegeln: Matrizen können in Octave sowohl horizontal, als auch vertikal gespiegelt werden. Das geschieht mit Hilfe der Befehle flipud und fliplr. flipud(a) fliplr(a) Rotation: Um eine Matrix um 90 im Uhrzeigersinn zu drehen, wird die Funktion rot90(a) verwendet. Rotationen um 180 und 270 sind durch Eingabe von rot90(a,2) und rot90(a,3) möglich. A steht hierbei für den Variablennamen der Matrix. rot90(a) rot90(a,2) rot90(a,3)

14 Umformung: Die reshape-funktion gestattet das Umformen von Matrizen, sofern Ausgangs- und Zielmatrix dieselbe Anzahl an Elementen haben. Sortieren: Um die Elemente einer Matrix nach aufsteigendem Wert zu sortieren, wird die Funktion sort eingesetzt. Anwendungsgebiete: Es gibt zahlreiche Gründe, weshalb die Elemente einer Matrix umgeordnet werden müssen. Das Sortieren der Elemente kann zum Beispiel im Controlling sinnvoll sein, um die Preise für bestimmte Waren in eine aufsteigende Reihenfolge zu bringen und somit die Ausgaben vergleichen zu können.

15 Rechenoperationen mit Matrizen Octave ermöglicht es den Nutzern mit wenigen Befehlen alle gängigen Rechenoperationen auf Matrizen auszuführen. Voraussetzung für Addition, Subtraktion und Multiplikation mit Skalaren ist, dass die Operanden die gleiche Anzahl von Spalten und Zeilen haben. Addition, Subtraktion und skalare Multiplikation von Matrizen: Durch Verwenden der normalen Operatoren -,+,* lassen sich die Operationen leicht durchführen.

16 Multiplikation von Matrizen: Für die Multiplikation von Matrizen gilt die Regel, dass die Anzahl der Spalten der ersten Matrix denselben Betrag wie die Anzahl der Zeilen der zweiten Matrix haben muss. Dann kann mit dem "*"- Operator normal multipliziert werden.

17

18 Division von Matrizen Die Division vom Matrizen ist in der Mathematik nicht definiert. Octave bietet jedoch die Möglichkeit, Matrizen im Sinne einer Multiplikations-Umkehrung zu dividieren. Dafür gibt es die Operatoren "/" und "\". Es gilt: Das Zeichen "\" bezieht sich also auf eine Umkehrung der Multiplikation von der Inversen von A. Zu beachten: Die Division von Matrizen in Octave führt (fast) immer zu einem Ergebnis. Dies ist jedoch nicht notwendig eine Entsprechung der oben gezeigten Umkehrung einer Multiplikation. Die praktische Bedeutsamkeit der Ergebnisse der Division zweier Matrizen geht daher gegen null. Relevant ist: Mit dem Backslash-Operator lässt sich ein lineares Gleichungssystem der Form AX=B --> X=B\A lösen.

19 Erzeugung von Submatrizen Manchmal ist es sinnvoll, Elemente, Spalten oder Zeilen einer Matrix in einer Submatrix oder einem Subvektor auszulagern. Eingabe einer Matrix: Durch Eingabe des Befehls A = [1,2,3;4,5,6;7,8,9] erhalten wir eine in A gespeicherte Matrix. Erzeugung einer Submatrix: Durch Eingabe des Befehls B = A([1,2], [2,3]) erhalten wir die Submatrix B, bestehend aus der ersten und zweiten Zeile und der zweiten und dritten Spalte von A. Erweiterung mit ":" Operator: Es lässt sich auch einfach eine ganze Zeile in eine Submatrix ausgliedern. Dafür geben wir ein: B = A(3,:)

20 Praktisches Anwendungsbeispiel: Mit dem laplaceschen Entwicklungssatz lassen sich Determinanten von n x n Matrizen berechnen. Dazu entwickelt man nach einer Spalte oder Zeile der Ausgangsmatrix und addiert bzw. subtrahiert die Determinanten der kleineren Submatrizen.

