Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
|
|
- Magdalena Baumhauer
- vor 7 Jahren
- Abrufe
Transkript
1 Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011
2 Inhaltsverzeichnis 1 Matrizen Einleitung Der Begriff Matrix Spezielle Matrizen Rechnen mit Matrizen Gleichheit Addition und Subtraktion Multiplikation einer Matrix mit einer Zahl Multiplikation zweier Matrizen Aufgaben Lineare Gleichungssysteme und Determinanten Lineare Gleichungssysteme Matrix-Vektor-Schreibweise Determinanten Permutation Determinante Der Gauss Algorithmus Elementare Zeilenoperationen Gauss-Algorithmus Beispiel Aufgaben Methode Inverse Matrix Die Inverse einer Matrix Definition: Invertierbarkeit und Inverse Berechnung der Inversen einer zwei kreuz zwei Matrix Ein Verfahren zur Matrixinversion Aufgaben Lösen von Linearen Gleichungssystemen
3 5 Lineare Abbildungen Beispiele von Abbildungen Herleitung der Matrix für Drehungen
4 Kapitel 1 Matrizen 1.1 Einleitung Im Wikipedia findet man folgende Definition von Linearer Algebra: Die Lineare Algebra ist ein Teilgebiet der Mathematik, das sich mit Vektorräumen und linearen Abbildungen zwischen diesen beschäftigt. Dies schliesst insbesondere auch die Betrachtung von linearen Gleichungssystemen und Matrizen mit ein. Zuerst werden wir lernen was eine Matrix ist, und wie man damit rechnen kann. In der Definition steht, dass sich die Lineare Algebra mit dem Lösen von linearen Gleichungssystemen beschäftigt. Unter linearen Gleichungssystemen könnt ihr euch bereits etwas vorstellen. Ihr habt auch schon Methoden kennen gelernt, wie man solche Systeme lösen kann. Wir werden noch zwei weitere Methode dazu kennen lernen. Dann werden wir auch noch lernen, wie man Abbildungen, wie zum Beispiel Drehungen und Spiegelungen, mit Hilfe von Matrizen darstellen kann. 1.2 Der Begriff Matrix Definition: Matrix Eine rechteckige Anordnung von m n Zahlen a ik in m Zeilen und n Spalten wird (m n) Matrix (Mehrzahl Matrizen) genannt. Man schreibt: 1
5 A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn. Die Zahlen a ik heissen Komponenten von A. Das Element a ik bezeichnet das Element in der i-ten Zeile und der k-ten Spalte von A. Oft wird dieses Element auch mit (A) ik bezeichnet. (m 1)-Matrizen werden Spaltenvektoren (oder einfach Vektoren) genannt und (1 n)-matrizen werden Zeilenvektoren genannt Spezielle Matrizen Nullmatrix Sind alle Komponenten einer Matrix gleich null, also a ik = 0 für alle i und alle k, so heisst die Matrix Nullmatrix. Quadratische Matrix Hat eine Matrix gleich viele Zeilen wie Spalten, gilt also m = n, dann handelt es sich um eine quadratische Matrix. Bei quadratischen Matrizen gibt es noch einmal verschiedene Spezialfälle: Diagonalmatrix Bei einer Diagonalmatrix gilt a ik = 0 für alle i k. Das heisst, alle Komponenten ausserhalb der Hauptdiagonalen sind gleich null: a a A = a mm 2
6 Einheitsmatrix Eine Diagonalmatrix, bei der alle Komponenten auf der Diagonalen eins sind, heisst Einheitsmatrix A = Dreiecksmatrizen Es gibt zwei verschieden Sorten von Dreiecksmatrizen. Untere Dreiecksmatrix Bei unteren Dreiecksmatrizen gilt a ik = 0 für alle i < k. Das heisst, alle Komponenten oberhalb der Diagonalen sind null: A = a a 21 a a m1 a mm 1 a mm Obere Dreiecksmatrix Bei oberen Dreiecksmatrizen gilt a ik = 0 für alle i > k. Das heisst, alle Komponenten unterhalb der Diagonalen sind null: a 11 a 1m 0 a 22 a 2m. A = a mm 3
7 1.3 Rechnen mit Matrizen Wie mit normalen Zahlen, kann man auch mit Matrizen rechnen. Wir werden die Addition und Subtraktion von Matrizen sowie die Multiplikation einer Matrix mit einer Zahl und die Multiplikation von zwei Matrizen kennen lernen Gleichheit Zwei Matrizen sind gleich, wenn sie dieselbe Grösse und die gleichen Koeffizienten an den gleichen Stellen haben Addition und Subtraktion Sind A und B zwei Matrizen mit gleich vielen Spalten, bzw. Zeilen (also mit gleichem Format), so ist ihre Summe A + B diejenige Matrix, welche durch Addition der einander entsprechneden Komponenten entsteht. Die Differenz A B erhält man durch die Subtraktion der Komponenten von B von den entsprechenden Komponenten von A. Matrizen unterschiedlichen