Chr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen.
|
|
- Vincent Hochberg
- vor 7 Jahren
- Abrufe
Transkript
1 ChrNelius : Lineare Algebra II (SS 2005) 1 Einschub A) Elementarmatrizen Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog Elementarmatrizen vornehmen (A1) DEF: Seien r, s IN mit 1 r m und 1 s n Dann heißt die Matrix eine (m n) Basismatrix E rs = (δ ir δ sk ) i = 1, 2,, m k = 1, 2,, n M m,n (K) (A2) BEM: a) Die Matrix E rs E rs = hat an der Stelle (r, s) eine 1 und sonst lauter Nullen 1 0 s te Spalte r te Zeile b) A = (a ik ) M m,n (K) = A = m n a ik E ik i=1 k=1 c) E rs E tu = δ st E ru = { O für s t für s = t E ru d) E rs M m,n (K), A M n,p (K) E rs A = a 11 a 1p r 1 0 a n1 a np s te Spalte = 0 0 a s1 a sp 0 0 r te Zeile (dh E rs A hat die s Zeile von A als r te Zeile) e) Analog hat die Produktmatrix A E rs die r te Spalte von A als s te Spalte und sonst lauter Nullen
2 ChrNelius : Lineare Algebra II (SS 2005) 2 (A3) DEF: Elementarmatrizen Seien i, k IN mit 1 i, k n und i k a) Die Matrix V ik := E n E ii E kk + E ik + E ki M n (K) heißt Vertauschungsmatrix b) Für a K heißt A ik (a) := E n + ae ik M n (K) Additionsmatrix c) Für a K, a 0 heißt D i (a) := E n + (a 1)E ii M n (K) Multiplikationsmatrix d) Eine Elementarmatrix in M n (K) ist eine der in a) bis c) definierten Matrizen Ausführlicher geschrieben bedeutet dies in den drei Fällen: a) Vertauschungsmatrizen: V ik = i te Zeile k te Zeile i te Spalte k te Spalte b) Additionsmatrizen A ik (a) = a i te Zeile k te Zeile i te Spalte k te Spalte
3 ChrNelius : Lineare Algebra II (SS 2005) 3 c) Multiplikationsmatrizen D i (a) = a i te Spalte i te Zeile Beispiele: a) Vertauschungsmatrizen in M 3 (IR): V 12 A = = V 12 A entsteht aus A durch Vertauschen der ersten Zeile mit der zweiten Zeile A V 12 = = A V 12 entsteht aus A durch Vertauschen der ersten Spalte mit der zweiten Spalte b) Additionsmatrizen in M 3 (IR): A 13 (a) A = 1 0 a = 1 + a a a 9 A 13 (a) A entsteht aus A durch Addition des a fachen der dritten Zeile zur ersten Zeile A A 13 (a) = 1 0 a = a a a + 9 A A 13 (a) entsteht aus A durch Addition des a fachen der ersten Spalte zur dritten Spalte
4 ChrNelius : Lineare Algebra II (SS 2005) 4 c) Multiplikationsmatrizen in M 3 (IR): D 2 (a) A = 0 a 0 = a 4 a 5 a 6 D 2 (a) A entsteht aus A durch Multiplikation der zweiten Zeile von A mit a A D 2 (a) = 0 a 0 = 1 2 a a a 9 A D 2 (a) entsteht aus A durch Multiplikation der zweiten Spalte von A mit a (A4) SATZ: a) Die Multiplikation einer Matrix A mit einer Elementarmatrix von links bewirkt eine elementare Zeilenumformung Im einzelnen gilt: V ik A A ik (a) A Vertauschen der i ten mit der k ten Zeile von A Addition des a fachen der k ten Zeile von A zur i ten Zeile von A D i (a) A Multiplikation der i ten Zeile von A mit a 0 b) Die Multiplikation einer Matrix A mit einer Elementarmatrix von rechts bewirkt eine elementare Spaltenumformung Im einzelnen gilt: A V ik A A ik (a) Vertauschen der i ten mit der k ten Spalte von A Addition des a fachen der i ten Spalte von A zur k ten Spalte von A A D i (a) Multiplikation der i ten Spalte von A mit a 0 (A5) SATZ: Eine Elementarmatrix aus M n (K) ist invertierbar Ihr Inverses ist wieder eine Elementarmatrix Im einzelnen gilt: V 1 ik = V ik, A ik (a) 1 = A ik ( a), D i (b) 1 = D i (b 1 ) (b 0) Wir wissen, daß sich jede Matrix durch elementare Zeilenumformungen auf Treppenform transformieren läßt Dies können wir jetzt folgendermaßen formulieren: (A6) SATZ: Zu jeder Matrix A M m,n (K) mit A O gibt es eine invertierbare Matrix P GL m (K) mit P A = T (A) Dabei ist P ein Produkt von Elementarmatrizen