21 Diagonale einer Matrix Die Diagonale einer Matrix ist im Gegensatz zum vorangegangenen Kapitel ein spezieller Abschnitt einer Matrix, der üblicherweise Elemente von links oben bis rechts unten entlang einer gedachten Linie umfasst. Hauptdiagonale einer Matrix ausgeben: Exakt von links oben nach rechts unten verläuft die Hauptdiagonale einer Matrix. Diese können wir uns als Vektor ausgeben lassen. Zunächst erzeugen wir wieder eine Matrix im Terminal. Dann lassen wir uns von Octave die Hauptdiagonale mit dem Befehl diag(a) als Vektor ausgeben. Hauptdiagonale frei wählen: Durch Eingabe des Befehls B = diag([ ]) erhalten wir eine Matrix, die nur aus einer von uns vorgegebenen Hauptdiagonalen besteht.

22 Nebendiagonale: Möchte man eine Matrix mit einer Nebendiagonalen, oberhalb oder unterhalb der Hauptdiagonalen darstellen, so ist dafür ebenfalls der Befehl diag zu gebrauchen, mit diag([x y z], p), wobei x,y,z beliebige Werte sein können und p bzw. -p angibt, ob die Nebendiagonale oberhalb bzw. unterhalb und an welcher Stelle liegen soll.

23 Spezialfall Einheitsmatrix: Mit dem Befehl eye(x) bzw. eye (x,y) lässt sich auch eine Einheitsmatrix ausgeben, die unter anderem in der linearen Algebra von Bedeutung ist. Dabei haben alle Werte in der Diagonalen das Attribut 1. Wird nur x angegeben, wird die Matrix quadratisch, mit x und y lassen sich beliebige Matrizen der Form m x n ausgeben. Praktisches Anwendungsbeispiel: Mit Hilfe der Einheitsmatrix (I) lässt sich unter Umständen die Inverse einer gegebenen Matrix bestimmen. Es gilt:

24 Elementweises Rechnen mit Matrizen und Vektoren (Min, Max) Vektoren und Matrizen bestehen in der Regel aus mehreren Elementen. Bei einer Rechenoperation zwischen zwei Vektoren oder Matrizen lässt sich eine Erweiterung mittels des "."-Operators vornehmen, die die Rechenoperationen elementweise durchführbar macht. Dies ist für die Matrizenmultiplikation relevant. Bei einer normalen Multiplikation muss die Spaltenanzahl der ersten Matrix gleich der Zeilenanzahl der zweiten Matrix sein. Das Matrizenprodukt hat dann die Zeilenzahl der ersten und die Spaltenzahl der zweiten Matrix. Multiplizieren von Matrizen mit "."-Operator: Für das elementweise Multiplizieren müssen beide Matrizen die gleichen Dimensionen haben.

25 Multiplizieren von Vektoren mit "."-Operator: Auch Vektoren lassen sich jetzt elementweise multiplizieren, ohne einen Vektor vorher transponieren zu müssen. Praktisches Anwendungsbeispiel: Bea, Trixi und Petra haben Lust auf Süßes und kaufen Schokolade. Wie viel Gramm sie von welcher Sorte kaufen, tragen sie in ein Array ein. Mit Hilfe der elementweisen Multiplikation können sie leicht herausfinden, wer wie viel bezahlen muss.

26 Kleinstes Element von Matrix/Vektor ausgeben lassen: Will man sich das kleinste Element eines Vektors oder einer Matrix ausgeben lassen, vielleicht in Vorbereitung einer Sortier-Operation, so hilft der Operator min. Bei Vektoren gibt er das kleinste Element aus. Bei Matrizen gibt er einen Zeilenvektor aus, dessen Elemente die kleinsten Elemente der zu Grunde liegenden Spalten der Ausgangsmatrix sind.

