Erneut: Matrizen und lineare Abbildungen
|
|
- Lena Jaeger
- vor 7 Jahren
- Abrufe
Transkript
1 Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis des R n. (a) Sei f : R n R m eine lineare Abbildung und A = [f(e 1 ),..., f(e n )] die Darstellungsmatrix von f, d.h. A = M(f). A ist eine m n-matrix und es gilt f(x) = A x für alle x R n (b) Sei umgekehrt A eine m n-matrix. Dann ist die Abbildung f : R n R m, x A x linear mit Darstellungsmatrix M(f) = A. 1
2 Eigenschaften von f M(f) (1) Zwischen der Addition von linearen Abbildungen f, g : R n R m bzw. von m n-matrizen besteht die Beziehung M(f + g) = M(f) + M(g). (2) Zwischen der Multiplikation einer linearen Abbildungen f : R n R m bzw. einer m n-matrix mit einem Skalar r besteht die Beziehung M(r.f) = r.m(f). (3) Sind f : R m R n und g : R n R p lineare Abbildungen, so sind Verknüpfung und Matrizenmultiplikation verbunden durch: M(g f) = M(g) M(f). 2
3 Nachweis Zu (1): Es ist M(f + g) = [(f + g)(e 1 ),..., (f + g)(e n )] = [f(e 1 ) + g(e 1 ),..., f(e n ) + g(e n )] = [f(e 1 ),..., f(e n )] + [g(e 1 ),..., g(e n )] = M(f) + M(g). Zu (2): Analoges Argument. Zu (3): Es seien M(f) = B = [b 1, b 2,..., b m ] und M(g) = A M(g f) = [(g f)(e 1 ),..., (g f)(e m )] = [g(f(e 1 )),..., g(f(e m ))] = [g(b 1 ),..., g(b m )] = [A b 1,..., A b m ] = A [b 1,..., b m ] = A B = M(g) M(f). 3
4 Rechenregeln (1) Die Menge M mn (R) der m n-matrizen bildet bzgl. Addition und Multiplikation mit Skalaren einen Vektorraum der Dimension mn. Dies impliziert schon die Rechenregeln (A1) (A4) und (M1) (M4). (2) Für n N ist die n n Einheitsmatrix als E n = = [e 1, e 2,..., e n ] definiert. Es gilt für jede m n-matrix A E m A = A = A E n (3) Die Matrixmultiplikation ist assoziativ. (4) Es gelten die Distributivgesetze. (5) Im allgemeinen ist die Matrixmultiplikation nicht kommutativ. 4
5 Begründung I Sei A = [s 1, s 2,..., s n ] Zu (2) : A E n = A [e 1, e 2,..., e n ] = [A e 1,..., A e n ] = [s 1, s 2,..., s n ]. Folglich gilt A E n = A. Analog zeigt man durch Rückgriff auf den Zeilenaufbau von A, dass E m A = A. Zu (3) : Seien A, B und C der Reihe nach m n-, n p- und p q-matrizen. Dieselben haben die Form M(f), M(g) und M(h) für lineare Abbildungen f : R n R m, g : R p R n, h : R q R p. Unter mehrfacher Verwendung der Regel M(f g) = M(f) M(g) folgt die Beziehung (A B) C = (M(f) M(g)) M(h) = M(f g) M(h) = M((f g) h) und entsprechend A (B C) = = M(f (g h)). Da (f g) h = f (g h) ist, folgt die gewünschte Assoziativität (A B) C = A (B C). 5
6 Begründung II Zu (5) : Es ist andererseits ist ( ( ) ( ) ( ) ) = = ( ( ), ). Zu (4) : Wir benötigen beide distributiven Gesetze A(B + C) = A B + A C und (A + B) C = A C + B C, weil die Multiplikation für Matrizen nicht kommutativ ist. Wir führen dies mit einem Argument wie zur Assoziativität auf den einfachen Nachweis der Formeln f (g + h) = f g + f h und (f + g) h = f h + g h zurück. (Im ersten Fall wird die Linearität von f benötigt.) 6
7 Kommentar: Matrizenrechnung Beim Rechnen mit Matrizen sind zwei Dinge gewöhnungsbedürftig: Die Verletzung der Kommutativität ; so ist beispielsweise (A + B) 2 = A 2 + A B + B A + B 2. Da im allgemeinen A B und B A verschieden sind, lässt sich dieser Ausdruck nicht wie sonst gewohnt zu A 2 +2A B+B 2 zusammenfassen; Die Anwesenheit von Nullteilern : Für Matrizen A, B 0 kann es vorkommen, dass A B = 0 ist. Schlimmer noch: Es ist ( ) 2 = ( ). 7
