Spezielle Matrizen. Invertierbarkeit.
|
|
- Elmar Vogt
- vor 6 Jahren
- Abrufe
Transkript
1 Spezielle Matrizen. Invertierbarkeit. Lineare Algebra I Kapitel 4 2. Mai 2012
2 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag Webseite: holtz Assistent: Sadegh Jokar, MA 620, Sprechstunden Donnerstag 11:30-13 Tutoren: Cronjäger, Guzy, Kourimska, Rudolf Anmeldung: über MOSES Fragen? Studentische Studienfachberatung, MA 847 Telefon: (030) Vorlesungen: VL am Dienstag im MA004, Mittwoch 8-10 im H0104 Klausur? Mittwoch 8-10 H0104 Der Kurs gilt mit 50% Punkten für Hausaufgaben als bestanden
3 Eigenschaften der Matrizenmultiplikation Seien A = [a ij ] R n,m, Ã = [ã ij] R n,m, B = [b ij ] R m,s, B = [ b ij ] R m,s, C = [c ij ] R s,t, r R. Dann gilt: a) (Ass ) (A B) C = A (B C), b) (Distr 1) (A + Ã)B = AB + ÃB, c) (Distr 2) A(B + B) = AB + A B, d) (I n, I m ) I n A = AI m = A, e) (r A)B = r(ab) = A(rB).
4 Eigenschaften der Matrizenmultiplikation Seien A = [a ij ] R n,m, Ã = [ã ij] R n,m, B = [b ij ] R m,s, B = [ b ij ] R m,s, C = [c ij ] R s,t, r R. Dann gilt: a) (Ass ) (A B) C = A (B C), b) (Distr 1) (A + Ã)B = AB + ÃB, c) (Distr 2) A(B + B) = AB + A B, d) (I n, I m ) I n A = AI m = A, e) (r A)B = r(ab) = A(rB). Beweis: a) Sei D = [d ij ] = (A B) C, D = [ d ij ] = A (B C). Es gilt d ij = ( s m ) a ik b kl c lj = l=1 k=1 s m (a ik b kl ) c lj l=1 k=1
5 Eigenschaften der Matrizenmultiplikation Seien A = [a ij ] R n,m, Ã = [ã ij] R n,m, B = [b ij ] R m,s, B = [ b ij ] R m,s, C = [c ij ] R s,t, r R. Dann gilt: a) (Ass ) (A B) C = A (B C), b) (Distr 1) (A + Ã)B = AB + ÃB, c) (Distr 2) A(B + B) = AB + A B, d) (I n, I m ) I n A = AI m = A, e) (r A)B = r(ab) = A(rB). Beweis: a) Sei D = [d ij ] = (A B) C, D = [ d ij ] = A (B C). Es gilt d ij = ( s m ) s m a ik b kl c lj = (a ik b kl ) c lj l=1 k=1 l=1 k=1! Distributivität in R
6 Eigenschaften der Matrizenmultiplikation Seien A = [a ij ] R n,m, Ã = [ã ij] R n,m, B = [b ij ] R m,s, B = [ b ij ] R m,s, C = [c ij ] R s,t, r R. Dann gilt: a) (Ass ) (A B) C = A (B C), b) (Distr 1) (A + Ã)B = AB + ÃB, c) (Distr 2) A(B + B) = AB + A B, d) (I n, I m ) I n A = AI m = A, e) (r A)B = r(ab) = A(rB). Beweis: a) Sei D = [d ij ] = (A B) C, D = [ d ij ] = A (B C). Es gilt ( s m ) s m d ij = a ik b kl c lj = (a ik b kl ) c lj = l=1 k=1 l=1 k=1! Distributivität in R ) s m m a ik (b kl c lj ) = b kl c lj l=1 k=1 k=1 a ik ( s l=1 = d ij. b)-e) Übung!
7 Transponierte Matrix Sei A = [a ij ] R n,m. Dann heißt die Matrix B = [b ij ] R m,n mit b ij = a ji, i = 1,..., m, j = 1,..., n, transponierte Matrix zu A. Wir schreiben B = A T.