27 Größtes Element von Matrix/Vektor ausgeben lassen: Analog zum min-operator funktioniert der max-operator.

28 Abfrage gleicher Elemente Um (mehrdimensionale) Vektoren miteinander zu vergleichen bietet Octave eine ganze Reihe von Funktionen. Hier sollen zwei gängige Varianten vorgestellt werden. Boolesches Vergleichen von Vektoren: In Octave sind die Wahrheitswerte "wahr" und "falsch" mit 0 und 1 belegt. Vergleicht man zwei Vektoren oder Matrizen miteinander, so kann man Vergleichsoperatoren verwenden (==, =, <, <=,>=,> usw.). Werden die damit erzeugten Aussagen erfüllt, so zeigt Octave dies durch eine 1 an der Stelle des jeweiligen Elements an.

29 Ausgeben gleicher Elemente: Will man konkret die identischen Werte ausgegeben haben, bietet sich der Befehl find an. Praktisches Anwendungsbeispiel: Wenn einem Bildbearbeiter die Aufgabe obliegt, ein Originalfoto von einer Fälschung zu unterscheiden, so kann er ein Bildanalyse-Programm über die Bilder laufen lassen und nach Unterschieden in Pixel-Blöcken suchen lassen. Die Basis eines solchen Vergleichsvorgangs ist ein Matrix-Vergleich.

30 Linearkombination Eine Linearkombination von Vektoren ist eine Summe von Vektoren, wobei jeder Vektor noch mit einer (reellen) Zahl, einem Koeffizienten multipliziert wird. Als Ergebnis erhält man wieder einen Vektor. Allgemeine Formel: αa + βb = c. Einen Vektor durch Linearkombination erzeugen: Die Addition zweier Vektoren (als Koeffizienten α und β nehmen wir 1) sieht folgendermaßen aus: Vektor d ist jetzt eine simple Linearkombination aus den Vektoren a und b. Praktisches Anwendungsbeispiel: Das Prinzip der Linearkombination ermöglicht es uns, eine Menge von Vektoren auf lineare Abhängigkeit bzw. lineare Unabhängigkeit zu überprüfen. Zwei Vektoren a und b sind linear unabhängig, wenn: αa + βb = 0 nur mit (α,β = 0) erfüllt ist. Ist die Linearkombination c = 0, obwohl (α,β 0), sind die Vektoren a und b linear abhängig. Dies ist für die Lösung linearer Gleichungssysteme sinnvoll.

31 Liste der gängigen Kommandos X = [Zeile1a,Zeile1b,Zeile1c] X = [Zeile1a;Zeile2a;Zeile3a] X = [Zeile1a,Zeile1b;Zeile2a,Zeile2b] X = Anfangswert:Endwert X = (Anfangswert:Endwert)' X = Anfangswert:Abstand:Endwert X = (Anfangswert:Abstand:Endwert) zeros (Anzahl) zeros (Zeilen,Spalten) ones (Anzahl) ones (Zeilen,Spalten) X' X(Zeile.Spalte) X(Index) X(end) flipud(x) fliplr(x) rot90(x) Zeilenvektor erzeugen Spaltenvektor Matrix erzeugen Zeilenvektor mit den Werten Anfangswert bis Endwert erzeugen Spaltenvektor mit den Werten Anfangswert bis Endwert erzeugen Zeilenvektor mit den Werten Anfangswert bis Endwert im festgelegten Abstand erzeugen Spaltenvektor mit den Werten Anfangswert bis Endwert im festgelegten Abstand erzeugen Quadratische Nullmatrix mit festgelegter Anzahl Zeilen/Spalten erzeugen Nullmatrix mit festgelegter Anzahl Zeilen/Spalten erzeugen Quadratische Matrix mit Einsen gefüllt mit festgelegter Anzahl Zeilen/Spalten erzeugen Mit Einsen gefüllte Matrix mit festgelegter Anzahl Zeilen/Spalten erzeugen Vorhandene Matrix transformieren Rückgabe des Wertes in angegebener Zeile und Spalte Rückgabe des Wertes an angegebenem Index Rückgabe des letzten Wertes der Matrix (Wert mit höchstem Index) Vorhandene Matrix horizontal spiegeln Vorhandene Matrix vertikal spiegeln Vorhandene Matrix um 90 im Uhrzeigersinn drehen