Formates können nicht addiert oder subtrahiert werden. Es gilt also: (A + B) ik = (A) ik + (B) ik = a ik + b ik und (A B) ik = (A) ik (B) ik = a ik b ik Multiplikation einer Matrix mit einer Zahl Ist A eine Matrix und c eine Zahl, so ist das Produkt ca diejenige Matrix, welche durch die Multiplikation jedes Elements von A mit der Zahl c entsteht. Es gilt also: (ca) ik = c(a) ik = ca ik Multiplikation zweier Matrizen Ist A eine (m r)-matrix und B eine (r n)-matrix, so ist das Produkt AB eine (m n)-matrix, und wird folgendermassen berechnet: Um die Komponente in der i-ten Zeile und der k-ten Spalte von AB zu bekommen, multipliziert man paarweise die Komponenten der i-ten Zeile von A und der k-ten Spalte von B und addiert die entsprechenden Produkte. Es gilt also: 4
8 (AB) ik = a i1 b 1k + a i2 b 2k + a i3 b 3k a ir b rk = r j=1 a ijb jk. Die Multiplikation zweier Matrizen A und B sind nur möglich, wenn die Spaltenanzahl von A mit der Zeilenanzahl von B übereinstimmt! Beispiel zur Multiplikation zweier Matrizen 5
9 1.4 Aufgaben Folgende Matrizen seien gegeben: 3 0 ( A = , B = D = , E = ) ( 1 4 2, C = ) Berechne (falls möglich) die folgenden Ausdrücke. Beachte dabei die Rechenregeln Punkt vor Strich und Klammern zuerst. a) D + E b) D E c) 5A d) 7C e) 2B C f) 4E 2D g) 3(D + 2E) h) A A i) AB j) BA k) (3E)D l) (AB)C m) A(BC) n) (4B)C + 2B o) Überlege dir anhand der oberen Aufgaben (oder evtl. noch zusätzlichen Beispielen), welche anderen bekannten Rechenregeln für Matrizen gelten bzw. nicht gelten. 6
10 Kapitel 2 Lineare Gleichungssysteme und Determinanten 2.1 Lineare Gleichungssysteme In der Praxis kommt es oft vor, dass Gleichungssysteme gelöst werden müssen. Es gibt verschiedene Vorgehensweisen, um zur Lösung eines solchen Systemes zu gelangen. Je nach dem, wie die Aufgabe gestellt ist, sind andere Lösungsmethoden sinnvoll. Wir werden zwei dieser Lösungsmethoden in der Linearen Algebra kennen lernen. Zuerst behandeln wir den Gauss-Algorithmus. 2.2 Matrix-Vektor-Schreibweise Jedes Gleichungssystem kann als Matrix-Vektor-Multiplikation geschrieben werden. Betrachten wir zunächst das Gleichungssystem: x + y + 2z = 9 2x + 4y 3z = 1 3x + 6y 5z = 0. Dieses System können wir nun schreiben als: Av = b mit 7
11 A = v = b = Da v bei allen Gleichungssystemen gleich ist, brauchen wir das gar nicht mehr aufzuschreiben. Vereinfacht können wir das Gleichungssystem also folgendermassen aufschreiben: 2.3 Determinanten Im Unterricht habt ihr bisher meistens mit Funktionen gearbeitet, die einer Zahl eine andere Zahl aus der gleichen Menge zuordnen. Als Ausnahme haben wir bei den Komplexen Zahlen den Betrag kennengelernt, welcher einer Komplexen Zahl eine reelle Zahl zuordnet. Wir werden heute eine ähnliche Funktion kennen lernen, welche einer quadratischen Matrix eine Zahl zuordnet. Die Determinante hat wichtige Anwendungen in der Theorie linearer Gleichungssysteme. Um zu verstehen, wie die Determinantenfunktion zu Stande kommt, müssen wir etwas ausholen Permutation Definition: Permutation Eine Permutation der Menge {1, 2, 3,..., n} ist eine Anordnung dieser Zahlen ohne Auslassung oder Wiederholungen. Aus der Kombinatorik wisst ihr, dass es für eine Permutation von n Elementen jeweils n! Möglichkeiten gibt. Wenn wir alle Möglichkeiten auflisten 8
12 müssen, kann es hilfreich sein, ein Baumdiagramm zu erstellen. Beispiel 1: Gib alle Permutationen der Menge {1, 2, 3} an. Definition: Inversion Eine Inversion ist ein Zahlenpaar, dessen natürliche Reihenfolge duch eine Permutation vertauscht wurde. Die Anzahl der Inversionen kann folgendermassen bestimmt werden: 1. Betrachte die erste Zahl und zähle alle Zahlen, die rechts davon liegen, aber kleiner als diese sind. 2. Betrachte die zweite Zahl und zähle alle Zahlen, die rechts davon liegen, aber kleiner als diese sind. 3. Betrachte die dritte Zahl usw., bis du bei der (zweit)letzten Zahl angelangt bist. 5. Die Summe der in all diesen Schritten gefundenen Zahlen ist die Gesamtzahl der Inversionen. Beipiel 2 Bestimme die Anzahl der Inversionen in den folgenden Permutationen: a) (6, 1, 3, 4, 5, 2) b) (2, 4, 1, 3) c) (1, 2, 3) 9
