Kapitel 16. Invertierbare Matrizen
|
|
- Karsten Acker
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 16. Invertierbare Matrizen
2 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, wenn die letzte Spalte b kein Stufenvektor ist. In diesem Fall führt geeignetes Streichen/Einfügen von Nullzeilen zu erweiterter Matrix [A b ], wobei A eine quadratische Matrix ist und der Hauptdiagonaleintrag jedes Stufenvektors Eins ist. b ist dann eine spezielle Lösung. Ferner führt Ersetzen der Hauptdiagonaleinträge Null (der Nichtstufenvektoren) durch -1 1
3 zu einer Basis des Lösungsraums des homogenen Gleichungssystems A x = 0.
4 Schritt 1: Zeilenstufenform Gegeben sei die erweiterte Matrix [A b] = Umformung in Zeilenstufenform: Wir lesen ab: Das System ist lösbar! Beachten Sie, dass die Summe der ersten drei Zeilen gleich der vierten ist
5 Schritt 2: Streichen/Einfügen von Nullzeilen Aus wird die Matrix Die rechte Seite x 0 = [3, 1, 0, 1, 0] ist eine spezielle Lösung. 3
6 Schritt 3: Lösungsraum des homogenen Systems Die beiden Vektoren h 1 = , h 2 = bilden eine Basis des Lösungsraums des homogenen Systems. Das lineare Gleichungssystem A x = b ist durch Angabe von [x 0 ; h 1, h 2 ] vollständig gelöst! 4
7 Gleichwertigkeit von Lösungsdaten Sei A x = b ein lineares Gleichungssystem. Wir nehmen an, dass wir ein Lösungssystem [x 0 ; h 1, h 2,..., h n r ] kennen. Wir setzen also voraus, dass x 0 eine spezielle Lösung von A x = b ist und die h i s eine Basis für den Lösungsraum des homogenen Systems A x = 0 bilden. Wie können wir entscheiden, dass ein anderes System [x 0 ; h 1, h 2,..., h n r] dieselbe Lösungsmenge beschreibt? Sicher können wir nicht die im allgemeinen unendliche Lösungsmenge Element für Element abprüfen, um hier sicher zu gehen. Nachzuprüfen haben wir zwei Dinge: (a) x 0 x 0 liegt in H := h 1, h 2,..., h n r. (b) Es gilt h 1, h 2,..., h n r = h 1, h 2,..., h n r. 5
8 Invertierbare Matrizen Wir befassen uns momentan mit quadratischen Matrizen vom festen Format n n. Definition. Eine n n-matrix A heißt n n-matrix B mit invertierbar, wenn es eine A B = E n und B A = E n gibt. In diesem Fall ist B durch A eindeutig bestimmt und heißt die zu A inverse Matrix. Bezeichnung: B = A 1. Eindeutigkeit: Seien B und C zu A invers, dann gilt: B = E n B = (C A) B = C (A B) = C E n = C. 6
9 Kennzeichnung invertierbarer Matrizen Satz. Für eine n n-matrix A sind äquivalent: (1) A ist invertierbar. (2) Es gibt eine n n-matrix B mit A B = E n. (3) Die Spalten von A bilden eine Basis des R n. (4) Die lineare Abbildung f : R n R n, x A x, ist ein Isomorphismus. Eine weitere äquivalente Bedingung ist: (2 ) Es gibt eine n n-matrix B mit B A = E n. 7
10 Nachweis der Äquivalenz (1) = (2): klar. (2) = (3): Sei B = [b 1, b 2,..., b n ], dann ist A b i = e i für 1 i n. Es folgt, dass b 1, b 2,..., b n im R n linear unabhängig und dann auch eine Basis sind. (3) = (4): Sei A = [a 1, a 2,..., a n ], dann ist f(e i ) = a i (1 i n). Das Bild von f, also a 1, a 2,..., a n, ist wegen (3) der R n. Per Rangsatz ist ferner der Kern von f gleich Null; insgesamt ist f dann ein Isomorphismus. (4) = (3): Es ist A = M(f); setze B = M(f 1 ). Aus f g = 1 R n = g f folgt für die zugehörigen Matrizen dann A B = E n = B A. 8
11 Berechnung der inversen Matrix Wir setzen voraus, dass die Spalten von A eine Basis des R n bilden. Das Problem A X = E n mit X = [x 1, x 2,..., x n ] führen wir auf das Lösen der n linearen Gleichungssysteme A x i = e i (1 i n) zurück. Wir wissen, dass diese Lösung durch elementare Zeilenumformungen möglich ist; dieselben führen wir simultan durch. Satz. Sei A eine invertierbare n n-matrix. Die zu A inverse Matrix ermitteln wir wie folgt: Wir formen die Matrix [A E] durch elementare Zeilenumformungen solange um (Zeilenstufenform) bis die Form [E n B] erreicht ist. Dann ist B die zu A inverse Matrix. 9
12 Für die 3 3-Matrix A = Beispiel soll entschieden werden, ob sie invertierbar ist. Für diesen Fall soll ferner die zu A inverse Matrix A 1 berechnet werden. Durch elementare Zeilenumformungen überführen wir [A E] in die Form [D B]: Fazit: A 1 =
