7 Matrizen über R und C
|
|
- Gertrud Vogt
- vor 6 Jahren
- Abrufe
Transkript
1 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 der Matrizenrechnung zu beschäftigen und insbesondere haben wir eine Addition und eine Multiplikation von Matrizen eingeführt Wir wollen nun einige der Rechenregeln für die Matrixmultiplikation festhalten Dabei sollen alle vorkommenden Matrizen über den reellen oder den komplexen Zahlen definiert sein Lemma 7 (Rechenregeln für Matrizen Seien K {R, C} und n, m, p, q N\{0} (a Assoziativgesetz Sind A K m p eine m p, B K p q eine p q und C K q n eine q n Matrix jeweils über K, so gilt (A B C A (B C (b Einheitsmatrizen Ist E n : }{{} n Spalten n Zeilen die sogenannte n n Einheitsmatrix, so gelten für jede m n Matrix A K m n über K die Gleichungen A E n A und E m A A (c Distributivgesetze Sind A K m p eine m p Matrix und B, C K p n zwei p n Matrizen, so gilt A (B +C A B +A C Sind ebenso A, B K m p zwei m p Matrizen und C K p n eine p n Matrix, so gilt (A+B C A C +B C (d Multiplikation mit Skalaren Sind A K m p eine m p Matrix, B K p n eine p n Matrix und c K ein Skalar, so gilt (ca B A (cb c (A B Beweis: (a Seien also A, B, C wie in (a gegeben Die beiden Produkte (ABC und A(BC sind dann zwei m n Matrizen Wir müssen einsehen das diese beiden Matrizen 7-
2 Mathematik für Physiker I, WS 06/07 Montag 9 in allen ihren Einträgen übereinstimmen Für alle i m, j n ergibt sich der Eintrag von (ABC in der i-ten Zeile und der j-ten Spalte als ( q q ((ABC ij (AB ik C kj A il B lk C kj A il B lk C kj k k und auf der anderen Seite haben wir ebenfalls (A(BC ij A il (BC lj l l l A il ( q k B lk C kj l p k q l p k q A il B lk C kj Dies zeigt ((ABC ij (A(BC ij, und (a ist bewiesen (b Sei A K m n gegeben Dann ist AE n eine m n Matrix und für alle i m, j n haben wir n (AE n ij A ik (E n kj A ij k da (E n kj für k j gleich ist aber für k n mit k j stets Null ist Damit ist AE n A und analog ergibt sich auch E m A A (c Seien A K m p und B, C K p n gegeben Dann sind A(B + C und AB + AC beides m n Matrizen und für alle i m, j n gilt (A(B + C ij A ik (B + C kj A ik (B kj + C kj k A ik B kj + k k k A ik C kj (AB ij + (AC ij (AB + AC ij Damit ist A(B + C AB + AC und das erste der beiden Distributivgesetze ist bewiesen Das andere Distributivgesetz folgt analog (d Seien A K m p, B K p n und c K gegeben Dann sind (cab, A(cB und c(ab alles m n Matrizen über K und für alle i m, j n haben wir ((cab ij (ca ik B kj k ca ik B kj c A ik B kj c(ab ij (c(ab ij k k und ebenso (A(cB ij ca ik (cb kj k A ik cb kj c A ik B kj c(ab ij (c(ab ij k k Damit ist (cab c(ab und A(cB c(ab 7-
3 Mathematik für Physiker I, WS 06/07 Montag 9 Wir wollen hier noch auf zwei kleine Konventionen hinweisen Im Lemma haben wir die n n-einheitsmatrix E n definiert und die leeren Einträge in dieser Matrix werden dabei per Konvention als Null interpretiert Genauso wie wir für die Nullmatrix in jeder Größe einfach Null schreiben, werden wir auch die Einheitsmatrizen E n unabhängig von ihrer Größe n einfach als schreiben Etwas weitergehend verwenden wir auch die folgende Konvention, wenn immer an einer Stelle an der eine n n Matrix stehen sollte ein Skalar auftaucht, so ist das Produkt dieses Skalars mit der n n Einheitsmatrix E n gemeint, ist beispielsweise A K n n und c K so steht c + A für ce n + A Wichtiger noch als die in Lemma aufgeführten Rechenregeln für die Multiplikation von Matrizen, ist es welche Rechenregeln dort nicht stehen Zum einen ist die Multiplikation von Matrizen nicht kommutativ Wir haben zum Beispiel ( 0 ( 0 ( ( ( 0 ( 0 Die Multiplikation verhält sich auch in einer anderen Hinsicht ungewöhnlich Für reelle oder komplexe Zahlen x, y wissen wir das aus x y 0 stets x 0 oder y 0 folgt Für Matrizen ist dies falsch, es gibt sogar von Null verschiedene Matrizen, deren Quadrat gleich Null ist Beispielsweise gilt für A : ( 0 auch A ( 0 ( 0 ( 0 0, hier haben wir also A 0 aber A 0 Hieraus folgt dann auch das es kein multiplikatives Inverses zu A geben kann, hätten wir nämlich eine -Matrix B mit BA E so ergibt sich der Widerspruch 0 B 0 B A (B A A E A A 0 7 Transposition von Matrizen Im letzten Abschnitt hatten wir Addition und Multiplikation von Matrizen passender Größe, sowie die Multiplikation von Matrizen mit Skalaren, also mit reellen oder komplexen Zahlen, eingeführt Es gibt noch eine weitere, etwas weniger wichtige, Grundrechenoperation für Matrizen, die sogenannte Transposition Definition 7: Sei a a n A a m a mn 7-