13 Definition: gerade bzw. ungerade Permutation Eine Permutation heisst gerade, wenn sie eine gerade Anzahl von Inversionen enthält und sie heisst ungerade, wenn die Anzahl ihrer Inversionen ungerade ist. Beispiel 3 Überlege dir zu den Permutationen aus Beispiel 2, ob sie gerade oder ungerade sind Determinante Wir betrachten nun eine quadratische nxn-matrix A: a 11 a 12 a 1n a 21 a 22 a 2n A = a n1 a n2 a nn Definition: elementares Produkt Ein elementares Produkt aus einer nxn-matrix A entsteht durch Multiplikation von n Elementen von A, wobei keine zwei Faktoren in derselben Zeile oder Spalte stehen dürfen. Da keine zwei Elemente in der gleichen Zeile stehen dürfen, sind die elementaren Produkte alle von der Form: a 1... a 2... a 3... a a n.... Die drei Pünktchen hinter der kleinen Zahl stehen jeweils für den zweiten Index (Spaltenindex). Da auch keine zwei Elemente eines elementaren Produktes in der gleichen Spalte stehen, darf auch im zweiten Index jede Zahl nur einmal vorkommen. 10
14 Daher müssen die Spaltenindizes eine Permutation der Menge 1, 2, 3,..., n sein. Bemerkung Nach diesen Überlegungen ist klar, dass es für eine nxn-matrix jeweils n! verschiedene elementare Produkte gibt. Beispiel 4 Schreibe alle elementaren Produkte einer allgemeinen 3x3-Matrix auf. 11
15 Definition: vorzeichenbehaftetes elementares Produkt Durch Multiplikation eines elementaren Produktes aus A mit +1 oder -1 erhalten wir ein vorzeichenbehaftetes, elementares Produkt aus A. Falls die Spaltenindizes eine gerade Permutation sind, multiplizieren wir mit +1 und falls sie eine ungerade Permutation sind, multiplizieren wir mit -1. Definition: Determinante Sei A eine quadratische Matrix. Wir bezeichnen die Determinantenfunktion mit det, wobei wir det(a) als Summe aller vorzeichenbehafteten elementaren Produkte aus A definieren. Die so berechnete Zahl nennen wir Determinante von A. Beipiel 5 a) Berechne die Determinante einer allgemeinen 3x3-Matrix. b) Berechne die Determinante einer allgemeinen 2x2-Matrix. ( ) 3 1 c) Berechne die Determinante der Matrix A =. 4 2 d) Berechne die Determinante der Matrix A =
16 13
17 Methode zur Berechnung der Determinante einer 3x3-Matrix Sätze über Determinanten Satz 1 Sei A eine quadratische Matrix, die eine Nullzeile oder eine Nullspalte enthält, so ist det(a)=0. Beweis Da ein elementares Produkt aus A einen Faktor aus jeder Zeile und jeder Spalte enthält, tritt in jedem dieser Produkte sicher ein Element aus der Nullzeile bzw. Nullspalte auf, sodass das Produkt den Wert Null annehmen muss. det(a) ist die Summe all dieser elementaren Produkte, also muss auch det(a)=0 gelten. Satz 2 Für eine quadratische Matrix A, die zwei zueinander proportionale Zeilen oder Spalten hat, ist det(a)=0. (Dabei heisst proportional, dass zwei Zeilen (bzw. Spalten) durch elementare Zeilenoperationen (bzw. Spaltenoperationen) zu einer Nullzeile (bzw. Nullspalte) verrechnet werden können. Beweisskizze Man kann zeigen, dass folgende Aussage gilt: Für die Matrix B, die aus A durch Addition eines Vielfachen einer Zeile (oder Spalte) zu einer anderen hervorgeht, gilt det(b)=det(a). Wenn nun also A zwei zueinander proportionale Zeilen (oder Spalten) hat, kann A durch Addition eines Vielfaches einer Zeile (oder Spalte) zu einer anderen in eine Matrix verwandelt werde, die eine Nullzeile (oder Spalte) hat. So eine Matrix hat nach Satz 1 die Determinante null. 14
18 Satz 3 Eine quadratische Matrix A ist genau dann invertierbar, wenn det(a) 0 gilt. Satz 4 Für eine nxn-matrix A sind folgende Aussagen äquivalent: a) det(a) 0. b) A ist invertierbar. c) Ax=b hat für jeden Vektor b genau eine Lösung. Bemerkung Mit Satz 4 kann man einfach überprüfen, ob ein lineares Gleichungssystem eine eindeutige Lösung hat. 15
19 Kapitel 3 Der Gauss Algorithmus 3.1 Elementare Zeilenoperationen Es gibt drei Zeilenoperationen, durch die man die obere Matrix verändern kann, ohne dass sich dabei die Lösungsmenge des Gleichungssystems verändert: Gauss-Algorithmus Mit Hilfe dieser Operationen werden wir nun den linken Teil der Matrixdarstellung des Gleichungssystems auf eine obere Dreiecksmatrix bringen. Danach schreiben wir das Gleichungssystem wieder in die ursprüngliche Form um und können dann die Lösung sehr einfach berechnen Beispiel Wende den Gauss-Algorithmus nun auf das in Kapitel 2 beschriebene Gleichungssystem an: 16