8 Transponierte Matrix Sei A = [a ij ] R n,m. Dann heißt die Matrix B = [b ij ] R m,n mit b ij = a ji, i = 1,..., m, j = 1,..., n, transponierte Matrix zu A. Wir schreiben B = A T. Beispiele: A = [ ],
9 Transponierte Matrix Sei A = [a ij ] R n,m. Dann heißt die Matrix B = [b ij ] R m,n mit b ij = a ji, i = 1,..., m, j = 1,..., n, transponierte Matrix zu A. Wir schreiben B = A T. Beispiele: A = [ ], A T =
10 Transponierte Matrix Sei A = [a ij ] R n,m. Dann heißt die Matrix B = [b ij ] R m,n mit b ij = a ji, i = 1,..., m, j = 1,..., n, transponierte Matrix zu A. Wir schreiben B = A T. Beispiele: A = [ A = ], A T = ,.
11 Transponierte Matrix Sei A = [a ij ] R n,m. Dann heißt die Matrix B = [b ij ] R m,n mit b ij = a ji, i = 1,..., m, j = 1,..., n, transponierte Matrix zu A. Wir schreiben B = A T. Beispiele: A = [ A = ], A T = , A T = A..
12 Eigenschaften der Transponierten Lemma. Seien A, Ã Rn,m, B R m,s, r R. Dann gilt a) (A + Ã) T = A T + Ã T, b) (ra) T = ra T, c) (AB) T = B T A T, d) (A T ) T = A.
13 Eigenschaften der Transponierten Lemma. Seien A, Ã Rn,m, B R m,s, r R. Dann gilt a) (A + Ã) T = A T + Ã T, b) (ra) T = ra T, c) (AB) T = B T A T, d) (A T ) T = A. Beweis. a), b), d) sind offensichtlich. c) Sei A B = C = [c ij ] mit c ij = m C T = [c ij ]. Es gilt k=1 a ik b kj und A T = [a ij ], BT = [b ij ], c ij = c ji = m a jk b ki = k=1 m a kj b ik = k=1 m b ik a kj. k=1 und damit C T = B T A T.
14 Spezielle Klassen von quadratischen Matrizen Sei A R n,n. a) A heißt symmetrisch, falls A = A T.
15 Spezielle Klassen von quadratischen Matrizen Sei A R n,n. a) A heißt symmetrisch, falls A = A T. b) A heißt obere Dreiecksmatrix, falls a ij = 0 für alle i = 2,..., n, j = 1,..., i 1.
16 Spezielle Klassen von quadratischen Matrizen Sei A R n,n. a) A heißt symmetrisch, falls A = A T. b) A heißt obere Dreiecksmatrix, falls a ij = 0 für alle i = 2,..., n, j = 1,..., i 1. c) A heißt untere Dreiecksmatrix, falls A T obere Dreiecksmatrix ist.
17 Spezielle Klassen von quadratischen Matrizen Sei A R n,n. a) A heißt symmetrisch, falls A = A T. b) A heißt obere Dreiecksmatrix, falls a ij = 0 für alle i = 2,..., n, j = 1,..., i 1. c) A heißt untere Dreiecksmatrix, falls A T obere Dreiecksmatrix ist. d) A heißt Diagonalmatrix, falls A obere und untere Dreiecksmatrix ist.
18 Spezielle Klassen von quadratischen Matrizen Sei A R n,n. a) A heißt symmetrisch, falls A = A T. b) A heißt obere Dreiecksmatrix, falls a ij = 0 für alle i = 2,..., n, j = 1,..., i 1. c) A heißt untere Dreiecksmatrix, falls A T obere Dreiecksmatrix ist. d) A heißt Diagonalmatrix, falls A obere und untere Dreiecksmatrix ist. e) A heißt Permutationsmatrix, falls in jeder Zeile und in jeder Spalte genau ein Eintrag 1 ist und alle anderen Einträge 0 sind.
19 Spezielle Klassen von quadratischen Matrizen Sei A R n,n. a) A heißt symmetrisch, falls A = A T. b) A heißt obere Dreiecksmatrix, falls a ij = 0 für alle i = 2,..., n, j = 1,..., i 1. c) A heißt untere Dreiecksmatrix, falls A T obere Dreiecksmatrix ist. d) A heißt Diagonalmatrix, falls A obere und untere Dreiecksmatrix ist. e) A heißt Permutationsmatrix, falls in jeder Zeile und in jeder Spalte genau ein Eintrag 1 ist und alle anderen Einträge 0 sind. Beispiele: [ ], [ ], [ ].