32 rot90(x,2) rot90(x,3) reshape(x,zeilen,spalten) sort(x) X+Y, X -Y, X*Y X/Y, X\Y X = Y([Zeile,Zeile], [Spalte,Spalte]) diag(x) X = diag([werte]) diag([x y z], p) eye(x) min(x);max(x) X.*Y find(x==y) Vorhandene Matrix um 180 im Uhrzeigersinn drehen Vorhandene Matrix um 270 im Uhrzeigersinn drehen Umformung vorhandener Matrix in eine neue mit angegebener Anzahl Zeilen und Spalten Vorhandene Matrix vom kleinsten zum größten Wert sortieren Rechenoperationen Octave-Division Submatrix erzeugen Hauptdiagonale als Vektor Erzeugen einer Matrix, die nur die gewünschte Hauptdiagonale enthält Erzeugen einer beliebigen Nebendiagonale Erzeugen einer Einheitsmatrix Ausgabe des kleinesten/größten Elements von Vektor oder Matrix Elementweises Multiplizieren von Vektoren und Matrizen Identische Elemente herausfiltern und ausgeben

33 Quellen Deckblatt Bild: Matrix-Division: matrix-division vorsi.html Beispiel Rechenoperationen mit Matrizen: ver_texte/matrizenrechnung.pdf Pascalsche Matrix:

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

IV. 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

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

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

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

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

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

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

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

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018

HM 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

Mehr

4.4. Rang und Inversion einer Matrix

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

Mehr

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

Ökonometrische Analyse

Ökonometrische 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

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

Mathematik II Frühjahrssemester 2013

Mathematik 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

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

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik 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

Mehr

Universität 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. 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

Mehr

Tutorium: Diskrete Mathematik. Matrizen

Tutorium: 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

Mehr

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

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

Mehr

Kurze Einführung in Octave

Kurze Einführung in Octave Kurze Einführung in Octave Numerische Mathematik I Wintersemester 2009/2010, Universität Tübingen Starten von Octave in einer Konsole octave eintippen (unter Linux) Octave als Taschenrechner Beispiele:

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

FH 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 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

Mehr

4. Übungsblatt zur Mathematik II für Inf, WInf

4. 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

Mehr

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik 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

Mehr

Nur Matrizen gleicher Dimension können addiert oder subtrahiert werden. Zur Berechnung werden zwei Matrizen A und B in den Matrix-Editor eingegeben.

Nur Matrizen gleicher Dimension können addiert oder subtrahiert werden. Zur Berechnung werden zwei Matrizen A und B in den Matrix-Editor eingegeben. R. Brinkmann http://brinkmann-du.de Seite 1 14.02.2014 Casio fx-cg20 Operationen mit Matrizen Bei nachfolgend beschriebenen Matrizenoperationen wird davon ausgegangen, dass die Eingabe von Matrizen in

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

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

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

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.

Mehr

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

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

Mathematische Computer-Software

Mathematische Computer-Software Mathematische Computer-Software Kommerzielle Computeralgebrasysteme (CAS) Beispiele: Mathematica, Maple, Numerisches und symbolisches Verarbeiten von Gleichungen: Grundrechenarten Ableitung und Integration

Mehr

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015 Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler

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 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

Skript EXCEL Matrizenrechnung/Lineare Gleichungssysteme

Skript EXCEL Matrizenrechnung/Lineare Gleichungssysteme Skript EXCEL 2010 Matrizenrechnung/Lineare Gleichungssysteme 1. Einleitung Eine Matrixformel kann mehrere Berechnungen durchführen und dann entweder ein einzelnes Ergebnis oder mehrere Ergebnisse liefern.

Mehr

FachschaftsInitiative Physik HU Berlin. Brückenkurs WiSe Matrizen, Determinanten und lineare Gleichungssysteme. Julien Kluge. 30.