8 Der Matrixring M n (R) Hierbei handelt es sich um die Menge aller n n-matrizen versehen mit der Matrizen-Addition und -Multiplikation. Dieser Bereich genügt den Anforderungen (A1) (A4), (M2) (M3) und beiden Distributivgesetzen. Es übernehmen die n n-nullmatrix und die n n-einheitsmatrix die Rolle des neutralen Elements bezüglich der Addition bzw. der Multiplikation. 8
9 Fortsetzung: Matrixring M n (R) Anders als in Zahlbereichen verfügen wir in M n (R) nicht über die Kommutativität der Multiplikation. Ferner hat nicht jede von Null verschiedene n n-matrix bezüglich der Multiplikation ein Inverses. Wegen der Anwesenheit von Nullteilern (für n 2) können wir auch nicht entsprechend dem Übergang von Z nach Q durch Übergang zu einem größeren Bereich die Existenz von multiplikativ inversen Elementen für Elemente 0 erzwingen. 9
10 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. befassen uns mit der Struktur der Lösungsmenge eines beliebigen linearen Gleichungssystems; Zum anderen untersuchen wir den praktischen Aspekt, d.h. algorithmische Verfahren zur schnellen Lösung eines konkreten Systems. Wir werden sehen, dass schon mit geringem begrifflichen Aufwand die praktische Lösung solcher Gleichungssysteme gelingt. 10
11 Koeffizientenmatrix und erweiterte Matrix Ein lineares Gleichungssystem a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n... = b 2. a m1 x 1 + a m2 x a mn x n = b m aus m Gleichungen in den n Unbekannten x 1, x 2,..., x n, ist bestimmt durch seine Koeffizientenmatrix A = a 11 a 1n..... und die rechte Seite b = b 1.. a m1 a mn b m Durch Zusammenfassen erhalten wir die erweiterte Matrix [A b] = a 11 a 1n b a mn a 1n b m 11
12 Matrizenschreibweise Das lineare Gleichungssystem mit erweiterter Koeffizientenmatrix [A b] schreiben wir in kompakter Matrizenschreibweise als A x = b. Wir interessieren uns für die Lösungsmenge L = {x R n A x = b}. Spezialfall: Falls A = E n die n n-einheitsmatrix ist, hat das System die Form E n x = b. Wegen E n x = x ist in diesem Fall das System somit eindeutig lösbar mit der einzigen Lösung x = b. 12
13 Die Struktur der Lösungsmenge von A x = b Satz. A sei eine m n-matrix vom Rang r und b R m. Dann gilt (a) Das lineare Gleichungssystem A x = b ist genau dann lösbar, wenn sich b als Linearkombination der Spalten a 1, a 2,..., a n von A schreiben lässt. (b) Die Lösungen des zugehörigen homogenen Gleichungssystems A x = 0 bilden einen Unterraum H des R n von der Dimension n r. (c) Ist x 0 eine Lösung von A x = b, so gilt: x ist genau dann ebenfalls eine Lösung von A x = b, wenn x = x 0 + h mit h H gilt. Mit anderen Worten: Entweder ist L = oder L = x 0 + H := {x 0 + h A h = 0} für eine spezielle Lösung x 0. 13
14 Beweis des Struktursatzes Beweis. Zu (a): Das behauptete Lösbarkeitskriterium folgt sofort aus A x = n i=1 x i.a i. Zu (b): Es ist H gerade der Kern der linearen Abbildung f : R n R m, x A x; insbesondere ist H ein Unterraum von R n. Der Rang von f ist gleich dem Rang von A; nach Rangsatz hat H folglich die Dimension n r. Zu (c): Nach Voraussetzung ist A x 0 = b. Folglich ist A x = b genau dann, wenn A (x x 0 ) = 0, äquivalent wenn x x 0 H gilt. 14
15 Was bedeutet Lösen eines linearen Gleichungssystems? Zunächst einmal die Feststellung, ob das System A x = b lösbar ist oder nicht. Falls das System lösbar ist, besteht eine Lösung aus folgenden Daten: (a) einer speziellen Lösung x 0, (b) einer Basis h 1,..., h n r des Lösungsraums des homogenen Systems A h = 0. Achtung: Falls das System lösbar, aber nicht eindeutig lösbar ist, können sehr verschiedene Auswahlen zu (a) und (b) völlig gleichwertige Lösungen sein! 15