4 Mathematik für Physiker I, WS 06/07 Montag 9 eine m n Matrix über K {R, C} Die Transponierte A t von A ist dann die n m Matrix a a m A t :, a n a mn über K deren Zeilen gerade die Spalten von A sind Beispielsweise ist t Auch die Matrixtransposition erfüllt einige einfache Rechenregeln: Lemma 7 (Rechenregeln für die Transposition Seien K {R, C} und n, m, l N\{0} drei natürliche Zahlen (a Für jede m n Matrix A über K gilt (A t t A (b Sind A, B zwei m n Matrizen über K, so gilt (A + B t A t + B t (c Sind A eine m n Matrix über K und c K eine Zahl, so gilt (ca t ca t (d Sind A eine m l und B eine l n Matrix über K, so gilt (AB t B t A t Beweis: (a,b,c Diese Aussagen sind klar (d Da B t eine n l und A t eine l m Matrix sind, sind (AB t und B t A t beides n m Matrizen Für alle i n, j m ergibt sich der Eintrag in der i-ten Zeile und der j-ten Spalte zu l l (B t A t ij BikA t t kj A jk B ki (AB ji (AB t ij, k dh es gilt tatsächlich (AB t B t A t k 7 Lineare Gleichungssysteme als Matrixgleichung Was hat die Matrixmultiplikation nun mit linearen Gleichungssystemen zu tun? Um dies zu sehen, betrachten wir ein lineares Gleichungssystem a x + a x + + a n x n b a x + a x + + a n x n b ( a m x + a m x + + a mn x n b m 7-
5 Mathematik für Physiker I, WS 06/07 Montag 9 und schreiben A für seine Koeffizientenmatrix sowie für seine rechte Seite Ist weiter b : x : der Vektor der n Unbekannten, so können wir x auch als eine n Matrix, also als einen Spaltenvektor, auffassen Da A eine m n Matrix ist, ist damit das Matrixprodukt Ax definiert und ergibt eine m Matrix, also einen Spaltenvektor mit m Einträgen Diesen Vektor können wir auch leicht ausrechnen Ax a a n a m a mn x x n b b m x x n a x + + a n x n a m x + + a mn x n die m Komponenten des Produkts Ax sind also gerade die linken Seiten unseres linearen Gleichungssystems Damit kann das gesamte lineare Gleichungssystem ( als eine einzelne Matrixgleichung Ax b interpretiert werden Wir wollen diese Interpretation nun verwenden, um einige einfache Beobachtungen über die Menge der Lösungen unseres linearen Gleichungssystems zu machen Um diese auszusprechen ist eine weitere kleine Definition hilfreich Definition 75: Das lineare Gleichungssystem ( heißt homogen, wenn b 0 ist, dh wenn es die Form a x + a x + + a n x n 0 a x + a x + + a n x n 0 a m x + a m x + + a mn x n 0 hat Ein homogenes lineares Gleichungssystem hat offenbar immer die Lösung x 0, also x x n 0, die man als die triviale Lösung des linearen Gleichungssystems bezeichnet Als das zum allgemeinen Gleichungssystem (, also Ax b, gehörige homogene Gleichungssystem bezeichnet man das homogene lineare Gleichungssystem Ax 0 Ein allgemeines lineares Gleichungssystem Ax b bezeichnet man dann auch als inhomogen Beachte das inhomogen nur für nicht notwendig homogen steht und nicht die Verneinung von homogen bedeutet Satz 7 (Homogene und inhomogene Lösungen Seien n, m N\{0} und A K m n eine m n Matrix über K 7-5,
6 Mathematik für Physiker I, WS 06/07 Montag 9 (a Sind u, v K n zwei Lösungen des homogenen linearen Gleichungssystems Ax 0 und c K eine Zahl, so sind auch u + v und cu Lösungen von Ax 0 (b Sei weiter b K m gegeben Gibt es dann überhaupt eine Lösung x 0 K n des linearen Gleichungssystems Ax b, so ist {x 0 + u u K n, Au 0} die volle Lösungsmenge von Ax b, dh die Lösungen von Ax b sind genau die Vektoren der Form x x 0 + u wobei u die Lösungen des zugehörigen homogenen linearen Gleichungssystems durchläuft Beweis: (a Aus Au Av 0 folgen nach Lemma (c,d auch A (u+v Au+Av 0 und A (cu cau 0, dh auch u + v und cu sind Lösungen von Ax 0 (b Ist u eine Lösung des homogenen Systems, gilt also Au 0, so haben wir nach Lemma (c auch A (x 0 + u Ax 0 + Au Ax 0 b, dh x x 0 + u ist eine Lösung von Ax b Nun sei umgekehrt x K n mit Ax b gegeben Dann setzen wir u : x x 0 K n und haben wieder nach Lemma (c,d auch Au A (x x 0 Ax Ax 0 b b 0 Also ist u eine Lösung des homogenen linearen Gleichungssystems und es gilt x x 0 + (x x 0 x 0 + u Hat also insbesondere das zugehörige homogene lineare Gleichungssystem nur die triviale Lösung, so ist das allgemeine lineare Gleichungssystem Ax b für jede rechte Seite b K