Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw."

Transkript

1 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 oder bei der Bestimmung von Preisen mit zusätzlichen Nebenbedingungen, aber auch in der analytischen Geometrie Hier drei Beispiele dafür: Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw b = kg/l zur 2 Verfügung Gesucht sei eine Mischung aus beiden Substanzen von vorgegebenem Gesamtvolumen V = 00 l und Gesamtgewicht G = 0 kg Bezeichnet man den Volumenanteil der ersten Substanz mit x und den der zweiten Substanz mit y, so führt diese Frage auf das folgende lineare Gleichungssystem in x und y: x+y = 00 2x+ y = 0 2 Dies Gleichungssystem hat eine eindeutige Lösung, nämlich x = 40 und y = 60 Das gesuchte Mischungsverhältnis beträgt also x : y = 4 : 6 Analytische Geometrie: Betrachten wir die von den Vektoren v = und v 2 = 2 im 3-Raum erzeugte Ebene durch den Nullpunkt Wir fragen nun, ob die Punkte P(/2/ ) und Q(/2/3) auf dieser Ebene liegen Bekanntermassen liegt ein beliebiger Punkt mit den Koordinaten (a/b/c) genau dann auf der fraglichen Ebene, wenn gilt a b = λ +µ 2 c für geeignete Zahlen λ,µ R Die Frage, ob der Punkt P auf der Ebene liegt, führt also auf das folgende lineare Gleichungssystem in den Unbekannten λ und µ: = λ µ 2 = λ+2µ = λ+µ

2 92 Kapitel 5 Lineare Algebra Dies System hat eine Lösung, nämlich µ = und λ = 4, der Punkt P liegt also auf der Ebene Aber für den Punkt Q gilt das nicht Denn das entsprechende 3 3 Gleichungssystem = λ µ 2 = λ+2µ 3 = λ+µ hat keine Lösung, weil die erste und dritte Gleichung nicht gleichzeitig erfüllt sein können (sonst wäre = 3) Interpolation: Wir suchen jetzt ein quadratisches Polynom, so dass der zugehörige Graph durch drei vorgegebene Punkte verläuft Genauer suchen wir ein Polynom p(x) = ax 2 + bx + c mit p( 2) = 4, p( ) = 5 und p() = 4 Setzen wir dies in den Ansatz für das Polynom ein, erhalten wir folgende Bedingungen an die noch unbekannten Koeffizienten a, b, c des Polynoms: p( 2) = 4a 2b+c = 4 p( ) = a b+c = 5 p() = a+b+c = 4 Dies ist ein lineares Gleichungssystem in a,b,c Um die Lösungen zu finden, eliminieren wir zunächst die Unbekannte b Dazu addieren wir einerseits das Doppelte der dritten zur ersten Zeile dazu und andererseits bilden wir die Summe aus der zweiten und der dritten Zeile und erhalten folgendes System in a, c: 6a+3c = 2 2a+2c = 9 Ziehen wir nun von der ersten Zeile das Dreifache der zweiten Zeile ab, so fällt auch die Unbekannte a heraus und es folgt 3c = 5, das heisst c = 5 Setzt man nun in die früheren Gleichungen ein, erhält man die eindeutige Lösung, nämlich a =, 2 b =, c = 5 Das gesuchte Polynom lautet also: 2 p(x) = 2 x2 2 x+5 Diese drei Beispiele mögen zunächst genügen Man schreibt Systeme von m linearen Gleichungen in n Unbekannten x,x 2,,x n in der Regel in der folgenden Form auf: 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 2 ++a mn x n = b m Dabei sind a ij,b i R oder in C für (i =,,m, j =,,n) die Koeffizienten bzw die Zeilenresultate Der erste Index i von a ij gibt die Zeile, und der zweite Index j die Variable an, bei der der Koeffizient steht Aus den Koeffizienten eines