16 Vorschau: Gauß-Algorithmus Die praktische Lösung eines numerisch gegebenen linearen Gleichungssystems A x = b erfolgt mittels des Gauß-Algorithmus. Dieser Algorithmus fußt auf zwei Säulen: (1) Der Beobachtung, dass gewisse elementare Abänderungen die Lösungsmenge eines linearen Gleichungssystems nicht ändern. (2) Der Möglichkeit, durch solche Abänderungen jedes Gleichungssystem auf sogenannte Zeilenstufenform zu bringen. Nach diesen Änderungen sind Lösbarkeit und gegebenenfalls die Lösungsmenge automatisch ablesbar. Benannt nach Carl Friedrich Gauß ( ), der uns schon bei der Gaußschen Zahlenebene begegnete.) 16
17 Elementare Zeilenoperationen Die Lösungsmenge eines linearen Gleichungssystems ändert sich nicht bei einer der folgenden Operationen (a) Vertauschen zweier Gleichungen. (b) Multiplikation beider Seiten einer Gleichung mit einem Faktor 0. (c) Addition eines Vielfachen einer Gleichung zu einer anderen Gleichung. Ein gegebenes System werden wir daher mit solchen elementaren Zeilenumformungen solange vereinfachen, bis wir die Lösungsmenge des vereinfachten und damit auch des ursprünglichen Systems ablesen können. 17
18 Beweis Beweis. (a), (b) sind klar, nur (c) bedarf der Begründung. Seien also i k aus dem Bereich 1,..., m. Wir betrachten die i-te und die k-te Gleichung: (1) (2) a i1 x 1 + a i2 x a in x n = b i a k1 x 1 + a k2 x a kn x n = b k. Jede Lösung der Gleichungen (1) und (2) ist auch eine Lösung von: (3) (a i1 + aa k1 )x 1 + (a i2 + aa k2 )x (a in + aa kn )x n = b i + ab k und damit der beiden Gleichungen: (4) (5) (a i1 + aa k1 )x 1 + (a i2 + aa k2 )x (a in + aa kn )x n = b i + ab k a k1 x 1 + a k2 x a kn x n = b k. Halten wir fest: Jede Lösung von (1) und (2) ist auch eine von (4) und (5). Aus (4) und (5) erhalten wir aber (1) und (2) zurück, indem wir das ( a)-fache der Gleichung (5) zur Gleichung (4) addieren. Mit obigem Schluss ist jede Lösung von (4) und (5) dann auch eine von (1) und (2). 18
19 Elementare Zeilenumformungen Für die zugehörige erweiterte Matrix [A b] des Gleichungssystems A x = b liest sich das so: Jede Operation vom Typ Vertauschen zweier Zeilen, Multiplikation einer Zeile mit einem Faktor 0, Addition eines Vielfachen einer Zeile zu einer anderen Zeile, macht aus [A, b] eine neue erweiterte Matrix [A b ], für welche das zugeordnete Gleichungssystem A x = b dieselbe Lösungsmenge hat wie das System A x = b. 19
20 Vorläufiger Lösungsansatz Da wir Gleichungen der Form E x = b, E die n n-einheitsmatrix, trivialerweise lösen durch x = b können, werden wir zu folgendem allerdings vorläufigem Lösungsansatz für ein lineares Gleichungssystem A x = b mit quadratischer Matrix A geführt: Idee: Forme [A b] solange durch elementare Zeilenumformungen um bis die Form [E c] erreicht ist, wobei E die n n-einheitsmatrix ist. In diesem Fall ist x = c die eindeutig bestimmte Lösung von A x = b. 20
21 Überprüfung der Idee I Häufig klappt s: Das lineare Gleichungssystem führt zur erweiterten Matrix x 1 + 2x 2 + 0x 3 = 1 2x 1 + 3x 2 + 0x 3 = 1 3x 1 + 4x 2 + 1x 3 = und den markierten elementaren Zeilenumformungen. Folglich ist das Gleichungssystem eindeutig lösbar mit Lösung x 1 x 2 = 1 1. x