m entweder gar nicht lösbar oder eindeutig lösbar Oft wird die Aussage (a des Lemmas noch zum Superpositionsprinzip verallgemeinert: Sind x,, x r K n Lösungen des homogenen linearen Gleichungssystem Ax 0, und λ,, λ r K beliebige Skalare, so ist auch x λ x + + λ r x r ein Lösung von Ax 0 Diese Lösung wird dann oft als eine Linearkombination, beziehungsweise als Superposition oder Überlagerung, der gegebenen Lösungen x,, x r bezeichnet Auch für Teil (b gibt es eine oft zu findende Sprechweise Die vorgegebene Lösung x 0 von Ax b bezeichnet man als eine spezielle Lösung, oder auch als eine Partikularlösung, des linearen Gleichungssystems Ax b und damit kann (b als Allgemeine Lösung von Ax b Spezielle Lösung von Ax b + Allgemeine Lösung von Ax 0 ausgesprochen werden 7-6
7 Mathematik für Physiker I, WS 06/07 Montag 9 7 Inverse Matrizen und reguläre lineare Gleichungssysteme Schreiben wir ein lineares Gleichungssystem in der Form Ax b, so ist es naheliegend dieses durch A auf die andere Seite bringen zu lösen, also mit so etwas wie /A zu multiplizieren, nur gibt es leider keine Quotienten von Matrizen im üblichen Sinne So etwas läßt sich nur für eine spezielle Sorte von Matrizen einführen, die wir nun definieren wollen Definition 76: Sei n N mit n Eine n n Matrix A über K {R, C} heißt invertierbar, oder auch regulär, wenn es eine n n Matrix A über K, genannt die Inverse von A, gibt so, dass A A A A gelten Beachte das wir hier A statt /A schreiben Die Bruchschreibweise ist für Matrizen in der Tat nicht sinnvoll Wollten wir A/B definieren, so könnte dies A B oder B A bedeuten, und diese beiden Ausdrücke können durchaus verschieden sein, wir hatten ja bereits bemerkt das die Multiplikation von Matrizen nicht kommutativ ist Können wir also A/B keine Bedeutung geben, so erscheint auch die Schreibweise /A als nicht sinnvoll Für die Invertierbarkeit einer Matrix A K n n reicht es bereits aus, dass es eine Matrix B K n n mit AB oder BA gibt, eine der beiden Bedingungen in der Definition der inversen Matrix ist also redundant Diese Tatsache ist etwas diffiziler als sie zunächst erscheint, man kann sie nicht einfach aus den Rechenregeln für Matrizen herleiten Wir werden dies erst im nächsten Kapitel beweisen können Beachte weiter, dass es zunächst sein könnte, das es zu einer invertierbaren Matrix A mehrere Matrizen A gibt Dies wollen wir nun ausschließen Lemma 7 (Grundeigenschaften des Invertierens Seien n N mit n und K {R, C} (a Ist A K n n invertierbar, so gibt es genau eine Matrix A K n n mit AA A A (b Ist A K n n invertierbar, so ist auch A invertierbar mit (A A (c Sind A, B K n n invertierbar, so ist auch A B invertierbar mit (A B B A (d Sind A K n n invertierbar und c K\{0}, so ist auch ca invertierbar mit (ca c A (e Ist A K n n invertierbar, so ist auch A t invertierbar mit (A t (A t (f Sind A K n n eine beliebige n n Matrix und B K n n invertierbar, so ist A genau dann invertierbar wenn AB invertierbar ist und auch genau dann invertierbar wenn BA invertierbar ist 7-7
8 Mathematik für Physiker I, WS 06/07 Montag 9 Beweis: (a Sei B K n n eine weitere Matrix mit AB BA Dann haben wir (b Klar (c Es gilt B B (A AB A (AB A A (AB (B A A(BB A AA, und analog folgt auch (B A (AB Damit ist AB invertierbar mit (AB B A (d Mit Lemma (d rechnen wir (ca (c A (c ca A AA, und analog ist auch (c A (ca Damit ist ca invertierbar mit (ca c A (e Mit Lemma (d erhalten wir A t ((A t (A A t t und analog folgt auch ((A t A t Damit ist A t invertierbar mit (A t (A t (f Ist A invertierbar so ist nach (c auch AB invertierbar Ist umgekehrt AB invertierbar, so ist nach (c und (b auch A (ABB invertierbar Analog ist A auch genau dann invertierbar wenn BA invertierbar ist Die Aussage (e des Lemmas erlaubt es uns die Kombination aus Transponieren und Invertieren in einem Symbol A t : (A t (A t zusammenzufassen, zumindest wenn A invertierbar ist Wir wollen schon hier auf eine weitere kleine Tatsache hinweisen, in Aussage (f muss die Invertierbarkeit von B gar nicht vorausgesetzt werden, dh ist ein Produkt AB zweier n n Matrizen invertierbar, so sind bereits beide Faktoren A, B einzeln invertierbar Dies können wir an dieser Stelle aber noch nicht beweisen, und kommen erst im nächsten Kapitel hierauf zurück Wir wenden den Begriff einer invertierbaren Matrix nun auf lineare Gleichungssysteme an und führen hierzu erst einmal den Begriff eines regulären linearen Gleichungssystems ein Definition 77: Ein quadratisches lineares Gleichungssystem a x + a x + + a n x n b a x + a x + + a n x n b a n x + a n x + + a nn x n b n heißt regulär, wenn seine Koeffizientenmatrix regulär, also invertierbar, ist Die regulären linearen Gleichungssystem lassen sich immer eindeutig lösen, und zwar durch Multiplikation mit der inversen Matrix Satz 75 (Reguläre lineare Gleichungssysteme Ein reguläres lineares Gleichungssystem mit Koeffizientenmatrix A und rechter Seite b hat genau eine Lösung, nämlich x A b 7-8