3 5 Lineare Gleichungssysteme und Matrizen 93 solchen Gleichungssystems können wir ein rechteckiges Zahlenschema bilden, eine sogenannte Matrix, die aus m Zeilen und n Spalten besteht: a a 2 a n a 2 a 22 a 2n A = a m a m2 a mn Man nennt A eine Matrix vom Typ m n Die Zahlen a ij sind die Einträge der Matrix Dabei gibt der erste Index die Zeile und der zweite Index die Spalte an A Die Variablen x,,x n werden zu einem Spaltenvektor der Form x 2 x n = x x 2 x n zusammengefasst Das Einsetzen von Werten für die Variablen in die oben angebenen Gleichungen wird als Multiplikation der Matrix A mit einem Spaltenvektor gedeutet: x a a 2 a n x a x +a 2 x 2 ++a n x n a 2 a 22 a 2n a 2 x +a 22 x 2 ++a 2n x n a m a m2 a mn x 2 x n := a m x +a m2 x 2 ++a mn x n Hier ein konkretes Beispiel Seien A = und v = 5 Dann lautet das Produkt: A v = = 5 +2 ( ) = 2 + ( ) 5 4 Oder ein Beispiel mit komplexen Zahlen: i 2 2+i(+i) = = i +i 2i+( )(+i) +i i Wir erhalten also folgende Kurzschreibweise für das ursprüngliche lineare Gleichungssystem: x b x A 2 = b x m n Die Lösungsmenge diese Gleichungssystems können wir als Teilmenge der Menge aller Spaltenvektoren mit n reellen(bzw komplexen) Koeffizienten auffassen, die mit

4 94 Kapitel 5 Lineare Algebra R n (bzw C n ) bezeichnet wird x b L = v = K n A v = x, n b m wobei K = R, falls nur reelle Lösungen gesucht werden, und K = C, wenn auch komplexe Koeffizienten zugelassen sind Die Lösungsmenge kann man mithilfe des Eliminationsverfahrens (auch bekannt unter dem Namen Gauss-Verfahren) bestimmen, das jetzt erläutert werden soll Die Idee besteht darin, das System schrittweise durch Manipulation der Zeilen, die der Elimination einer Variablen aus möglichst vielen Gleichungen entsprechen, zu vereinfachen, bis die Lösungen direkt ablesbar werden Die einzelnen Schritte sind elementare Zeilenumformungen von folgender Art: Typ (i): Zu einer Zeile ein Vielfaches einer anderen Zeile dazuaddieren Typ (ii): Zwei Zeilen miteinander vertauschen Typ (iii): Eine Zeile mit einer festen Zahl ( 0) multiplizieren Bei jeder dieser elementaren Zeilenumformungen bleibt die Lösungsmenge des zugehörigen Gleichungssystems unverändert! 5 Beispiel Wir betrachten das folgende System aus 3 Gleichungen in 4 Unbekannten über K = R: 2x + 4x 3 + 2x 4 = 0 x + x 2 + 5x 3 + 2x 4 = 7 x + 2x 2 + 8x 3 + 4x 4 = 2 Hier lauten also Koeffizientenmatrix bzw Ergebnisvektor: A = 5 2 b = Jetzt notieren wir die erweiterte Matrix (A b) = Zunächst soll erreicht werden, dass in der ersten Spalte unterhalb der ersten Zeile Nullen stehen Für das entsprechende Gleichungssystem bedeutet das, die Variable x aus den Zeilen 2 und 3 zu eliminieren Wir teilen deshalb die erste Zeile durch 2 und ziehen dann die erste Zeile von der zweiten und der dritten ab Wir erhalten: (A b) =

5 5 Lineare Gleichungssysteme und Matrizen 95 Jetzt wollen wir die Variable x 2 aus der dritten Zeile eliminieren Dafür ziehen wir das Doppelte der zweiten Zeile von der dritten Zeile ab und bekommen jetzt: (A b) = Bei dieser Umformung sind in der letzten Zeile gleich zwei Nullen entstanden, das bedeutet, nicht nur x 2 sondern sogar x 3 taucht in der letzten Gleichung nicht mehr auf Das Gleichungssystem, das dieser neuen erweiterten Matrix entspricht, lautet: x + 2x 3 + x 4 = 5 x 2 + 3x 3 + x 4 = 2 x 4 = 3 Die Lösungsmenge können wir an diesem vereinfachten System tatsächlich leicht ablesen Setzen wir x 4 = 3 in die zweite Gleichung ein, erhalten wir x 2 +3x 3 = Wir können nun eine der beiden Variablen x 2,x 3 ganz frei wählen, etwa setzen wir x 3 = t (t R) Dann muss x 2 = 3t sein und aus der ersten Gleichung folgt x = 2 2t Die Lösungsmenge des vereinfachten und damit gleichzeitig auch des ursprünglichen Systems lautet also: L = 2 2t 3t t 3 t R = Hier gibt es einen freien Parameter t t R Es kann aber auch sein, dass ein Gleichungssystem gar nicht lösbar ist Dazu ein anderes Beispiel 52 Beispiel Wir betrachten jetzt das folgende System aus 3 Gleichungen in 4 Unbekannten: 2x + 2x 2 + 2x 4 = 0 x + 6x 2 + x 3 + 3x 4 = 0 3x + 8x 2 3x 3 3x 4 = 3 Hier lautet also die erweiterte Matrix Wir vertauschen die ersten beiden Zeilen und ziehen dann von der zweiten Zeile das Zweifache der ersten und von der dritten Zeile das Dreifache der ersten Zeile ab Dann ergibt sich:

6 96 Kapitel 5 Lineare Algebra Nun teilen wir die zweite Zeile durch (-2), und ziehen von der dritten Zeile das Dreifache der alten zweiten Zeile ab Als letztes teilen wir die neue dritte Zeile noch durch 3 Dann erhalten wir: Das entsprechende Gleichungssystem lautet: x + 6x 2 + x 3 + 3x 4 = 0 x 3 + 2x 4 = 0 0 = Also gibt es in diesem Fall keine Lösung Hier zu guter Letzt noch ein Beispiel über den komplexen Zahlen: 53 Beispiel Wir betrachten das folgende System aus 3 Gleichungen in 3 Unbekannten über K = C: 2x 5ix 2 8x 3 = 2i 2ix + x 2 + 4ix 3 = 4 ix + 5x 2 + ix 3 = 6 Hier lauten also Koeffizientenmatrix bzw Ergebnisvektor: 2 5i 8 A = 2i 4i b = 2i 4 i 5 i 6 Jetzt notieren wir die erweiterte Matrix 2 5i 8 2i (A b) = 2i 4i 4 i 5 i 6 Wir multiplizieren die letzte Zeile mit ( i), so dass in der unteren linken Ecke eine entsteht, vertauschen die neue letzte Zeile mit der ersten und erhalten: 5i 6i (A b) = 2 5i 8 2i 2i 4i 4 Nun ziehen wir von der zweiten das Doppelte der ersten Zeile und von der dritten das (2i)-fache der ersten Zeile ab und bekommen: 5i 6i (A b) = 0 5i 0 0i 0 2i 2

7 5 Lineare Gleichungssysteme und Matrizen 97 Dann vertauschen wir die zweite und die dritte Zeile und ziehen von der neuen dritten Zeile das (5i)-fache der neuen zweiten Zeile ab Das liefert: (A b) = 5i 6i 0 2i Das entsprechende Gleichungssystem besteht also eigentlich nur aus zwei unabhängigen Bedingungen und lautet: x 5ix 2 + x 3 = 6i x 2 + 2ix 3 = 2 Wir können x 3 = z C beliebig wählen, dann ergibt sich aus den beiden Gleichungen durch Einsetzen: x 2 = 2 2iz und x = 6i+5i(2 2iz) z = 4i+9z Die Lösungsmenge lautet also hier 4i+9z L = 2 2iz z z C = Hier gibt es einen freien komplexen Parameter 4i 2 + z 0 9 2i z C Die entscheidenden Eigenschaften der vereinfachten erweiterten Matrix sind hier zusammengefasst: 54 Definition Eine Matrix M hat Zeilenstufenform, wenn es eine Zahl r N 0 gibt, so dass folgendes gilt: Die Zeilen unterhalb der r-ten Zeile sind Nullzeilen, das heisst ihre sämtlichen Einträge sind Nullen Die ersten r Zeilen sind keine Nullzeilen, jeweils der erste von Null verschiedene Eintrag (wenn man von links nach rechts liest) ist eine Eins Markiert man die führenden Einsen in den ersten r Zeilen, erhält man eine nach rechts absteigende Treppe Oder anders gesagt: Steht die führende Eins in Zeile i jeweils in der Spalte s i, so gilt: s < s 2 < s 3 < < s r In dieser Situation wird die Zahl r als Rang der Matrix M bezeichnet 55 Satz Jede beliebige Matrix M lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform bringen

8 98 Kapitel 5 Lineare Algebra Beweis Dazu sucht man die erste Spalte von M mit einem Eintrag a 0, transportiert diesen Eintrag durch Zeilenvertauschung in die erste Zeile und dividiert dann die erste Zeile durch a So erhält man an dieser Stelle die erste führende Eins Jetzt zieht man geeignete Vielfache der ersten Zeile von allen anderen Zeilen ab, um die anderen Einträge derselben Spalte zu Null zu machen Das Resultat hat folgende Form M Jetzt bearbeitet man M entsprechend weiter, bis die Zeilenstufenform erreicht ist qed Kommen wir jetzt wieder zurück zu linearen Gleichungssystemen Sei A eine m n-matrix und b ein Spaltenvektor mit m Einträgen, jeweils aus K = R oder K = CSeiweiter M = (A b)dieerweitertematrix, gebildetausm durchanfügung der Spalte b Um das Gleichungssystem zu lösen, bringen wir zunächst M durch Zeilenumformungen in Zeilenstufenform M = (A b ) Wie schon bemerkt, hat das neue System dieselben Lösungen wie das alte, es gilt: L = {x K n A x = b} = {x K n A x = b } Aber man kann, wie in den Beispielen gezeigt, die Lösungsmenge des in Zeilenstufenform geschriebenen Systems direkt ablesen Dabei stellen wir folgendes fest: 56 Bemerkung Sei A eine m n-matrix mit Einträgen aus K in Zeilenstufenform von Rang r, also mit genau r Nichtnullzeilen Dann ist r n, denn die führenden Einsen in den Nichtnullzeilen müssen in verschiedenen Spalten stehen Sei weiter b K m Für das Gleichungssystem Ax = b gilt: () Das System hat keine Lösung in K n, falls r < m und b i 0 für ein i > r (2) Sind die Bedingungen aus () nicht erfüllt, so gibt es zwei Möglichkeiten (i) Ist r = n, so hat das System eine eindeutige Lösung (ii) Ist r < n, so gibt es unendlich viele Lösungen (genauer enthält die allgemeine Lösung n r freie Parameter) Ist b der Nullvektor, so kann der erste Fall nie eintreten 57 Folgerung Besteht ein lineares Gleichungssystem in n Unbekannten aus n Gleichungen und ist die Koeffizientenmatrix A vom maximal möglichen Rang n, dann hat das System genau eine Lösung x R n Esistjetztnochnichtgeklärt,obdieZahln r derfreienparameterderlösungsmenge im Fall 2(ii) durch das ursprüngliche lineare Gleichungssystem bereits eindeutig festgelegt ist oder nicht Es wird sich aber im nächsten Kapitel herausstellen, dass diese Anzahl eindeutig ist und die Dimension des Lösungsraums angibt

9 52 Rechnen mit Matrizen 99 Schauen wir uns den Fall n = 3 und m 3 für K = R noch einmal genauer an In diesem Fall ist die Lösungsmenge L eine Teilmenge des dreidimensionalen Raumes, die wir geometrisch beschreiben wollen Nehmen wir an, A sei eine Matrix von Rang r Fall: m = Hier haben wir nur eine Gleichung, nämlich a x +a 2 x 2 +a 3 x 3 = b Ist a = a 2 = a 3 = 0, so ist der Rang r = 0 und L ist leer, falls b 0, bzw L = R 3, falls b = 0 Sind nicht alle a j gleichzeitig Null, so handelt es sich bei der Gleichung um eine Ebenengleichung Die Lösungsmenge ist also eine Ebene und hat daher zwei freieparameter Falls b = 0, besteht L aus allen Vektoren x, die auf dem Vektor a w = a 2 senkrecht stehen a 3 2Fall: m = 2 Hier sind zwei Gleichungen simultan zu erfüllen Enthält A keine Nullzeile, so ist L die Schnittmenge von zwei Ebenen E und E 2 Es gibt daher die folgenden Möglichkeiten: Lage der Ebenen E E 2 E = E 2 E E 2 und E E 2 r 2 L Gerade Ebene leer 3Fall: m = 3 Falls A keine Nullzeile enthält, ist die Lösungsmenge der Durchschnitt von 3 Ebenen Hier gibt es die folgenden Möglichkeiten: r 3 2 L Punkt Gerade oder leer Ebene oder leer 52 Rechnen mit Matrizen Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij ) Matrizen vom Typ m n, so setzt man A+B := (a ij +b ij ) Die Summe ist also wiederum eine m n-matrix 52 Beispiel = Die Skalarmultiplikation einer m n-matrix A = (a ij ) (mit Einträgen a ij aus einem Körper K) mit λ K ist durch Multiplikation sämtlicher Einträge mit λ definiert: λ A := (λ a ij )

10 00 Kapitel 5 Lineare Algebra 522 Beispiel 0 i 2+i i 2 i = 0 i +2i 2i Die Multiplikation einer Matrix mit einem Spaltenvektor haben wir bereits kennengelernt Allgemeiner kann man das Produkt von zwei Matrizen A und B mit Einträgen in demselben Körper K definieren, wenn die Anzahl Spalten von A mit der Anzahl Zeilen von B übereinstimmt Dabei gehen wir folgendermassen vor Nehmen wir an, A = (a ik ) sei vom Typ m s und B = (b kj ) vom Typ s n Jede Spalte von B bildet einen Vektor in R s, nämlich v j = b j b 2j b sj (j =,,n) Nun multiplizieren wir der Reihe nach A mit jeder dieser Spaltenvektoren und bilden aus den Vektoren Av,Av 2,,Av n, die jeweils aus m Einträgen bestehen, eine m n-matrix C Diese Matrix C ist das Produkt der Matrizen A und B 523 Beispiele i i 0 = = ( 2+i +i 4 2+i Man findet den Eintrag der Produktmatrix C an der Stelle (i,j), indem man jeweils entsprechende Einträge der i-ten Zeile von A mit der j-ten Spalte von B multipliziert und aufaddiert Also ist C = A B = ( s a ik b kj ) Ist n =,soistb nichts anderesalseinspaltenvektor, undindiesem Fallstimmt die Multiplikation mit der schon bekannten Multiplikation von Matrix mit Spaltenvektor überein 524 Beispiel k= = ( 2 Es ist zu beachten, dass das Produkt von zwei Matrizen nur definiert ist, wenn die Typen der Matrizen zueinander passen! Hier einige spezielle Produkte: ) )

11 52 Rechnen mit Matrizen Bemerkung Sei A eine Matrix vom Typ m n Für j =,,n bezeichne 0 e j = denjenigen Spaltenvektor mit n Einträgen, der an der Stelle j den 0 Eintraghatundsonst lauternullen Füri =,,msei weiter e T i derzeilenvektor mit m Einträgen, der an der Stelle i den Eintrag hat und sonst lauter Nullen: e T i = (00) Dann gilt Ae j = j-te Spalte von A j und e T i A = i-te Zeile von A i Ist m = n und bezeichnet E die n n Matrix, die auf der Diagonalen Einsen stehen hat, aber an jeder anderen Stelle Nullen: 0 E =, 0 dann ist AE = EA = A Man nennt E deshalb auch n te Einheitsmatrix Für das Rechnen mit Matrizen gelten einige der von den Zahlen her geläufigen Rechenregeln, allerdings nicht das Kommutativgesetz! 526 Bemerkung Für alle Matrizen A, B, C von passendem Typ gelten: Assoziativgesetz: (AB)C = A(BC); Distributivgesetz: A(B + C) = AB + AC Aber das Kommutativgesetz für die Multiplikation gilt nicht, im allgemeinen ist AB BA 527 Beispiele (3 ) 2 = (5), aber 4 ( 0 ) 0 = 0, aber (3 ) = ( 0 0 ) 0 = 0 Als nächstes soll nun noch die Inverse einer Matrix definiert werden

12 02 Kapitel 5 Lineare Algebra 528 Definition Seien A,B Matrizen vom Typ n n mit Einträgen aus dem Körper K Die Matrix B ist die Inverse von A, falls 0 0 AB = BA = E = Durch diese Eigenschaft ist B eindeutig bestimmt Man verwendet für die Inverse einer Matrix A üblicherweise die Notation A a b 529 Bemerkung Eine 2 2-Matrix A = hat genau dann den Rang 2, c d d b wenn ad bc 0 ist Ist das der Fall, dann ist die Inverse A = ad bc c a Denn man rechnet nach, dass A A = A A 0 = Die Inverse der Matrix ( 0 ) A = lautet zum Beispiel A 3 5 = = 3 3 Allgemeiner gilt folgendes: 520 Satz Eine n n-matrix A besitzt genau dann eine Inverse, wenn der Rang von A gleich n ist Beweis Nehmen wir zunächst an, die Matrix A besitze eine Inverse A Dann x hat für jeden Vektor b R n das Gleichungssystem A = b eine eindeutige x n x Lösung, nämlich = A b Nach Bemerkung 56 über die Lösungsmengen x n linearer Gleichungssysteme folgt daraus, dass der Rang von A gleich n sein muss Sei jetzt umgekehrt der Rang von A gleich n Wenn wir A auf Zeilenstufenform bringen, erhalten wir also eine Matrix ganz ohne Nullzeilen, mit genau n Stufen Deshalb hat jedes der linearen Gleichungssysteme Av j = e j (für j =,,n) eine eindeutige Lösung v j R n Bilden wir aus den Vektoren v,,v n als Spalten eine neue n n-matrix B, so gilt nach Konstruktion AB = E Die Matrix B ist also die Inverse von A qed Die Inverse einer vorgelegten quadratischen Matrix A von maximalem Rang kann mithilfe von elementaren Zeilenumformungen bestimmt werden Die n Gleichungssysteme A v j = e j für j =,,n müssen dazu simultan gelöst werden Dazu kann man folgendermassen vorgehen: Man bildet aus A und der Einheitsmatrix E vom selben Typ eine erweiterte Matrix

13 52 Rechnen mit Matrizen 03 M = (A E) Nun bringt man M durch elementare Zeilenumformungen auf Zeilenstufenform Weil A von maximalem Rang ist, erhält man in der linken Hälfte eine Matrix, deren Einträge in der Diagonalen gleich und unterhalb der Diagonalen gleich Null sind Durch weitere geeignete elementare Zeilenumformungen kann man nun ausserdem erreichen, dass in der linken Hälfte auch die Einträge oberhalb der Diagonalen gleich Null sind Man erhält die Form M = (E B) Die Matrix B ist dann bereits die gesuchte Inverse 52 Beispiel A = dann: M = Die erweiterte Matrix M = (A E) lautet Wir vertauschen die ersten beiden Zeilen und ziehen von der dritten Zeile das Doppelte der zweiten Zeile ab: Jetzt addieren wir zur zweiten Zeile das Siebenfache der dritten Zeile und erhalten: Wir ziehen von der ersten Zeile das Dreifache der zweiten Zeile und das Fünffache der dritten Zeile ab und addieren schliesslich noch zur zweiten die dritte Zeile dazu Damit ist die gesuchte Form erreicht: Nun lesen wir aus der rechten Hälfte die Inverse ab: 38 5 A =

05. Lineare Gleichungssysteme

05. 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

Mehr

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist

Beispiele 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

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

Mehr

Lineare Gleichungssysteme

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.

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 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

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, 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

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A 133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare 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

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. 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

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

Der Kern einer Matrix

Der 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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik 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

Mehr

3 Systeme linearer Gleichungen

3 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 +

Mehr

1 Lineare Gleichungssysteme und Matrizen

1 Lineare Gleichungssysteme und Matrizen 1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe

Mehr

Lineare Algebra I (WS 12/13)

Lineare 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

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht 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.

Mehr

Lineare Algebra I (WS 12/13)

Lineare 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

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 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

Mehr

9 Lineare Gleichungssysteme

9 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

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

Das Lösen linearer Gleichungssysteme

Das Lösen linearer Gleichungssysteme Das Lösen linearer Gleichungssysteme Lineare Gleichungen Die Gleichung a 1 x 1 + a 2 x 2 +... + a n x n = b ist eine lineare Gleichung in den n Variablen x 1, x 2,..., x n. Die Zahlen a 1, a 2,..., a n

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs 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

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

8 Lineare Gleichungssysteme

8 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

Mehr

2.2 Lineare Gleichungssysteme (LGS)

2.2 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 +

Mehr

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Allgemeines 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

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 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,

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 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

Mehr

Lineare Gleichungssysteme, Matrizen und Determinanten

Lineare Gleichungssysteme, Matrizen und Determinanten Kapitel 2 Lineare Gleichungssysteme, Matrizen und Determinanten Einen klassischen Einstieg in die lineare Algebra bietet die Behandlung linearer Gleichungssysteme Wir beschäftigen uns dabei zunächst mit

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

3 Matrizen und Lineare Gleichungssysteme

3 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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

6 Lineare Gleichungssysteme

6 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

Mehr

7 Matrizen über R und C

7 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

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE 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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme KAPITEL 2 Lineare Gleichungssysteme. Beispiele Wir betrachten zunächst vier Gleichungssysteme und bestimmen ihre Lösungsmenge. Dabei geht es uns noch nicht darum, ein Lösungsverfahren für lineare Gleichungssysteme

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, 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

Mehr

Aufgaben zu Kapitel 14

Aufgaben 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

Mehr

Das inhomogene System. A x = b

Das 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

Mehr

Matrizen. 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

Matrizen. 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

Mehr

5.5 Abstrakter Vektorraum

5.5 Abstrakter Vektorraum 118 Kapitel 5 Lineare Algebra 55 Abstrakter Vektorraum Für die Vektoraddition und die Multiplikation von Vektoren mit Skalaren im zweioder dreidimensionalen euklidischen Raum gelten bestimmte Rechengesetze,

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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,...,

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

a 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:

a 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

Mehr

10.2 Linearkombinationen

10.2 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

Mehr

7 Lineare Gleichungssysteme

7 Lineare Gleichungssysteme 118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,

Mehr

Lineare Algebra. Beni Keller SJ 16/17

Lineare 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

Mehr

1 Transponieren, Diagonal- und Dreiecksmatrizen

1 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

Mehr

Grundlegende Definitionen aus HM I

Grundlegende 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

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

2 Lineare Gleichungssysteme

2 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

Mehr

5 Die Allgemeine Lineare Gruppe

5 Die Allgemeine Lineare Gruppe 5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche

Mehr

3.4 Der Gaußsche Algorithmus

3.4 Der Gaußsche Algorithmus 94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 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

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare 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

Mehr

2.5 Gauß-Jordan-Verfahren

2.5 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]

Mehr

Zeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.

Zeilenstufenform. 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

Mehr

Mathematik IT 2 (Lineare Algebra)

Mathematik 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

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(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:

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen 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

Mehr

Kapitel II. Vektoren und Matrizen

Kapitel II. Vektoren und Matrizen Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft

Mehr

( ) Lineare Gleichungssysteme

( ) 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

Mehr

β 1 x :=., und b :=. K n β m

β 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

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }. 154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik 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

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

17. Das Gauß-Verfahren

17. 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

Mehr

Blockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 :

Blockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : Blockmatrizen Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : 2 1 3 1 1 0 1 0 1 0 0 2 1 1 11 1 1 4 0 1 0 1 0 1 4 1 0 2 1 0 1 0 1 0 3 1 2 1 = 2 4 3 5 11 1 1 4 0 1 0 1 0 1 5 1 2 1 2 4 3 5

Mehr

2.2 Lineare Gleichungssysteme

2.2 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

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 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

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

ANHANG A. Matrizen. 1. Die Definition von Matrizen

ANHANG 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

Mehr

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

Zusammenfassung zum Thema Vektor- und Matrizenrechnung Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,

Mehr

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

Serie 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]

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 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

Mehr

Erneut: Matrizen und lineare Abbildungen

Erneut: 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

Mehr

Matrizen und lineare Gleichungssysteme

Matrizen und lineare Gleichungssysteme KAPITEL Matrizen und lineare Gleichungssysteme Matrizen 224 2 Lineare Gleichungssysteme 229 3 Gauß-Algorithmus 23 4 Gauß-Jordan-Algorithmus 238 5 Invertierbare Matrizen 240 6 Anwendungen von linearen Gleichungssystemen

Mehr

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

Lineare 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

Mehr

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 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

Mehr

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) = Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a

Mehr

Aufgaben zu Kapitel 16

Aufgaben zu Kapitel 16 Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr

Matrizen - 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. 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

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Definition. Sei K ein Körper, a ij K für 1 i m, 1 j n und b 1,..., b m K. Dann heißt 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......

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere 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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 2 Lineare Gleichungssysteme 21 Lineare Gleichungssysteme und Matrizen Lernziele 2 Lineare Gleichungssysteme definieren Matrizen, Matrizen definieren lineare Abbildungen, Lösen von linearen Gleichungssystemen

Mehr

Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik 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

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis

Mehr

Serie 8: Fakultativer Online-Test

Serie 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

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare 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 +...

Mehr

2.3 Lineare Abbildungen und Matrizen

2.3 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

Mehr

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).

4 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

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen und Determinanten, Aufgaben Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen

Mehr

2 Die Algebra der Matrizen

2 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

Mehr

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. () In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.

Mehr

Lineare Algebra. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare 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

Mehr