FachschaftsInitiative Physik HU Berlin. Brückenkurs WiSe Matrizen, Determinanten und lineare Gleichungssysteme. Julien Kluge. 30. FachschaftsInitiative Physik HU Berlin Brückenkurs Brückenkurs WiSe 15-16 Matrizen, Determinanten und lineare Gleichungssysteme Julien Kluge Oktober 15 Inhaltsverzeichnis 1 Was ist eine Matrix? 1 11 Begriff

Mehr

Chr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =

Chr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A = Chr.Nelius: Lineare Algebra SS 28 4: Matrizenrechnung 4. DEF: a Die Summe A + B zweier m n Matrizen A a ik und B b ik ist definiert als m n Matrix C c ik, wobei c ik : a ik + b ik für alle i, 2,..., m

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

Matrizen. Jörn Loviscach. Versionsstand: 14. April 2009, 00:25

Matrizen. Jörn Loviscach. Versionsstand: 14. April 2009, 00:25 Matrizen Jörn Loviscach Versionsstand: 14. April 2009, 00:25 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten (typischerweise Zahlen) heißt Matrix (Mehrzahl: Matrizen) [matrix, matrices].

Mehr

Matrizen Definition: Typ einer Matrix

Matrizen Definition: Typ einer Matrix Matrizen Definition: Eine Matrix ist ein rechteckiges Zahlenschema. Die Matrix (Mehrzahl: Matrizen) besteht aus waagerecht verlaufenden Zeilen und senkrecht verlaufenden Spalten. Verdeutlichung am Beispiel:

Mehr

= 9 10 k = 10

= 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

Mehr

Spezielle Matrixformen

Spezielle 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

Mehr

Einführung in MATLAB Blockkurs DLR:

Einführung in MATLAB Blockkurs DLR: Einführung in MATLAB Blockkurs DLR: 19.4-22.4.24 Tag 1, 2.Teil Vektoren und Matrizen 19.4.24 Dr. Gerd Rapin grapin@math.uni-goettingen.de Gerd Rapin Einführung in MATLAB p.1/2 Matrizen und Vektoren Erzeugen

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

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

Kapitel 15 Lineare Gleichungssysteme

Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem

Mehr

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen

Mehr

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.

Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Matrizen Jörn Loviscach Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten

Mehr

6 Lineare Algebra. 6.1 Einführung

6 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

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. Jörn Loviscach

Matrizen. Jörn Loviscach Matrizen Jörn Loviscach Versionsstand: 7. April 2010, 14:27 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.youtube.com/joernloviscach 1 Matrix Ein

Mehr

Daniel Heibrock. Facharbeit Mathe. Matrizenrechnung mit dem Graphik- Taschenrechner fx-9750gii. Herr Bonertz M_L1 Q1

Daniel Heibrock. Facharbeit Mathe. Matrizenrechnung mit dem Graphik- Taschenrechner fx-9750gii. Herr Bonertz M_L1 Q1 Daniel Heibrock Facharbeit Mathe Matrizenrechnung mit dem Graphik- Taschenrechner fx-9750gii Herr Bonertz M_L1 Q1 Inhaltsverzeichnis Themenwahl und Schwerpunktsetzung...3 Einführung in die Matrizenrechnung...3

Mehr

WiMa-Praktikum 1. Woche 8

WiMa-Praktikum 1. Woche 8 WiMa-Praktikum 1 Universität Ulm, Sommersemester 2017 Woche 8 Lernziele In diesem Praktikum sollen Sie üben und lernen: Besonderheiten der For-Schleife in Matlab Wiederholung des Umgangs mit Matrizen und

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

MLAN1 1 MATRIZEN 1 0 = A T =

MLAN1 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

Mehr

Multiplikation von Matrizen

Multiplikation von Matrizen Multiplikation von Matrizen Die Regeln der Multiplikation von Zahlen können nicht direkt auf die Multiplikation von Matrizen übertragen werden. 2-E Ma Lubov Vassilevskaya Multiplikation ccvon Matrizen

Mehr

Lektion 3. 1 Theorie. NTS1-P Natur, Technik und Systeme 1 Praktikum Herbstsemester 2012

Lektion 3. 1 Theorie. NTS1-P Natur, Technik und Systeme 1 Praktikum Herbstsemester 2012 NTS1-P Natur, Technik und Systeme 1 Praktikum Herbstsemester 2012 Dr Christoph Kirsch ZHAW Winterthur Lektion 3 In dieser Lektion werden Sie in MATLAB mit Vektoren und Matrizen rechnen 1 Theorie Wie Sie

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

Kapitel 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 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.