20 3.3 Aufgaben a) b) c) d) x + y + 2z = 8 x 2y + 3z = 1 3x 7y + 4z = 10 2x + 2y + 2z = 0 2x + 5y + 2z = 1 8x + y + 4z = 1 2x 3y = 2 2x + y = 1 3x + 2y = 1 x + y + z = 3 2x z = 2 y + 2z = 2 17
21 18
22 Kapitel 4 Methode Inverse Matrix In der letzten Lektion haben wir den Gauss-Algorithmus zum Lösen von linearen Gleichungssystemen kennen gelernt. Heute werden wir noch eine zweite Möglichkeit betrachten, wie man solche Gleichungssysteme lösen kann. Auf die Idee, wie das geht, seid ihr in der letzten Stunde selber gekommen: Wir wollen ein Gleichungssystem Ax = b lösen, indem wir durch A teilen. Wir wollen also das System Ax = b überführen in b = A 1 x. Dazu brauchen wir aber zuerst einige Definitionen. 4.1 Die Inverse einer Matrix Wir definieren zunächst, was A 1 sein soll. Für eine reelle Zahl a, ist a 1 diejenige Zahl, welche man mit a multiplizieren muss, um 1 zu bekommen: = = = = 1 x x 1 = x 1 x = 1 Ähnlich wollen wir nun A 1 definieren. Dazu müssen wir nun wissen, was die 1 als Matrix geschrieben sein soll. Wir wissen, dass bei Zahlen, 1 diejenige Zahl ist, welche bei der Multiplikation 19
23 nichts verändert. (Man nennt sie das Neutralelement der Multiplikation.) 1 2 = = 25 1 x = x Überlege dir nun, wie die Einträge einer quadratischen Matrix I sein müssen, damit I das Neutralelement der Matrixmultiplikation ist. Es gilt: 20
24 Beispiele Nun sind wir auch in der Lage, die Definition der Inversen einer Matrix zu verstehen Definition: Invertierbarkeit und Inverse Sei A eine quadratische Matrix. Gibt es eine Matrix B mit AB = BA = I, so heisst A invertierbar. B wird als Inverse von A bezeichnet. Zu jeder Matrix A gibt es immer nur eine Inverse Matrix. Daher bezeichnen wir die Inverse einer Matrix A jeweils mit A 1. Es gilt also: AA 1 = A 1 A = I 21
25 4.1.2 Berechnung der Inversen einer zwei kreuz zwei Matrix Für 2 2 Matrizen gibt es eine Formel, um die Inverse zu berechnen: Satz Die Matrix ( ) a b A = c d ist für ad bc 0 invertierbar. In diesem Fall gilt: ( ) ( d b d ) A 1 = 1 b = ad bc ad bc. ad bc c a c ad bc a ad bc Beweis 22
26 4.1.3 Ein Verfahren zur Matrixinversion Wir erhalten die Inverse einer invertierbaren Matrix A, indem wir eine Folge von elementaren Zeilenoperationen bestimmen, welche A zur Einheitsmatrix umformt, und diese Folge von Operationen dann auf die Einheitsmatrix I anwenden. Wie wir das machen, werden wir im folgenden Beispiel sehen: Beispiel Gesucht ist die Inverse der Matrix A = Vorgehen: Wir wollen A durch Zeilenoperationen zur Einheitsmatrix umwandeln und gleichzeitig mit denselben Operationen I in A 1 überführen. Dazu schreiben wir die Einheitsmatrix rechts neben A und erhalten die Matrix A = ( A I ). Auf diese Matrix wenden wir nun geeignete Zeilenoperationen an, bis die linke Seite die Gestalt von I hat. Gleichzeitig ergibt sich auf der rechten Seiten A 1. So erhalten wir schliesslich die Matrix A = ( I A 1 ). Rechnen wir nun das Beispiel so durch: 23
27 24
28 Bemerkung Häufig ist nicht von vornherein klar, ob eine gegebene Matrix invertierbar ist. Ist eine n n Matrix A nicht invertierbar, so existiert keine Folge elementarer Zeilenoperationen, die A in I verwandelt. Wenden wir das oben beschriebene Verfahren auf eine nicht invertierbare Matrix an, erhalten wir während der Berechnungen eine Nullzeile auf der linken Seite. Wenn wir also auf der linken Seite eine Zeile mit nur Nullen bekommen, können wir daraus schliessen, dass die gegebene Matrix nicht invertierbar ist, und die Prozedur abbrechen Aufgaben Berechne die Inversen der folgenden Matrizen. Verwende dazu entweder den Satz oder das Verfahren aus dem Skript. Kontrolliere jeweils das Ergebnis durch Ausmultiplizieren. ( ) 1 4 a) A = 2 6 b) B = c) C = ( d) D = ) Lösen von Linearen Gleichungssystemen Das Wissen aus Kapitel 1 können wir nun auch anwenden, um Lineare Gleichungssysteme zu lösen. Wie wir Lineare Gleichungssysteme in der Matrix-Vektor-Schreibweise darstellen, haben wir schon gesehen. 25