22 Überprüfung der Idee II Mitunter klappt s nicht: Das lineare Gleichungssystem führt zur erweiterten Matrix x 1 + 1x 2 + 6x 3 = 18 2x 1 + 1x 2 + 4x 3 = 13 1x 1 + 1x 2 + 2x 3 = und den markierten elementaren Zeilenumformungen. Die erhaltene Matrix [A, b ] lässt sich nicht auf die Form [E c] bringen. Grund: Das zu [A b ] gehörige Gleichungssystem ist nicht lösbar, da schon allein seine letzte Gleichung 0x 1 + 0x 2 + 0x 3 = 2 nicht lösbar ist. 22
23 Bewertung der Beispiele Unsere Idee Umformung in Richtung Einheitsmatrix war zu optimistisch. Nur für eindeutig lösbare Systeme kann die Reduktion der erweiterten Matrix auf die Form [E c] überhaupt gelingen. Gleichwohl zeigt Beispiel II, dass die eingeschlagene Strategie auch dort trägt, wo die eindeutige Lösbarkeit nicht gegeben ist. Sogar die Nichtlösbarkeit eines Systems konnten wir auf diesem Wege entscheiden. Neue Umformstrategie : Bringe die erweiterte Matrix auf eine Form, die der Einheitsmatrix möglichst nahe kommt. Dies Ziel werden wir mit der Zeilenstufenform erreichen. 23
24 Matrizen in Zeilenstufenform Wir sehen hier ein typisches Beispiel einer m n-matrix in Zeilenstufenform A = i 1 i 2 i 3 i 4 Eine Treppenlinie trennt einen unteren Bereich ab, der nur aus Nulleinträgen besteht. In unserem Fall haben wir r = 4 Stufen an den Positionen 1 i 1 < i 2 < < i r n. 24
25 Eigenschaften der Stufenform (S1) In den r Stufen der Treppe, d.h. an den markierten Stellen i 1, i 2,..., i r stehen der Reihe nach die Einheitsvektoren e 1, e 2,..., e r. (S2) Die übrigen Einträge des oberen Bereichs können beliebig gewählt werden. Im Bereich unterhalb der Treppenlinie gibt es nur Einträge gleich Null. (S3) Die zu den Stufen i 1, i 2,..., i r gehörigen Spalten erzeugen alle anderen Spalten von A. (S4) Der Rang von A ist folglich gleich der Anzahl r der Stufen der Matrix von Treppenform. (S5) Kein Stufenvektor lässt sich aus den vorangehenden Spalten erzeugen. 25
26 Elementare Zeilenumformungen und Zeilenstufenform Satz. Jede m n-matrix lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform bringen. Wir üben das Verfahren zunächst an Beispielen und diskutieren Anwendungen, bevor wir den generellen Beweis führen. Vorschau: Es wird sich herausstellen, dass die entsprechende Umformung in Zeilenstufenform genau die Technik ist, die wir zur vollständigen Lösung eines linearen Gleichungssystems benötigen. 26
27 Umformung in Zeilenstufenform Die letzte Matrix ist in Zeilenstufenform mit drei Stufen in den Spalten 1, 2 und 4. Sie hat daher den Rang drei. Wir werden gleich sehen, dass dann auch die anderen Matrizen den Rang drei haben. 27
28 Zeilenumformungen und Rang Satz. Elementare Zeilenumformungen bewahren den Rang. Beweis. Die Matrix B entstehe aus der m n-matrix A durch elementare Zeilenumformungen. Die homogenen linearen Gleichungssysteme A x = 0 und B x = 0 gehen dann ebenfalls durch elementare Zeilenumformungen auseinander hervor und haben daher denselben Lösungsraum H. Der Rangsatz für Matrizen sagt dann, dass die Matrizen A und B jeweils denselben Rang n dim H haben. 28
29 Lösbarkeitskriterium Satz. Das lineare Gleichungssystem A x = b ist genau dann lösbar, wenn nach Umformung der erweiterten Matrix [A b] in Treppenform [B c] die letzte Spalte c kein Stufenvektor ist. Beweis. Da sich die Lösungsmengen durch elementare Zeilenumformungen nicht verändern, ist A x = b genau dann lösbar, wenn B x = c lösbar ist. Dies ist äquivalent dazu, dass sich c aus den Spaltenvektoren von B linear kombinieren lässt. Nach (S3) und (S5) ist dies genau dann der Fall, wenn c kein Stufenvektor ist. Wir werden gleich sehen, wie wir im lösbaren Fall eine spezielle Lösung finden. 29