9 Mathematik für Physiker I, WS 06/07 Montag 9 Beweis: Wegen A (A b (AA b b b ist A b eine Lösung des linearen Gleichungssystems Ax b Ist umgekehrt x K n mit Ax b, so gilt auch x x (A Ax A (Ax A b Um diesen Satz zur Lösung linearer Gleichungssysteme zu verwenden, benötigen wir noch eine Methode die Inverse einer gegebenen Matrix tatsächlich zu berechnen, sofern sie überhaupt existiert Wir wollen mit zwei häufig auftretenden Spezialfällen beginnen Zunächst betrachten wir sogenannte Diagonalmatrizen, das sind quadratische Matrizen die außerhalb der Hauptdiagonale keine von Null verschiedenen Einträge haben, also beispielsweise die Einheitsmatrizen E n Diese Diagonalmatrizen multiplizieren sich auf sehr einfache Weise λ λ n µ µ n λ µ λ n µ n Sind also insbesondere λ,, λ n K\{0} alle von Null verschieden, so ist die zugehörige Diagonalmatrix invertierbar mit λ λ n λ Ein weiterer gut überschaubarer Fall sind Matrizen Wir haben nämlich die folgende einfache Rechnung ( ( ( a b d b ad bc 0 ad bc, c d c a 0 ad bc und ebenso ergibt sich dieses Ergebnis, wenn wir die beiden Matrizen in der anderen Reihenfolge multiplizieren Damit haben wir die Äquivalenz ( a b ist invertierbar ad bc 0, c d λ n und in diesem Fall ist ( a b c d ad bc ( d b c a Wie wir in 8 einsehen werden gibt es eine solche direkte Formel für die inverse Matrix auch für n n-matrizen bei beliebigen n, allerdings ist diese zum praktischen Rechnen höchstens noch für n geeignet Wir wollen uns daher nun ein Verfahren überlegen das Invertieren von n n-matrizen bei beliebigen n durchzuführen Angenommen A ist eine invertierbare n n-matrix Sind dann v,, v n die Spalten von A so hat 7-9
10 Mathematik für Physiker I, WS 06/07 Montag 9 die Matrix A A die Spalten Av,, Av n diese müssen also die Spalten der n n- Einheitsmatrix sein Bezeichnen wir letztere mit e,, e n, so ist die i-te Spalte v i von A für i n also eine Lösung des linearen Gleichungssystems Ax e i, zur Berechnung von A müssen also n lineare Gleichungssysteme gelöst werden Im gleich beschriebenen Berechnungsverfahren werden diese alle simultan gelöst Wir besprechen nun den eben angekündigten Algorithmus zur Berechnung der Inversen einer allgemeinen n n Matrix, und wollen diesen zugleich am Beispiel der Matrix A 0 0 durchführen Dies ist gerade die Koeffizientenmatrix unseres Beispiels zum Gaußschen Eliminationsverfahren in 6 Das Verfahren zum Invertieren dieser Matrix läuft in zwei Schritten ab Zunächst schreibe A und die Einheitsmatrix nebeneinander, also im Beispiel Dann führe das Gaußsche Eliminationsverfahren für die linke Matrix (also für A durch Dabei verwende zusätzlich Zeilenumformungen vom Typ, also Multiplikation von Zeilen mit Konstanten 0, um den am weitesten links stehenden von Null verschiedenen Eintrag einer jeder Zeile auf Eins zu bringen Wende dabei simultan genau dieselben Zeilenumformungen auf die rechte Matrix an Tritt während der Elimination eine lange Stufe auf, so ist die Ausgangsmatrix A nicht invertierbar, und wir können das Verfahren abbrechen Andernfalls ist die Matrix invertierbar Wir führen diesen Schritt jetzt im Beispiel durch Wir beginnen also wieder mit der ersten Zeile In dieser steht ganz links bereits eine Eins, und wir bringen alle Einträge unterhalb dieser Eins auf Null Dann müssen wir die zweite und die dritte Zeile vertauschen und die neue zweite Zeile anschließend durch teilen