29 Um ein Gleichungssystem Ax = b zu lösen, gehen wir folgendermassen vor: 1. Wir invertieren die Matrix A. (Falls das nicht möglich ist, hat das Gleichungssystem keine eindeutige Lösung.) 2. Wir multiplizieren A 1 mit b. Das heisst, wir berechnen A 1 b. 3. Als Resultat erhalten wir einen Vektor (x). In den Zeilen von x stehen dann gerade die Lösungen des Linearen Gleichungssystems. Beispiel Löse folgendes Gleichungssystem: x + 2y +3z = 9 2x + 5y +3z = 13 x +8z = 17 26
30 Kapitel 5 Lineare Abbildungen Mit Hilfe von Matrizen können wir Abbildungen von Punkten in der Zahlenebene einfach darstellen. 5.1 Beispiele von Abbildungen Auf der nächsten Seite findest du eine Tabelle mit möglichen Abbildungen. Fülle die Tabelle vollständig aus. Schreibe ( ) dazu die Koordinaten (x/y) des ursprünglichen Punktes als Vektor x und überlege dir, welche 2x2-Matrix A du von links an diesen Vektor y multiplizieren musst, damit die Lösung dieser Matrix-Vektor-Multiplikation genau die Koordinaten des Punktes ergibt, welcher aus dem gegebenen Punkt durch die gewünschte Abbildung entsteht. 27
31 Lineare Abbildung Darstellung Abbildungsgleichung Abbildungsmatrix Spiegelung an der x-achse Spiegelung an der y-achse Spiegelung am Ursprung (Nullpunkt) 90 -Drehung um den Ursprung Zentrische Streckung mit Streckungszentrum (0/0) und Faktor k Orthogonale Projektion auf die x-achse Orthogonale Projektion auf die y-achse Drehung um einen beliebigen Winkel α um den Ursprung 28
32 5.1.1 Herleitung der Matrix für Drehungen Um die letzte Zeile der Tabelle zu verstehen, muss man einige Überlegungen machen. Dazu machen wir zunächst eine Skizze: Herleitung Wie wir wissen gilt sin = Gegenkathete Hypothenuse. Daraus erhalten wir: sin Hypothenuse = Gegenkathete. Genauso gilt cos = Ankathete. Hypothenuse Daraus erhalten wir: sin Hypothenuse = Ankathete. Damit erhalten wir: x = r cos(β) y = r sin(β). Für den Spiegelpunkt erhalten wir (mit den Umrechnungsformeln für trigonometrische Funktionen): x = r cos(α + β) = r (cos(α) cos(β) sin(α) sin(β)) = r cos(β) cos(α) r sin(β) sin(alpha) = x cos(α) y sin(α) y = r sin(α + β) = r (sin(α) cos(β) cos(α) sin(β)) = r cos(β) sin(α) r sin(β) cos(α) = x sin(α) y cos(α) 29
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
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
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
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
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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
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
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
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
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
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
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
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
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
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
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
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrInhalt. 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
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
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.
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
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
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
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:
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrANHANG A. Matrizen. 1. Die Definition von Matrizen
ANHANG A Matrizen 1 Die Definition von Matrizen Wir haben bereits Vektoren kennen gelernt; solche Paare reeller Zahlen haben wir benutzt, um Punkte in der Ebene zu beschreiben In der Geometrie brauchen
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
MehrSerie 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
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
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
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
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
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
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
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
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
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
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
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehr9 Matrizen über R und C
Mathematik für Physiker I, WS 00/0 Montag 0 $Id: matrixtex,v 6 0/0/0 :6:7 hk Exp $ $Id: dettex,v 0/0/0 ::59 hk Exp hk $ 9 Matrizen über R und C 9 Transposition von Matrizen Im letzten Abschnitt hatten
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
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrMathematik 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/
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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrSerie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:
Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) 1 1 1 1 1 2 1 1 1 b) 1 2 1 1 1 1 2 1 1 1 1 2 1 2 3 1 c) 1 3 3 2 2 1 5 3 1 2 6 1 [Lösung]
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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
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
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 +
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrMatrizen und Drehungen
Matrizen und Drehungen 20. Noember 2003 Diese Ausführungen sind im wesentlichen dem Skript zur Vorlesung Einführung in die Theoretische Physik I und II on PD Dr. Horst Fichtner entnommen. Dieses entstand
MehrMatrizen 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:
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
Mehr3 Lineare Gleichungssysteme
Lineare Gleichungssysteme Wir wissen bereits, dass ein lineares Gleichungssystem genau dann eindeutig lösbar ist, wenn die zugehörige Matrix regulär ist. In diesem Kapitel lernen wir unterschiedliche Verfahren
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
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
MehrMATRIZEN. 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
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)
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
MehrLineare Algebra 2013 Lösungen für Test und Zusatzfragen
Lineare Algebra 3 Lösungen für Test und Zusatzfragen Test Multiple Choice. Seien Für die Lösung x x x x 3 A, b des Systems Ax b gilt x 3 5 x 3 x 3 3 x 3 / Mit elementaren Zeilenoperationen erhalten wir
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
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"
MehrAufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
MehrAufgaben zu Kapitel 16
Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2
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:
MehrA 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
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
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.........
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
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.................................
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
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
Mehr(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
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
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
MehrMatrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1
Matrixoperationen Einige spezielle Matrizen: 0 0... 0 Nullmatrix:....... 0 0... 0 1 0... 0 0 1... 0 n-te Einheitsmatrix: E n :=....... 0 0... 1 d 1 0... 0 0 d 2... 0 Diagonalmatrix: diag(d 1,..., d n)
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
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
MehrMathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung )
Aufgabe 1: Berechne die Determinante und die Transponierte der folgenden Matrizen: 0 1 1.1 M =( 0 4 1 4 det M =0 4 1 4= 4 M T =( 5 3 3 1.2 1 1 3 A=( =( A T 3 0 1 5 1 3 3 1 0 3 3 1 4 4 det M = 5 1 1+3 3
MehrRang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya
Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
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
Mehr