30 Finden einer speziellen Lösung A sei eine m n-matrix und b eine n-spalte. Die erweiterte Matrix [A b] befinde sich in Zeilenstufenform, wobei sich die Stufen in den Positionen 1 i 1 < i 2 < < i r n befinden, also b kein Stufenvektor ist. Weglassen aller Nullzeilen führt zu einer r (n+1)-matrix, mit r n. Wir füllen nun die resultierende Matrix solange mit Nullzeilen auf, bis in der i-ten Stufe stets der Einheitsvektor e i steht (für alle i = 1,..., r) und wir insgesamt n Zeilen haben. Dies liefert eine erweiterte Matrix [B c], wobei B das Format n n hat. Achtung: Falls der i-te Eintrag c i 0, so ist die i-te Spalte von B eine Stufe, also gleich e i. Es folgt, dass x = c eine spezielle Lösung des Systems ist. 30
31 Anwendungsbeispiel spezielle Lösung Die erweiterte Matrix [A b] = befindet sich schon in Zeilenstufenform. Die letzte Spalte ist keine Stufe, daher ist das System lösbar. Auffüllen mit Nullzeilen liefert das äquivalente System: [A b ] = Wir beachten, dass Nullen in der Hauptdiagonalen von A in derselben Zeile einen Nulleintrag in b hervorrufen. Es folgt: b ist eine spezielle Lösung von A x = b
32 Kommentar: spezielle Lösung(en) Zusammenfassung: Falls [A, b] Zeilenstufenform hat und die letzte Spalte keine Stufe ist, erhalten wir nach geeignetem Streichen und Neueinfügen von Nullzeilen eine erweiterte Matrix [A b ], deren rechte Seite b eine Lösung von A x = b ist. Hinweis: Dieses einfache Rezept zum Finden einer speziellen Lösung darf nicht zum Schluß verleiten, b sei die einzige Lösung von A x = b. 32
33 Homogene Systeme in Zeilenstufenform Wir nehmen jetzt an, dass A eine Matrix in Zeilenstufenform ist. Durch Streichen und Neueinfügen von Nullzeilen sei schon erreicht, dass A quadratisch, vom Format n n ist und die Stufenvektoren ihre Eins in der Hauptdiagonalen haben. Wir wissen, dass die Anzahl der Stufen(vektoren) gleich dem Rang r von A ist. Ferner ist nach Konstruktion A eine obere Dreiecksmatrix. Entsprechend hat das homogene lineare Gleichungssystem A x = b einen Lösungsraum H R n der Dimension n r. Wir können jetzt eine Basis von H wie folgt angeben: Die n r Spalten von A, die nicht Stufenvektoren von A sind, haben sämtlich als Hauptdiagonaleintrag eine Null. Ersetzen wir in diesen Spalten jeweils den Hauptdiagonaleintrag 0 durch -1, so erhalten wir n r Vektoren h 1, h 2,..., h n r, die eine Basis von H bilden. 33
34 Nachweis: Lösungen von A x = 0 Klar ist zunächst, dass die Spaltenvektoren h 1, h 2,..., h n r ein linear unabhängiges System bilden. Ferner ist jedes h i tatsächlich eine Lösung von A x = 0: Hierzu beachten wir, wie h i aus einem Nichtstufenvektor, sagen wir der Spalte a j, hervorgeht. Nach (S3) ist a j eine Linearkombination der Stufenvektoren; die auftretenden Koeffizienten sind gerade die Koeffizienten a ij von a j. Somit gilt a j = a i1.a a i j 1.a j 1 + a i j+1.a j a i n.a n. Indem wir a j, behaftet mit dem Faktor bringen, folgt A h i = 0. 1, auf die rechte Seite der Gleichung Wir schließen, dass h 1, h 2,..., h n r ein linear unabhängiges System im n r-dimensionalen Lösungsraum H ist. Es folgt mit einem Dimensionsargument, dass dieses System eine Basis von H ist. 34