5 ChrNelius : Lineare Algebra II (SS 2005) 5 Bew: Durch elementare Zeilenumformungen kann A auf Treppenform transformiert werden Jeder elementaren Zeilenumformung entspricht die Linksmultiplikation mit einer geeigneten Elementarmatrix Also gibt es Elementarmatrizen G 1, G 2,, G s GL m (K) mit (G s G 2 G }{{ 1 ) A = T (A), } =:P wobei T (A) eine Treppenmatrix ist Das Produkt invertierbarer Matrizen ist wieder invertierbar, dh P GL m (K) Beispiel: Zu der (4 6) Matrix B := M 4,6(IR) gibt es ein Produkt Q von Elementarmatrizen, die elementaren Zeilenumformungen entsprechen, so daß gilt: Q B = (D 3 ( 1) A 43 (1) A 23 (1) A 13 (1) A 42 ( 1) A 32 ( 2) A 12 (1) A 31 ( 2) V 12 ) B = }{{} =:Q = T (B) Wir kommen nun zu einer Charakterisierung von invertierbaren Matrizen, die insbesondere zu einem Verfahren zur Berechnung der inversen Matrix führt (A7) SATZ: Für eine Matrix A M n (K) sind folgende Aussagen äquivalent: a) A ist invertierbar b) rg(a) = n c) T (A) = E n (Einheitsmatrix) d) A ist ein Produkt von Elementarmatrizen Bew: a) = b) Die durch A definierte lineare Abbildung f A : K n K n ist ein Isomorphismus, hat also den Rang n Folglich rg(a) = rg K (f A ) = n b) = c) Ist rg(a) = n so besteht T (A) aus den n Einheitsvektoren, ist also die Einheitsmatrix c) = d) Es gibt Elementarmatrizen G 1,, G s GL n (K) mit (G s G 1 ) A = T (A) = E n Folglich ist A = G 1 1 G 1 s nach (A5) ein Produkt von Elementarmatrizen d) = a) A ist als Produkt von invertierbaren Elementarmatrizen selbst auch invertierbar
6 ChrNelius : Lineare Algebra II (SS 2005) 6 (A8) Ein Verfahren zur Berechnung der inversen Matrix Sei A GL n (K) Durch elementare Zeilenumformungen kann A auf Treppenform gebracht werden Da A invertierbar ist, gilt T (A) = E n Es gibt also ein Produkt P von Elementarmatrizen, die den elementaren Zeilenumformungen entsprechen, mit der Eigenschaft Daraus folgt P A = T (A) = E n A 1 = P = P E n Man erhält also die inverse Matrix A 1, indem man die elementaren Zeilenumformungen, die A auf Treppenform bringen, gleichzeitig auf die Einheitsmatrix anwendet Beispiel: Sei A := M 3 (IR) A E E 3 A 1 Probe: =
5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
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,
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
MehrDie Determinante einer Matrix
Chr.Nelius, Lineare Algebra II (SS 2005) 6 Die Determinante einer Matrix Wir betrachten im folgenden Determinantenformen auf dem Vektorraum V = K n. Eine solche Form ist eine Abbildung von n Spaltenvektoren
MehrChr.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
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
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
MehrRang und Inverses einer Matrix
Rang und Inverses einer Matrix wgnedin@math.uni-koeln.de 29. April 2014 In dieser Notiz werden Methoden und Beispiele zur Berechnung des Rangs einer Matrix sowie der Inversen einer invertierbaren Matrix
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
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
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.
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)
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
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
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
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
MehrDie Treppennormalform
Die Treppennormalform Lineare Algebra I Kapitel 5 9 Mai 22 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: wwwmathtu-berlinde/ holtz Email: holtz@mathtu-berlinde Assistent: Sadegh
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
Mehr7 Ganzzahlige lineare Gleichungen und Moduln über euklidischen Ringen
7 Ganzzahlige lineare Gleichungen und Moduln über euklidischen Ringen 7.1 Der Elementarteileralgorithmus 7.1.1 Matrizen über euklidischen Ringen Sei (R, gr) ein Euklidischer Ring. Definition (i) GL n (R)
MehrDeterminanten - II. Falls n = 1, gibt es offenbar nur die identische Permutation, und für eine 1 1 Matrix A = (a) gilt det A = a.
Determinanten - II. Berechnung von Determinanten Wir erinnern, dass für A M(n n; K) gilt : det A = σ S n signσ a σ() a 2σ(2)...a nσ(n). Falls n =, gibt es offenbar nur die identische Permutation, und für
Mehr17. Das Gauß-Verfahren
7 Das Gauß-Verfahren 95 7 Das Gauß-Verfahren Nachdem wir jetzt viele Probleme der linearen Algebra (z B Basen von Vektorräumen zu konstruieren, Morphismen durch lineare Abbildungen darzustellen oder den
MehrZeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.