13 Kommentar: Invertierbarkeit Das beschriebene Verfahren gestattet nicht nur im Fall der Invertierbarkeit von A die zu A inverse Matrix zu berechnen. Vielmehr lässt sich auch entscheiden, ob A invertierbar ist: Die n n- Matrix A ist nämlich genau dann invertierbar, wenn ihre Spalten eine Basis des R n bilden. Dies ist genau dann der Fall, wenn A den Rang n hat. In genau diesem Fall ist die zugehörige Zeilenstufenform von A gerade die Einheitsmatrix. Bringen wir also [A E n ] auf Zeilenstufenform [A B], so teilt uns dieselbe mit, ob A invertierbar ist: Dies ist genau dann der Fall, wenn A = E n ist. 11
14 Inverse Matrizen: Rechenregeln Satz. A, B seien n n-matrizen. Es gilt (1) Die Einheitsmatrix E n ist invertierbar und E 1 n = E n. (2) Ist A invertierbar, so auch A 1. Es gilt dann: (A 1 ) 1 = A. (3) Sind A und B invertierbar, so auch A B. Es gilt dann: (A B) 1 = B 1 A 1. Man beachte in (3) die Umkehrung der Reihenfolge. 12
15 Rechenregeln: Begründung Zu (1): Aus E n E n = E n folgt, dass E n zu sich selbst invers ist. Eindeutigkeit der Inversen liefert die Behauptung. Zu (2): Die Beziehung A A 1 = E n = A 1 A, die ausdrückt, dass A 1 zu A invers ist, lässt sich durch Verkehrung der Rollen beider Faktoren auch so lesen, dass A zu A 1 invers ist, also A = (A 1 ) 1 ist. Zu (3): Es gilt (A B) (B 1 A 1 ) = A (B B 1 ) A 1 = A E n A 1 = A A 1 = E n. Entsprechend folgt (B 1 A 1 ) (A B) = E n und dann die Behauptung. 13
16 Invertierbare Matrizen und lineare Gleichungssysteme A sei eine invertierbare n n-matrix und b eine n-spalte. Wir befassen uns erneut mit dem Lösen des linearen Gleichungssystems A x = b, betrachten dieses nunmehr aber aus dem Blickwinkel der Matrizenrechnung. Satz. Das lineare Gleichungssystem A x = b ist eindeutig lösbar. Diese Lösung ist x = A 1 b. Beweis. Einsetzen von x = A 1 b ergibt, dass x eine Lösung von A x = b ist. Sei andererseits x eine Lösung von A x = b, so ergibt Links-Multiplikation mit der Matrix A 1, dass dann x = A 1 b sein muss. 14
17 Bewertung der Lösungsformel x = A 1 b (1)Gegenüber der algorithmischen Lösung von A x = b durch Umformen von [A b] auf Zeilenstufenform ist es vorteilhaft, dass wir die Lösung x durch eine allgemeingültige Formel x = A 1 x angeben können. (2) Diese Formel verdeutlicht zudem die Denkökonomie der Matrizenrechnung. Bis auf die Feinheit, dass wir auf die Reihenfolge der Faktoren zu achten haben, entspricht sie genau der Lösung der Zahlengleichung ax = b für a 0. (3) Nachteilig ist, dass die Formel nur für invertierbare Matrizen A gilt. (4) Ferner ist der Rechenaufwand zu beachten: Wir erzeugen hohen Rechenaufwand durch Bestimmung der inversen Matrix und anschließende Matrixmultiplikation. Im Vergleich schneidet die direkte algorithmische Lösung besser ab. 15
18 Elementarmatrizen Definition. Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare Zeilenumformung hervorgeht. Wir haben wir damit folgende drei Typen von Elementarmatrizen: (1) Für i k die Matrix E i,k, die aus E n durch Vertauschen von i-ter und k-ter Zeile hervorgeht. Es ist E i,k = E k,i. (2) Für i = 1,..., n und einen Skalar α 0 die Matrix E i (α), die aus E n durch Multiplikation der i-ten Zeile mit dem Faktor α hervorgeht. (3) Für i k und einen beliebigen Skalar α die Matrix E i,k (α), die aus E n durch Addition des α-fachen der k-ten Zeile zur i-ten Zeile hervorgeht. Hinweis. Elementare Spaltenumformungen der Einheitsmatrix führen auf dieselben Typen von Matrizen. 16
19 Elementarmatrizen und elementare Zeilenumformungen Satz. (a) Elementare Zeilenumformungen (bzw. Spaltenumformungen) ergeben sich gerade durch Linksmultiplikation (bzw. Rechtsmultiplikation) mit einer Elementarmatrix. (b) Jede Elementarmatrix ist invertierbar. (c) Der Spaltenrang einer Matrix ändert sich nicht durch elementare Zeilen- oder Spaltenumformungen. 17