35 Der Gauß-Algorithmus I Wir haben damit alle Bausteine für den Gauß-Algorithmus beisammen: Schritt 1: Die erweiterte Matrix [A b] des zu untersuchenden linearen Gleichungssystems wird zunächst durch elementare Zeilenumformungen auf Zeilenstufenform [A b ] gebracht. Falls die letzte Spalte b ein Stufenvektor ist, ist das System A x = b nicht lösbar, andernfalls ist es lösbar. Schritt 2: Durch geeignetes Streichen und Auffüllen von Nullzeilen wird [A b ] so zu [A b ] umgeformt, dass A eine quadratische Matrix ist und die Einsen der Stufenvektoren in der Hauptdiagonale von A stehen. Es ist dann b eine spezielle Lösung von A x = b. 35
36 Der Gauß-Algorithmus II Schritt 3: Wir ersetzen die Hauptdiagonaleinträge Null von A in den Spalten, die nicht Stufenvektoren sind, jeweils durch 1 und erhalten ein System von n r (r=anzahl der Stufenvektoren) Spaltenvektoren h 1, h 2,..., h n r, welches eine Basis des Lösungsraums H des homogenen Gleichungssystems A x = 0 bildet. Die allgemeine Lösung des Gleichungssystems A x = b hat dann die Form x = b + n r i=1 α i.h i, mit beliebigen Skalaren α i. 36
37 Frohe Festtage und einen guten Rutsch! 37
Lineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
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
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,
Mehr2.3 Umformung auf Zeilenstufenform
4 Kapitel II: Lineare Gleichungen 23 Umformung auf Zeilenstufenform Montag, 17 November 23 Wir sehen hier ein typisches Beispiel einer m n-matrix in Zeilenstufenform 1 1 1 A = 1 i 1 i 2 i 3 i 4 Eine Treppenlinie
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
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
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
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
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
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
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
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
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
MehrDer Rangsatz für lineare Abbildungen
Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrGrundlegende 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
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
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 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
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 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 +
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
MehrVorbereitungskurs 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
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
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
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
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
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
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
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)
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,
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
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
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
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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
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
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
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
Mehr6 Lineare Gleichungssysteme
6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α
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
MehrKapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
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.