Mehr

Grundlegende Definitionen aus HM I

Grundlegende Definitionen aus HM I Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen

Mehr

Kapitel 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 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.

Mehr

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

Matrixalgebra. 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):

Mehr

Zugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II

Zugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II Zugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II Matrixzugriff Wir wollen nun unsere Einführung in die Arbeit mit Vektoren und Matrizen in MATLAB

Mehr

MATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...

MATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2... MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt

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

(A T ) T = A. Eigenschaft:

(A T ) T = A. Eigenschaft: Elementare Matrizenrechnung m n-matrix von Zahlen A m n a 1,1 a 1,n a m,1 a m,n rechteckige Tabelle m n Dimension der Matrix Sprechweise: m Kreuz n wobei m Anzahl Zeilen, n Anzahl Spalten a i,j Element

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter

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

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

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

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

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

Übungsblatt 5 : Lineare Algebra

Übungsblatt 5 : Lineare Algebra Mathematik I Übungsblatt 5 WS 7/8 Prof.Dr.W. Konen Dr. A. Schmitter Bereiten Sie die Aufgaben parallel zur Vorlesung so vor dass Sie in der Lage sind Ihre Lösungen vorzutragen. Übungsblatt 5 : Lineare

Mehr

6. Vorlesung. Rechnen mit Matrizen.

6. Vorlesung. Rechnen mit Matrizen. 6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt

Mehr

Matrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya

Matrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya Matrizen: Grundbegriffe -E Ma Lubov Vassilevskaya Lineares Gleichungssystem Abb. : Der Schnittpunkt P der beiden Geraden ist die graphische Lösung des linearen Gleichungssystem g : y = x, g 2 : y = 3 x,

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

6.1 Welche Matrix gehört zu der Abbildung?

6.1 Welche Matrix gehört zu der Abbildung? Kapitel 6 Gleichungssysteme Bisher haben wir nur für spezielle Fälle (Drehungen, Spiegelungen ) die zu einer bekannten Abbildung gehörende Matrix gesucht. Da uns die Abbildung in allen Einzelheiten bekannt

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

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und

Mehr

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) = Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a

Mehr

Lineare Gleichungssystem

Lineare Gleichungssystem Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen

Mehr

Messunsicherheiten und Matrizenrechnung

Messunsicherheiten und Matrizenrechnung Physikalisch-Technische Bundesanstalt Braunschweig und Berlin Matrix Messunsicherheiten und Matrizenrechnung T. Funck Arbeitsgruppe.13 Wechsel-Gleich-Transfer, Impedanz 60. PTB Seminar am 1. Mai 011 Inhalt

Mehr

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper)

bzw. 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

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

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

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen

Mehr

Blockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 :

Blockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : Blockmatrizen Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : 2 1 3 1 1 0 1 0 1 0 0 2 1 1 11 1 1 4 0 1 0 1 0 1 4 1 0 2 1 0 1 0 1 0 3 1 2 1 = 2 4 3 5 11 1 1 4 0 1 0 1 0 1 5 1 2 1 2 4 3 5

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.

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

Programmiervorkurs für die Numerik Teil 2/4

Programmiervorkurs für die Numerik Teil 2/4 line 1 1 0.8 0.6 0.4 0.2 0-0.2-0.4 Programmiervorkurs für die Numerik Teil 2/4 Christian Power Mathematisches Institut Universität Tübingen -8-6 -4-2 0 05.10.2016 2 4 6 8-8 -6-4 -2 0 2 4 6 8 Wiederholung

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 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

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

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 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

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