20 Nachweis der Eigenschaften I Wir verwenden momentan e 1, e 2,..., e n zur Bezeichnung der Standardbasis des R n in Zeilenform. Zu (a): Sei A = a 1. a n eine im Zeilenaufbau gegebene n p-matrix, so ist e i A = a i. Die Behauptung (a) folgt dann unmittelbar hinsichtlich der Zeilenumformungen. Der Beweis für elementare Spaltenumformungen verläuft analog. Zu (b): Von einer Elementarmatrix E kommen wir durch eine einzige elementare Zeilenumformung zur Einheitsmatrix E n zurück. Nach (a) gibt es daher eine Elementarmatrix E mit E E = E n. 18
21 Nachweis der Eigenschaften II Zu (c): Wir wissen schon, dass sich der Spaltenrang einer Matrix durch elementare Zeilenumformungen nicht ändert. Wir haben uns noch mit dem Fall elementarer Spaltenumformungen zu befassen. Wegen (b) reicht es zu zeigen, dass die m n-matrizen A und A B denselben Spaltenrang haben, wenn B eine invertierbare m m- Matrix ist. Übersetzt in die Sprache der linearen Abbildungen müssen wir daher nachweisen, dass lineare Abbildungen f und f g : R n R m denselben Rang haben, falls g : R m R m ein Isomorphismus ist. Offensichtlich haben wegen g(r m ) = R m die beiden Abbildungen f und f g dasselbe Bild und daher denselben Rang. 19
22 Zeilenstufenform invertierbarer Matrizen Den folgenden Sachverhalt haben wir schon kennengelernt: Satz. Jede invertierbare n n-matrix A lässt sich durch elementare Zeilenumformungen zur Einheitsmatrix umformen. Beweis. Wir formen A durch elementare Zeilenumformungen in eine Matrix B um, die Zeilenstufenform hat. Als invertierbare Matrix hat A den Spaltenrang n (die Spalten von A sind linear unabhängig); folglich hat auch B den Spaltenrang n und besteht folglich n Stufenvektoren, somit den Vektoren e 1, e 2,..., e n der Standardbasis. B ist folglich die n n-einheitsmatrix. 20
23 Invertierbare Matrizen und Elementarmatrizen Satz. Jede invertierbare n n-matrix A ist darstellbar als Produkt von Elementarmatrizen. Beweis. Wir wenden die vorstehenden Sätze auf A an. Zunächst einmal lässt sich A durch elementare Zeilenumformungen zur Einheitsmatrix umformen. Ferner entspricht jeder Umformungsschritt der Linksmultiplikation mit einer Elementarmatrix. Es gibt daher Elementarmatrizen E 1, E 2,..., E s mit ein Produkt von Elementarmatri- Folglich ist A = E1 1 E2 1 Es 1 zen. E s E 2 E 1 A = E n. In der hier verwendeten Schreibweise bitte nicht E i mit der i i-einheitsmatrix verwechseln! 21
24 Umformulierung Folgerung. Jede invertierbare n n-matrix lässt sich wie folgt erhalten. Wir starten mit der Einheitsmatrix E n und wenden eine geeignete Folge von elementaren Zeilenumformungen an. Anmerkung. Aus Symmetriegründen gelten entsprechende Aussagen für elementare Spaltenumformungen. 22
25 Zeilenstufenform Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen auf Spaltenstufenform bringen. Satz. Zu jeder m n-matrix A gibt es eine invertierbare Matrizen Q und R, so dass Q A Zeilenstufenform und A R Spaltenstufenform hat. Beweis. Durch elementare Zeilenumformungen lässt sich A auf Zeilenstufenform bringen. Damit gibt es Elementarmatrizen E 1, E 2,..., E s, so dass E 1 E 2 E s A Zeilenstufenform hat. Das Produkt Q = E 1 E 2 E s ist eine invertierbare Matrix mit der gewünschten Eigenschaft. Der Beweis für die Spaltenstufenform verläuft analog. Dies bedeutet, dass durch Vertauschen von Spalten und Zeilen eine Matrix von Zeilenstufenform entsteht. 23
26 Zeilen- und Spaltenumformungen Satz. Jede m n-matrix A lässt sich durch zulässige Zeilen- und Spaltenumformungen auf die Form ( ) Er bringen, wobei E r die r r-einheitsmatrix ist und die Symbole 0 für Nullmatrizen geeigneten Formats stehen. Dabei ist r der Spaltenrang von A. Beweis. Durch elementare Zeilenumformungen bringen wir A zunächst auf Zeilenstufenform. In den r Stufen dieser Matrix stehen die ersten r Vektoren e 1, e 2,..., e r der Standardbasis. Diese Spalten bringen wir anschließend durch elementare Spaltenumformungen in die ersten r Positionen; von den verbleibenden Spalten wissen wir, dass sie Linearkombinationen von e 1, e 2,..., e r sind. Dieselben können daher durch weitere elementare Spaltenumformungen zu Null umgeformt werden. 24