Zeilenstufenform Wir beweisen nun den schon früher angekündigten Satz. Satz. Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
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
MehrDiskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds17/ Lineare Gleichungssysteme
Diskrete Strukturen Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds17/ Lineare Gleichungssysteme Matrixarithmetik Setup R kommutativer Ring K Körper m, n N 0 Lineare Gleichungssysteme
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
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:
MehrMatrizen Matrizen
Matrizen 29 2 Matrizen Wir beschäftigen uns in diesem Kapitel mit Matrizen. Sie eignen sich insbesondere zur Darstellung von Gleichungssystemen und linearen Abbildungen. Wir führen eine Addition und eine
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"
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
MehrDreiecksmatrizen. Die Treppennormalform
Dreiecksmatrizen. Die Treppennormalform Lineare Algebra I Kapitel 4-5 8. Mai 202 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
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
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 +
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
MehrLineare Algebra I. Probeklausur - Lösungshinweise
Institut für Mathematik Wintersemester 2012/13 Universität Würzburg 19. Dezember 2012 Prof. Dr. Jörn Steuding Dr. Anna von Heusinger Frederike Rüppel Lineare Algebra I Probeklausur - Lösungshinweise Aufgabe
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
Mehr(λ), t P j i = P j i. heißt symmetrisch, wenn t A = A und antisymmetrisch, wenn
3. 1 Transposition der Elementarmatrizen aus R n n. Für 1 i, j n und λ G(R) bzw. λ R gilt t S i (λ) S i (λ), t Q j i (λ) Qi j (λ), t P j i P j i. 3. 11 Definition. Eine Matrix A R n n t A A. heißt symmetrisch,
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
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die
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
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
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
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
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]
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Matrizenrechnung. Das komplette Material finden Sie hier:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Lineare Algebra: Matrizenrechnung Das komplette Material finden Sie hier: School-Scout.de Thema: Lineare Algebra: Matrizenrechnung
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
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
Mehra 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =
3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
Mehr15. Gruppen, Ringe und Körper
Chr.Nelius: Lineare Algebra II (SS2005) 1 15. Gruppen, Ringe und Körper A) Mengen mit Verknüpfungen (15.1) DEF: Eine Verknüpfung (oder Rechenoperation) auf einer nichtleeren Menge M ordnet je zwei Elementen
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Mehr2.5 Smith-Normalform für Matrizen über Euklidischen Ringen
2.5. SMITH-NORMALFORM FÜR MATRIZEN ÜBER EUKLIDISCHEN RINGEN73 2.5 Smith-Normalform für Matrizen über Euklidischen Ringen Bemerkung 2.74. Sei K ein Körper und A K n m, b K n 1. Das lineare Gleichungssystem
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
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
Mehrx LINEARE GLEICHUNGSSYSTEME In diesem Paragraph beginnen wir mit einer elementaren Behandlung linearer Gleichungssysteme Bevor wir versuchen eine allg
SKRIPTUM { LINEARE ALGEBRA I JB COOPER Inhaltsverzeichnis: x Lineare Gleichungssysteme x Geometrie der Ebene und des Raumes x Vektorraume x Lineare Abbildungen Typeset by AMS-T E X x LINEARE GLEICHUNGSSYSTEME
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
MehrDie Treppennormalform
Die Treppennormalform Lineare Algebra I Kapitel 3 1. Mai 211 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/~holtz Email: holtz@math.tu-berlin.de Assistent:
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)
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
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
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
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
MehrKapitel 14. Matrizenrechnung
Kapitel 14 Matrizenrechnung Lineare Abbildungen und Matrizen Matrizenrechnung Ansatzpunkt der Matrizenrechnung sind die beiden mittlerweile wohlbekannten Sätze, welche die Korrespondenz zwischen linearen
MehrGeometrische Deutung linearer Abbildungen
Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m
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
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
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
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
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
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
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
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
Mehr5 Matrizen. In dem linearen Gleichungssystem. wollen wir die Koeffizienten zusammenfassen zu einer Matrix A =
74 5 Matrizen K sei ein fest gewählter Körper In dem linearen Gleichungssystem α ξ + α 2 ξ 2 + +α n ξ n = 0 α 2 ξ + +α 2n ξ n = 0 α m ξ + + +α mn ξ n = 0 wollen wir die Koeffizienten zusammenfassen zu
MehrLineare Abbildungen. i=0 c ix i n. K n K m. linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen.
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
MehrMatrizen. Lineare Algebra I. Kapitel April 2011
Matrizen Lineare Algebra I Kapitel 2 26. April 2011 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/~holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrBonusmaterial Matrizen und Determinanten. Reihen und Spalten Elementarmatrizen
Bonusmaterial Matrizen und Determinanten Zahlen in Reihen und Spalten 6 6 Elementarmatrizen 3 3 3 Wir betrachten die Matrix A = 3 3 3 R 3 3 3 3 3 Die folgende Multiplikation reeller Matrizen 0 0 3 3 3
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
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
MehrCramersche Regel. Satz 2.26
ramersche Regel Satz 6 Es sei A R n n eine quadratische Matrix mit det(a) 6= Für das LGS Ax = b sei A j := (a,,a j, b, a j+,,a n ), also die Matrix, die entsteht, wenn in A die j-te Spalte durch den Vektor
MehrQuadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
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
MehrR 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte
Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben
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
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
Mehr