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):
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
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
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
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 +
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
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
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
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine
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
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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrHöhere 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
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 55 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
MehrKapitel 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
MehrLineare Algebra. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 6, 017 1 Erinnerung: Lineare Gleichungssysteme LGS Der allgemeine Fall hat m lineare Gleichungen, n
MehrEs wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form
Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt
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
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
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
Mehr4 Der Gauß Algorithmus
4 Der Gauß Algorithmus Rechenverfahren zur Lösung homogener linearer Gleichungssysteme Wir betrachten ein GLS (1) a 11 x 1 + a 1 x + + a 1n x n = a 1 x 1 + a x + + a n x n = a m1 x 1 + a m x + + a mn x
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
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
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
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. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017
Vorlesung Mathematische Strukturen Sommersemester 2017 Prof. Janis Voigtländer Übungsleitung: Dennis Nolte Monoide, Gruppen, Körper Wir betrachten nun grundlegende Rechenstrukturen. Das sind Strukturen,
MehrL5 Matrizen I: Allgemeine Theorie
L5 Matrizen I: Allgemeine Theorie Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen
MehrNützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren
L5.4 Inverse einer Matrix Ausgangsfrage: Wie löst man ein lineares Gleichungsystem (LSG)? Betrachte n lineare Gleichungen für n Unbekannte: Ziel: durch geeignete Umformungen bringe man das LSG in folgende
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
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]
MehrKapitel 1. Matrizen und lineare Gleichungssysteme. 1.1 Matrizenkalkül (Vektorraum M(n,m); Matrixmultiplikation;
Kapitel 1 Matrizen und lineare Gleichungssysteme 11 Matrizenkalkül (Vektorraum M(n,m; Matrixmultiplikation; Transposition; Spalten- und Zeilenvektoren Matrizen sind im Prinzip schon bei der schematischen
Mehr8 Lineare Gleichungssysteme
$Id: lgs.tex,v 1.6 2010/12/20 12:57:04 hk Exp $ $Id: matrix.tex,v 1.3 2010/12/20 13:12:44 hk Exp hk $ 8 Lineare Gleichungssysteme In der letzten Sitzung hatten wir mit der Besprechung linearer Gleichungssysteme
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
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
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)
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
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra 2016/17 c Rudolf Scharlau 67 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
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
MehrL5 Matrizen I. Matrix: (Plural: Matrizen)
L5 Matrizen I Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen (spezielle
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
MehrKapitel 17. Determinanten
Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n
Mehrm 2 m 3 m 5, m m 2
Musterlösung zum 8. Blatt 7. Aufgabe: Seien die folgenden Vektoren im R 4 gegeben: 2m 5 + 2 2m 2 2m 7 + m 2 m 3 m 5 v = m 5, v 2 = m 2, v 3 = m 7 m 2 m 3 m 5 m 2 m 3 m 5, m 5 + m 2 m 7 2m + m 2 m 4 2m
MehrMathematische Strukturen Sommersemester Vorlesung. Monoide, Gruppen, Körper. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte
Vorlesung Mathematische Strukturen Sommersemester 207 Prof Janis Voigtländer Übungsleitung: Dennis Nolte Wir betrachten nun grundlegende Rechenstrukturen Das sind Strukturen, mit denen man rechnen kann
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
Mehr1 Matrizen und Vektoren
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Matrizen und Vektoren Definition 1.1 (Matrizen) Ein rechteckiges Zahlenschema aus m mal n Elementen eines Körpers
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 +
Mehr