27 Umformulierung Satz. Sei A eine m n-matrix vom Spaltenrang r. Dann gilt: (a) Es gibt Elementarmatrizen E 1, E 2,..., E s bzw. F 1, F 2,..., F t, so dass E 1 E 2 E s A F 1 F 2 F t = ( Er (b) Es gibt invertierbare Matrizen Q und R, so dass ( ) Er 0 Q A R =. 0 0 ). Beweis. (a) ergibt sich unmittelbar aus dem vorangehenden Satz. Aussage (b) folgt dann aus (a). 25
28 Zeilenrang = Spaltenrang Satz. Für jede m n-matrix A stimmen Zeilenrang (die maximale Anzahl eines Systems linear unabhängiger Zeilen) und der Spaltenrang (die maximale Anzahl eines Systems linear unabhängiger Spalten) überein. Beweis. Durch elementare Zeilen- und Spaltenumformungen lässt sich A zu einer Matrix ( ) Er 0 B = 0 0 umformen. Bei dieser Umformung bleiben Zeilen- und Spaltenrang erhalten. Ersichtlich stimmen für B Zeilen- und Spaltenrang überein, also auch für A. 26
29 Beweis: Reduktion auf Zeilenstufenform Wir starten mit einer m n-matrix A = (a ik ) mit dem Spaltenaufbau [a 1, a 2,..., a n ]. Falls alle Spalten Null sind, sind wir fertig. Andernfalls sei i 1 der kleinste Index, für den die zugehörige Spalte ungleich Null ist. Durch Vertauschen von Zeilen können wir erreichen, dass der erste Eintrag von a i1 ungleich Null und nach Multiplikation der ersten Zeile mit einem geeigneten Faktor sogar a 1,i1 = 1 gilt. Die übrigen Einträge dieser Spalte können wir durch elementare Zeilenumformungen zu Null machen. Es ergibt sich dann eine Matrix der Form B
30 Fortsetzung des Beweises Hierbei ist B eine (m 1) (n i 1 )-Matrix. Durch Induktion nach der Zeilenzahl m können wir daher annehmen, dass sich B durch elementare Zeilenumformungen auf Zeilenstufenform B bringen lässt. Diese Zeilenumformungen wenden wir auf die ganze Matrix an. Für jede Stufe von B können wir wegen des dort vorhandenen Eintrags 1 erreichen, dass durch elementare Zeilenumformung der Eintrag der ersten Zeile Null wird. Das Ergebnis ist eine Matrix in Zeilenstufenform. 28
3.9 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
MehrErneut: Matrizen und lineare Abbildungen
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
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
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
MehrChr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen.
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
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.
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
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
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
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
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
Mehr5 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
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
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
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
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
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
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
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
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,...,
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
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
MehrZu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik =
H 6. Die Matrizen A, B, C und D seien gegeben durch 5 A =, B =, C = 4 5 4, D =. 5 7 5 4 4 Berechnen Sie (sofern möglich) alle Matrizenprodukte X Y mit X, Y {A, B, C, D}. Zu zwei Matrizen A R m n und B
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,
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
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
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
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
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
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
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
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
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)