20 Invertierbarkeit von Matrizen Definition Eine Matrix A R n,n heißt invertierbar, wenn es ein à R n,n gibt mit ÃA(= AÃ) = I n. Man schreibt dann à = A 1, und nennt à die inverse Matrix zu A.
21 Invertierbarkeit von Matrizen Definition Eine Matrix A R n,n heißt invertierbar, wenn es ein à R n,n gibt mit ÃA(= AÃ) = I n. Man schreibt dann à = A 1, und nennt à die inverse Matrix zu A. Beachte, obwohl die Matrizenmultiplikation nicht kommutativ ist vertauscht eine invertierbare Matrix A R n,n mit ihrer Inversen!
22 Invertierbarkeit von Matrizen Definition Eine Matrix A R n,n heißt invertierbar, wenn es ein à R n,n gibt mit ÃA(= AÃ) = I n. Man schreibt dann à = A 1, und nennt à die inverse Matrix zu A. Beachte, obwohl die Matrizenmultiplikation nicht kommutativ ist vertauscht eine invertierbare Matrix A R n,n mit ihrer Inversen! Lemma Seien A, B R n,n invertierbar. Dann ist AB invertierbar und es gilt (AB) 1 = B 1 A 1.
23 Invertierbarkeit von Matrizen Definition Eine Matrix A R n,n heißt invertierbar, wenn es ein à R n,n gibt mit ÃA(= AÃ) = I n. Man schreibt dann à = A 1, und nennt à die inverse Matrix zu A. Beachte, obwohl die Matrizenmultiplikation nicht kommutativ ist vertauscht eine invertierbare Matrix A R n,n mit ihrer Inversen! Lemma Seien A, B R n,n invertierbar. Dann ist AB invertierbar und es gilt (AB) 1 = B 1 A 1. Beweis: Es gilt (AB)(B 1 A 1 ) = A(BB 1 )A 1 = AI n A 1 = AA 1 = I n, (B 1 A 1 )(AB) = B 1 (A 1 A)B = B 1 I n B = B 1 B = I n und damit folgt die Behauptung.
24 Die Gruppe GL n Frage: ist jede quadratische Matrix invertierbar?
25 Die Gruppe GL n Frage: ist jede quadratische Matrix invertierbar? Gar nicht. Beispiele: [ ] [ ] [ ] ,,
26 Die Gruppe GL n Frage: ist jede quadratische Matrix invertierbar? Gar nicht. Beispiele: [ ] [ ] [ ] ,, Theorem Die Menge der invertierbaren Matrizen in R n,n ist bezüglich der Matrizenmultiplikation eine (nicht kommutative) Gruppe. Wir bezeichnen diese Menge mit GL n (R) (General Linear group). Beweis: Die Assoziativität und die Abgeschlossenheit dieser Menge (unter Multiplikation) haben wir bereits gezeigt. Das Einselement ist durch die Einheitsmatrix I n gegeben und die Existenz von multiplikativen Inversen gilt per Definition.
Invertierbarkeit von Matrizen
Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
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
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
MehrPLU Zerlegung, Rang und Äquivalenz von Matrizen
PLU Zerlegung, Rang und Äquivalenz von Matrizen Lineare Algebra I Kapitel 5 5. 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
MehrVektorräume. Lineare Algebra I. Kapitel Juni 2012
Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 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
MehrMathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 18. April 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrLineare Abbildungen. Lineare Algebra I. Kapitel Juni 2012
Lineare Abbildungen Lineare Algebra I Kapitel 10 26. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent:
MehrDie Lösung linearer Gleichungssysteme
Die Lösung linearer Gleichungssysteme Lineare Algebra I Kapitel 6 6 Mai 22 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: wwwmathtu-berlinde/ holtz Email: holtz@mathtu-berlinde
MehrDie Determinante. Lineare Algebra I. Kapitel Mai 2013
Die Determinante Lineare Algebra I Kapitel 7 21. Mai 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent:
MehrBeziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
MehrDas characteristische Polynom und der Satz von Cayley-Hamilton
Das characteristische Polynom und der Satz von Cayley-Hamilton Lineare Algebra I Kapitel 8 11. Juni 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
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 Determinanten, Eigenwerte, Normalformen
Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses
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
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
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]
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen an die Vorlesung: Im Folgenden werden einige
MehrMathematik 1 für Wirtschaftsinformatik
für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Komplexe Zahlen 5 Lineare Algebra 6 Lineare Programme 5 Lineare Algebra
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
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
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
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
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
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 71 Reelle Matrizen Prof Dr Erich Walter Farkas Mathematik I+II, 71 Reelle Matrizen 1 / 31 1 2 3 4 Prof Dr Erich
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
MehrMathematik 1 Bachelorstudiengang Maschinenbau
Mathematik 1 Bachelorstudiengang Maschinenbau Prof Dr Stefan Etschberger Hochschule Augsburg Sommersemester 2012 Übersicht 4 Lineare Algebra 1 Grundlegendes 2 Aussagenlogik 3 Mengen 4 Lineare Algebra Lernziele
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
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
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
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
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
MehrMatrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
Mehrg 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun
Stefan K. 1.Übungsblatt Algebra I Aufgabe 1 1. zu zeigen: (g 1 ) 1 = g g G, G Gruppe Beweis: Aus dem Gruppenaxiom für das Linksinverse zu g haben wir und für das Linksinverse zu g 1 Unter Verwendung des
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
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
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
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
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
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
MehrG. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag
G. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag Beantwortung der Fragen und Lösungen der Aufgaben zu Kapitel Version V vom 3.. 28 2 Beantwortung der Fragen zu Kapitel TESTFRAGEN
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 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
MehrLineare Algebra. Beni Keller SJ 16/17
Lineare Algebra Beni Keller SJ 16/17 Matritzen Einführendes Beispiel Ein Betrieb braucht zur Herstellung von 5 Zwischenprodukten 4 verschiedene Rohstoffe und zwar in folgenden Mengen: Z 1 Z 2 Z Z 4 Z 5
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrMatrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen Matrizen 28. November 2007 Summe & Produkt Beispiel: Einwohnerzahlen Beispiel Addition Multiplikation Inverse Addition & Multiplikation Anwendung
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrMatrizen. Stefan Keppeler. 19. & 26. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 19. & 26. November 2008 Definition, Summe & Produkt Transponierte Beispiel: Einwohnerzahlen Leslie-Populationsmodell Beispiel Addition Multiplikation
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)
MehrVektoren und Matrizen
Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,
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
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,
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
MehrANHANG A. Matrizen. 1. Die Definition von Matrizen
ANHANG A Matrizen 1 Die Definition von Matrizen Wir haben bereits Vektoren kennen gelernt; solche Paare reeller Zahlen haben wir benutzt, um Punkte in der Ebene zu beschreiben In der Geometrie brauchen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
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:
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
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
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
MehrAufgabe 1. Stefan K. 2.Übungsblatt Algebra I. gegeben: U, G Gruppen, U G, G : U = 2 zu zeigen: U G. Beweis:
Stefan K. 2.Übungsblatt Algebra I Aufgabe 1 gegeben: U, G Gruppen, U G, G : U 2 zu zeigen: U G Beweis: G : U ist nach Definition die Anzahl der Linksnebenklassen (gleich der Anzahl der Rechtsnebenklassen)
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben
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
MehrÖkonometrische Analyse
Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
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
MehrDefinition Sei R ein kommutativer Ring mit multiplikativ neutralem Element 1. Eine Abbildung D : R (n,n) R heißt n-linear, wenn gilt
Kapitel 5 Determinanten 51 Definition und Existenz Definition 511 Sei R ein kommutativer Ring mit multiplikativ neutralem Element 1 Eine Abbildung D : R (n,n) R heißt n-linear, wenn gilt [D1] D ist linear
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
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
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 2 (WS 2010/2011) Abgabetermin: Donnerstag, 28. Oktober.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 2 (WS 2010/2011) Abgabetermin: Donnerstag, 28. Oktober http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Im Folgenden
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
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
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]
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 Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
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
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
MehrMATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...
MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt
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
MehrDefinition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n.
1 Die Determinante Definition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n. a) Ein Fehlstand von π ist ein Paar (i, j) mit 1 i < j n und π(i)
MehrKapitel 2: Lineare Gleichungssysteme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 2: Lineare Gleichungssysteme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 205 HM: Numerik (SS 205), Kapitel
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
MehrLineare Abbildungen. i=0 c ix i n. K n K m
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
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 9 20. Mai 2010 Kapitel 9. Matrizen und Determinanten Der Begriff der Matrix Die transponierte Matrix Definition 84. Unter einer (reellen) m n-matrix
Mehr, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh
Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen
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.
Mehr5. Matrizen und Determinanten
technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und
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.
Mehr