11 Mathematik für Physiker I, WS 06/07 Montag 9 Jetzt bringen wir die untenstehenden Einträge der zweiten Spalte auf Null Jetzt bringe die führende Zwei der dritten Zeile auf Eins Schließlich bringe die linke Seite endgültig auf Stufenform und teile die unterste Zeile anschließend durch Zwei Damit ist Schritt Eins für dieses Beispiel beendet Insbesondere hat sich herausgestellt, dass unsere Koeffizientenmatrix überhaupt invertierbar ist, da keine lange Stufe aufgetreten ist Damit kommen wir zum zweiten Schritt Jetzt bringen wir analog zum Vorgehen bei der Gauß-Elimination, nur diesmal von unten nach oben und von rechts nach links gehend, in der linken Matrix alle Einträge außerhalb der Hauptdiagonale auf Null, und führen wieder simultan in der rechten Matrix dieselben Zeilenoperationen durch Nachdem dies getan ist, steht auf der rechten Seite die gesuchte inverse Matrix Schauen wir uns auch diesen Schritt im Beispiel an Wir müssen also zuerst die Spalte ganz rechts betrachten
12 Mathematik für Physiker I, WS 06/07 Montag 9 Nun wird auch die dritte Spalte oben auf Null gebracht Als letzter Schritt wird nun die zweite Spalte bearbeitet Als inverse Matrix haben wir in diesem Beispiel damit Die erste Phase des Verfahrens löst wie angekündigt gleich n lineare Gleichungssysteme simultan indem die n vielen rechten Seiten dort als die rechte Matrix verwendet werden Wir könnten dann die Spalten der inversen Matrix wie beim Gaußschen Eliminationsverfahren durch Einsetzen von unten nach oben berechnen, da man dies aber gleich n Mal durchführen müsste werden stattdessen in der zweiten Phase weitere Zeilenumformungen verwendet nach denen die Lösung jeweils direkt auf der rechten Seite steht Wollen wir erneut das lineare Gleichungssystem x + y u + v x + y + u v x + y + u v x u 0 aus 6 lösen, so können wir die eben berechnete inverse Matrix verwenden, um mit Satz 5 direkt die Lösung des Gleichungssystem zu erhalten x ,
13 Mathematik für Physiker I, WS 06/07 Montag 9 und dies ist wieder die Lösung, die wir schon damals berechnet hatten Man sollte allerdings die praktische Bedeutung inverser Matrizen für das Lösen linearer Gleichungssysteme nicht überschätzen Unser Verfahren zur Berechnung von A erfordert ungefähr den drei- bis vierfachen Aufwand im Vergleich zum Gaußschen Eliminationsverfahren Selbst wenn mehrere Gleichungssysteme mit derselben Koeffizientenmatrix zu lösen sind, ist das Eliminationsverfahren effektiver, da der Hauptteil des Algorithmus sich nur auf die Koeffizientenmatrix bezieht, und wir die Wirkung auf die rechte Seite einmal bestimmen und dann immer wieder anwenden können 7-
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
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
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.
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
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
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
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
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
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
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)
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
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
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
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
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
MehrMatrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
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
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:
MehrInverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
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
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
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
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
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
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
MehrProf. 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
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
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
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,
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
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,
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
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
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
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:
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