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
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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
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
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
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
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 +
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
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
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
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
MehrMathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7
Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
MehrKapitel 12. Lineare Abbildungen und Matrizen
Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt
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
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
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
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:
MehrLineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
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"
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
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
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 I Klausur. Klausur - Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
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
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
MehrLineare Gleichungssysteme: eine Ergänzung
Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n
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
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
MehrKapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
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
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 Abbildungen und Gleichungssysteme
Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
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
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme.2 Determinanten 3 iii 2 LINEARE GLEIHUNGSSYSTEME UND DETERMINANTEN KAPITEL
MehrSpezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation
. Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation
MehrMathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11
Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)
Mehr6. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)
Mehr:= 1. Der affine Unterraum Γ heißt Punkt, Gerade, Ebene oder Hyperebene, wenn dim K dim K
apitel II Lineare Algebra und analytische Geometrie 4 Punkte, Geraden, Ebenen, affine Unterräume in einem Vektorraum. Wie bisher ist V ein endlichdimensionaler Vektorraum über dem örper, oft ist V = n
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
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrAufgaben zu Kapitel 14
Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrBestimmung der Dimension
Bestimmung der Dimension Satz. Sei (v 1, v 2,..., v n ) ein minimales Erzeugendensystem von V, d.h. dieses System ist ein Erzeugendensystem von V, aber keines der nach Weglassen eines v i (1 i n) entstehenden
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
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
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:
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrLösungen der Aufgaben zu Abschnitt 5.4
A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ
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
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
MehrBasistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=%
Basistext Lineare Gleichungssysteme Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Mit zwei Unbekannten gibt es die allgemeine Form:! #+% '=( Gelten mehrere dieser Gleichungen
MehrLineare Gleichungssysteme
Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare
MehrRechenaufwand der LR- und LDL T - Zerlegung
6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für
Mehr