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 +...
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrLineare Algebra. Teil III. Inhaltsangabe
Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24
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)
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)
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
MehrKurs 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
MehrMathematik 1, Teil B. Inhalt:
FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten
Mehr6. Rechnen mit Matrizen.
6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem
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
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
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
Mehr7 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,
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
MehrDiagonalisieren. Nikolai Nowaczyk Lars Wallenborn
Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit
MehrLösungen zum 5. Aufgabenblatt
SS 2012, Lineare Algebra 1 Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com
MehrKommentiertes Beispiel für das Gaußsche Eliminationsverfahren
Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum
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
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
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
MehrAlgebra I, WS 04/05. i 0)
G. Nebe, M. Künzer Algebra I, WS 04/05 Lösung 5 Aufgabe 20. 1 Wir haben einen Normalteiler C 3 = 1, 2, 3. Es ist mit C 2 := 1, 2 der Schnitt C 3 C 2 = 1, und folglich aus Ordnungsgründen S 3 = C 3 C 2.
Mehr6 Reelle und komplexe Zahlenfolgen
Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
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
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
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.
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,
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrLineare Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang
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
Mehr1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel
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
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
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
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
MehrErzeugende Funktionen
Hallo! Erzeugende Funktionen sind ein Mittel um lineare Rekursionen schneller ausrechnen zu können. Es soll die Funktion nicht mehr als Rekursion angeschrieben werden, sondern so, dass man nur n einsetzen
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 Roger Burkhardt roger.burkhardt@fhnw.ch
Mehr2. Spezielle anwendungsrelevante Funktionen
2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für
MehrLösung (die Geraden laufen parallel) oder unendlich viele Lösungen.
1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
Mehr3 Matrizen und Determinanten
31 Matrizen 311 Matrizen und Gleichungssysteme Grundlegende Begriffe der linearen Algebra und linearen Optimierung sind die Begriffe Matrix, Vektor, Determinante und lineares Gleichungssystem Beispiel
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
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
Mehr7. Ringe und Körper. 7. Ringe und Körper 49
7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich
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
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
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg Spezialfälle und Rechenregeln Spezialfälle der Matrimultiplikation A = (m
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
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrLineare Gleichungssysteme
Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
MehrLänge 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(
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
Mehr2.2 Konstruktion der rationalen Zahlen
2.2 Konstruktion der rationalen Zahlen Wie wir in Satz 2.6 gesehen haben, kann man die Gleichung a + x = b in Z jetzt immer lösen, allerdings die Gleichung a x = b im allgemeinen immer noch nicht. Wir
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrAufgaben zu Kapitel 15
Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr