Diskrete Strukturen. Sebastian Thomas RWTH Aachen Lineare Gleichungssysteme
|
|
- Agnes Böhmer
- vor 6 Jahren
- Abrufe
Transkript
1 Diskrete Strukturen Sebastian Thomas RWTH Aachen Lineare Gleichungssysteme
2 Matrixarithmetik Setup R kommutativer Ring K Körper m, n N 0
3 Lineare Gleichungssysteme lineares Gleichungssystem (LGS) aus m Gleichungen und n Unbekannten x j für j [1, n] über R: A 1,1 x 1 + A 1,2 x A 1,n x n = b 1 A 2,1 x 1 + A 2,2 x A 2,n x n = b 2 A m,1 x 1 + A m,2 x A m,n x n = b m wobei A i,j, b i R für i [1, m], j [1, n]. kurz: für i [1, m] j [1,n] A i,j x j = b i
4 Lineare Gleichungssysteme (Forts.) Beispiel x 1, x 2, x 3, x 4 R äquivalent: 2x 1 + 2x 2 6x 3 10x 4 = 24 2x 1 + 3x 2 9x 3 7x 4 = 15 x 1 + x 2 3x 3 2x 4 = 4 es gibt ein a R mit x 1 = 1 x 2 = 1 + 3a x 3 = a x 4 = 2
5 Lineare Gleichungssysteme (Forts.) Darstellung mittels Matrizen: x A 1,1 A 1,2... A 1 1,n x 2 b =. A m,1 A m,2... A m,n b x m n Zusammenfassung der Daten in erweiterter Koeffizientenmatrix: A 1,1 A 1,2... A 1,n b A m,1 A m,2... A m,n b m
6 Lösungsmenge eines linearen Gleichungssystems Definition A R m n, b R m 1 Lösungsmenge des linearen Gleichungssystems zur erweiterten Koeffizientenmatrix ( A b ) : A R m n Sol(A, b) := {x R n 1 Ax = b} Lösungsmenge des homogenen linearen Gleichungssystems zur Koeffizientenmatrix A: Sol(A, 0)
7 Lösungsmenge eines linearen Gleichungssystems (Forts.) Beispiel A = R 3 4, b = 15 R Sol(A, b) =
8 Lösungsmenge eines linearen Gleichungssystems (Forts.) Lemma A R m n, b R m 1, x Sol(A, b) wohldefinierte Bijektion: Sol(A, 0) Sol(A, b), x 0 x + x 0 insbesondere: Sol(A, b) = x + Sol(A, 0)
9 Lösungsmenge eines linearen Gleichungssystems (Forts.) Proposition A R m n für x, x Sol(A, 0): x + x Sol(A, 0) 0 Sol(A, 0) für a R, x Sol(A, 0): ax Sol(A, 0)
10 Zeilenstufenform Definition A R m n i [1, m] i-ter Zeilenstufenindex von A: { min {j [1, n] A i,j 0} falls A i, 0 ech i = ech i (A) := n + i falls A i, = 0 Zeilenstufenanzahl von A: {i [1, m] A i, 0}
11 Zeilenstufenform (Forts.) Beispiel A = R Zeilenstufenindizes von A: ech 1 = ech 2 = ech 3 = Zeilenstufenanzahl von A:
12 Zeilenstufenform (Forts.) Definition A R m n A ist in Zeilenstufenform (ZSF): für i [1, m 1]: r Zeilenstufenanzahl von A ech i < ech i+1 A ist in reduzierter Zeilenstufenform (red. ZSF): A ist in ZSF und für i [1, r]: A,echi = e i
13 Zeilenstufenform (Forts.) A ist in ZSF: es gibt ein r [0, m] mit... 0 A 1,ech A 2,ech A = A r,echr : beliebig A i,echi 0 für i [1, r]
14 Zeilenstufenform (Forts.) A ist in red. ZSF: es gibt ein r [0, m] mit A = : beliebig
15 Zeilenstufenform (Forts.) Beispiel über R
16 Zeilenstufenform (Forts.) Lösbarkeitskriterium für LGS in ZSF A K m n in ZSF, b K m 1, r Zeilenstufenanzahl von A LGS zu ( A b ) hat Lsg. Zeilenstufenanz. von ( A b ) ist r Zeilenstufenanzahl von ( A b ) sei r Sol(A, b) = {x K n 1 für i [1, r] ist x echi = A 1 i,ech i (b i j [ech i +1,n] A i,j x j )}
17 Zeilenstufenform (Forts.) Algorithmus A = : beliebig : ungleich 0
18 Zeilenstufenform (Forts.) abhängige Variablen: r Unbekannte zu Stufenspalten ( -Sp.) freie Variablen: n r Unbekannte zu Nichtstufenspalten bringe freie Variablen auf rechte Seite ersetze freie Variablen durch Parameter a 1,..., a n r K löse, von unten nach oben, nach den abhängigen Variablen auf
19 Zeilenstufenform (Forts.) Beispiel A = R 3 4, b = 1 R Sol(A, b) =
20 Elementare Zeilenoperationen Definition k, l [1, m] Vertauschungsoperator der k-ten und l-ten Zeile: sw k,l : R m n R m n gegeben durch für A R m n A l, für i = k, sw k,l (A) i, = A k, für i = l, A i, für i [1, m] \ {k, l}
21 Elementare Zeilenoperationen (Forts.) k, l [1, m] mit k l, c R Additionsoperator des c-fachen der l-ten zur k-ten Zeile: add k,l,c : R m n R m n gegeben durch { A k, + ca l, für i = k, add k,l,c (A) i, = für i [1, m] \ {k} für A R m n A i,
22 Elementare Zeilenoperationen (Forts.) k [1, m], c R Multiplikationsoperator der k-ten Zeile um das c-fache: mul k,c : R m n R m n gegeben durch { ca k, für i = k, mul k,c (A) i, = für i [1, m] \ {k} für A R m n A i,
23 Elementare Zeilenoperationen (Forts.) elementarer Zeilenoperator auf R m n : Abbildung ρ: R m n R m n von der Form ρ = sw k,l für gewisse k, l [1, m] oder ρ = add k,l,c für gewisse k, l [1, m] mit k l, c R oder ρ = mulk,c für gewisse k [1, m], c R Zeilenoperator auf R m n : (endliches) Kompositum von elementaren Zeilenoperatoren
24 Elementare Zeilenoperationen (Forts.) Beispiel sw 1, add 3,2, 2 mul 1, 1 2
25 Elementare Zeilenoperationen (Forts.) Bemerkung für k, l [1, m]: sw k,l : R m n R m n ist invertierbar mit sw 1 k,l = sw l,k = sw k,l für k, l [1, m] mit k l, c R: add k,l,c : R m n R m n ist inv.bar mit add 1 k,l,c = add k,l, c für k [1, m], c R : mul k,c : R m n R m n ist invertierbar mit mul 1 k,c = mul k,c 1
26 Elementare Zeilenoperationen (Forts.) Korollar ρ Zeilenoperator auf R m n ρ invertierbar und ρ 1 ist Zeilenoperator auf R m n
27 Elementare Zeilenoperationen (Forts.) Proposition A, A K m n, b, b K m 1 ρ Zeilenoperator auf R (m+1) n mit ( A b ) = ρ( ( A b ) ) Sol(A, b ) = Sol(A, b)
28 Gauß-Eliminierung Satz A K m n für i [1, m]: li := min {ech h (A i 1 ) h [i, m]} für i [1, m]: falls (Ai 1 ) h, 0 für ein h [i, m]: sei k i [i, m] mit l i = ech ki (A i 1 ) sonst: k i := i für i [1, m]: A i := sw i,ki (A i 1 ) A 0 := A für i [1, m]: A i := ( h [i+1,m] add h,i, (A i ) h,l i (A )(A i ) 1 i ) i,l i dann: für i [1, m], h [i + 1, m]: echh (A i ) > ech i (A i ) für i [1, m], h [1, i 1]: ech h (A i ) < ech h+1 (A i ) A m ist in ZSF
29 Gauß-Eliminierung (Forts.) A sei in ZSF, r Zeilenstufenanzahl von A für i [1, r]: li := ech i (A i+1 ) für i [1, r]: A i := mul i,(ai+1 ) 1 (A i+1 ) i,l i A r+1 := A für i [1, r]: A i := ( h [1,i 1] add h,i, (A i ) h,l i )(A i ) dann: für i [1, r], h [1, m]: ech h (A i ) = ech h (A) Korollar A K m n für i [1, r], h [i, r], k [1, m]: A k,echh = δ k,h A1 ist in red. ZSF es existiert ein Zeilenoperator ρ auf K m n : ρ(a) ist in red. ZSF
30 Gauß-Eliminierung (Forts.) Beispiel
31 Gauß-Eliminierung (Forts.)
32 Elementarmatrizen Definition k, l [1, n] Vertauschungsmatrix der k-ten und l-ten Zeile: Sw k,l := sw k,l (E n ) k, l [1, n] mit k l, c R Additionsmatrix des c-fachen der l-ten zur k-ten Zeile: Add k,l,c := add k,l,c (E n )
33 Elementarmatrizen (Forts.) k [1, n], c R Multiplikationsmatrix der k-ten Zeile um das c-fache: Mul k,c := mul k,c (E n ) Elementarmatrix in R n n : P R n n von der Form P = Swk,l für gewisse k, l [1, n] oder P = Addk,l,c für gewisse k, l [1, n] mit k l, c R oder P = Mul k,c für gewisse k [1, n], c R
34 Elementarmatrizen (Forts.) Beispiel in Q 3 3 : Sw 2,3 = Add 3,1,2 = Mul 2, 3 =
35 Elementarmatrizen (Forts.) Bemerkung k, l [1, n] k l, c R e l für i = k (Sw k,l ) i, = e k für i = l e i für i [1, n] \ {k, l} (Add k,l,c ) i, = { e k + c e l e i für i = k für i [1, n] \ {k} c R (Mul k,c ) i, = { c e k e i für i = k für i [1, n] \ {k}
36 Elementarmatrizen (Forts.) Proposition A R m n k, l [1, m] sw k,l (A) = Sw k,l A k, l [1, m] mit k l, c R add k,l,c (A) = Add k,l,c A k [1, m], c R mul k,c (A) = Mul k,c A
37 Elementarmatrizen (Forts.) Korollar für k, l [1, n]: Sw k,l GL n (R) mit Sw 1 k,l = Sw l,k = Sw k,l für k, l [1, n] mit k l, c R: Add k,l,c GL n (R) mit Add 1 k,l,c = Add k,l, c für k [1, n], c R : Mul k,c GL n (R) mit Mul 1 k,c = Mul k,c 1
38 Elementarmatrizen (Forts.) Korollar ρ Zeilenoperator auf R m n ρ entsprechender Zeilenoperator auf R m m ρ (E m ) GL m (R) und für A R m n : ρ(a) = ρ (E m ) A
39 Inversion von Matrizen Invertierbarkeitskriterium n N 0, A K n n äquivalent: A GL n (K) für jeden Zeilenoperator ρ auf K n n : ρ(a) in reduzierter Zeilenstufenform ρ(a) = E n es gibt einen Zeilenoperator ρ auf K n n mit ρ(a) = E n ρ Zeilenoperator auf K n n mit ρ(a) = E n A 1 = ρ(e n )
40 Inversion von Matrizen (Forts.) Algorithmus zur Inversenbestimmung A K n n best. Zeilenop. ρ auf K n 2n : ρ( ( A E n ) ) ist in red. ZSF falls ρ( ( A E n ) ) = ( En B ) für ein B K n n : A GL n (K) mit A 1 = B sonst: A / GL n (K)
41 Inversion von Matrizen (Forts.) Beispiel A = GL 3 (Q) mit A 1 =
42 Lineare Gleichungen über kommutativen Ringen Definition a R 1 n, b R 1 1 Lösungsmenge der linearen Gleichung zur erweiterten Koeffizientenmatrix ( a b ) : Sol(a, b) a R 1 n Lösungsmenge der homogenen linearen Gleichung zur Koeffizientenmatrix a: Sol(a, 0)
43 Lineare Gleichungen über kommutativen Ringen (Forts.) Erinnerung {(x 1, x 2 ) Z Z x x = 24} = (12, 160) + Z (28, 373) {(x 1, x 2 ) Z Z x x = 4} = Beispiel Sol( ( ), ( 24 ) ) = Sol( ( ), ( 4 ) ) = ( ) ( ) Z
44 Lineare Gleichungen über kommutativen Ringen (Forts.) Erinnerung R = Z oder R = K[X ], a 1, a 2, b R es gibt x 1, x 2 R mit x 1 a 1 + x 2 a 2 = b gcd(a 1, a 2 ) b p 1, p 2, q R mit a 1 = p 1 gcd(a 1, a 2 ), a 2 = p 2 gcd(a 1, a 2 ), b = q gcd(a 1, a 2 ) x 1, x 2 R mit x 1 a 1 + x 2 a 2 = gcd(a 1, a 2 ) {(x 1, x 2 ) R R x 1 a 1 + x 2 a 2 = b} { R R falls (a 1, a 2 ) = (0, 0) = (qx 1, qx 2 ) + R (p 2, p 1 ) falls (a 1, a 2 ) (0, 0)
45 Lineare Gleichungen über kommutativen Ringen (Forts.) Lösbarkeitskriterium für lineare Gleichungen in Z, K[X ] R = Z oder R = K[X ], a R 1 2, b R LG zu ( a b ) hat Lsg. gcd(a 1, a 2 ) b p 1, p 2, q R mit a 1 = p 1 gcd(a 1, a 2 ), a 2 = p 2 gcd(a 1, a 2 ), b = q gcd(a 1, a 2 ) x Sol(a, gcd(a 1, a 2 )) R 2 1 falls a = 0 ( ) Sol(a, b) = qx p2 + R falls a 0 p 1
46 Lineare Gleichungen über kommutativen Ringen (Forts.) Erinnerung R = Z oder R = K[X ], m, a, b R es gibt x R mit xa m b gcd(m, a) b p, q, r R mit m = p gcd(m, a), a = q gcd(m, a), b = r gcd(m, a) x R mit x q p 1 { R falls (m, a) = (0, 0) {x R xa m b} = rx + Rp falls (m, a) (0, 0)
47 Lineare Gleichungen über kommutativen Ringen (Forts.) Lösbarkeitskriterium für lin. Gleichungen in Z/n, K[X ]/f R = Z oder R = K[X ], m, a, b R LG zu ( [a] m [b] m ) hat Lsg. gcd(m, a) b p, q, r R mit m = p gcd(m, a), a = q gcd(m, a), b = r gcd(m, a) x R mit [x ] = [q] 1 in R/p Sol([a] m, [b] m ) { R/m falls (m, a) = (0, 0) = [r] m [x ] m + (R/m) [p] m falls (m, a) (0, 0)
( ) 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
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.
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
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
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
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
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
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
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
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 +...
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
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
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien 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... a m1
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
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
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
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
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
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
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
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
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
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)
MehrProseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus
Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus Max Zoller 14. April 8 1 Der klassische euklidische Algorithmus Beispiel: ggt 15, 56? 15 = 1 56 + 49 56 = 1 49 + 7 49 = 7 7 + =
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
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
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)
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
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
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
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
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,
MehrLineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte
Lineare Ausgleichsprobleme Bisher: Lösung linearer GS Ax = b, A R n,n, A regulär, b R n Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte Ax = b mit A R m,n, b R m, m n, rg(a)
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrÜbungen zur Linearen Algebra I
Aufgabe 1.1. Wir betrachten die folgenden Punkte im R 2 P 1 = (2,3) P 2 = ( 2,4) P 3 = (3, 1),. (i) Geben Sie die Gerade G durch P 1 und P 2 in einer Parameterdarstellung an! (ii) Geben Sie die Gerade
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
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
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,
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
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
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen Das komplette Material finden Sie hier: School-Scout.de Thema: Lineare Algebra:
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
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
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 Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA
Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch e-mail: theorie@ronaldbalestra.ch 19. Oktober 2009 Überblick über die bisherigen
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
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
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:
Mehr2 Einführung in die lineare Algebra
2 Einführung in die lineare Algebra 2. Vektorräume und ihre Unterräume Definition 2... Sei K ein Körper. Ein Vektorraum über K (oder K-Vektorraum) ist eine Menge V mit einer Addition genannten Verknüpfung
Mehr2 Teilbarkeit in Z. (a) Aus a b folgt a b und a b und a b und a b. (b) Aus a b und b c folgt a c.
2 Teilbarkeit in Z Bis auf weiteres stehen kleine Buchstaben für ganze Zahlen. Teilbarkeit. Sei a 0. Eine Zahl b heißt durch a teilbar, wenn es ein q gibt mit b = qa. Wir sagen dann auch: a teilt b (ist
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
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,
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
MehrLösen linearer Gleichungssysteme
Lösen linearer Gleichungssysteme Eine Aufgabe aus einem alten chinesischen Rechenbuch (600 v. Chr.) In einem Käfig sind Hasen und Hühner eingesperrt. Die Tiere haben zusammen 5 Köpfe und 94 Füße. Wie viele
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
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
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
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
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale
MehrElemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S
Begriffe Faser: Es sei f : M N eine Abbildung von Mengen. Es sei n N. Die Menge f 1 ({n}) M nennt man die Faser in n. (Skript Seite 119). Parallel: Zwei Vektoren v und w heißen parallel, wenn für einen
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
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,
MehrSeminar Kommutative Algebra und Varietäten Vortrag 1: Ideale kommutativer Ringe
Seminar Kommutative Algebra und Varietäten Vortrag 1: Ideale kommutativer Ringe Sebastian Dobrzynski 17042014 1 Grundsätzliches zu Idealen Vorab legen wir fest: Alle im Vortrag betrachteten Ringe sind
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
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.................................
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
MehrBasistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=%
Basistext Lineare Gleichungssysteme Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Mit zwei Unbekannten gibt es die allgemeine Form:! #+% '=( Gelten mehrere dieser Gleichungen
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
MehrLINEARE GLEICHUNGSSYSTEME. Wir besprechen hier, wie MathematikerInnen an das Lösen linearer Gleichungssysteme wie. x + y + z = 1
LINEARE GLEICHUNGSSYSTEME 1. Ein kurzes Vorwort Wir besprechen hier, wie MathematikerInnen an das Lösen linearer Gleichungssysteme wie 2 x 1 + 2 x 2 = 3 6 a + 4 b = 3 (a) (b) 4 x 1 + 3 x 2 = 8 3 a + 2
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrLineare Gleichungssysteme
Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare
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.
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(
Mehr:= 1. Der affine Unterraum Γ heißt Punkt, Gerade, Ebene oder Hyperebene, wenn dim K dim K
apitel II Lineare Algebra und analytische Geometrie 4 Punkte, Geraden, Ebenen, affine Unterräume in einem Vektorraum. Wie bisher ist V ein endlichdimensionaler Vektorraum über dem örper, oft ist V = n
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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrLINEARE ALGEBRA I, WS 2010/11. NOTIZEN ZUR VORLESUNG.
LINEARE ALGEBRA I, WS 2010/11. NOTIZEN ZUR VORLESUNG. ULRICH GÖRTZ 1. Einführung, Motivation 1.1. Lineare Gleichungssysteme. LGS mit 1 Gleichung, 1 Unbestimmten; 1 Gleichung, n Unbestimmten; 2 Gleichungen,
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
MehrLineare Algebra KAPITEL III. 12 Matrizen und der Gauß-Algorithmus. I) Matrizen
KAPITEL III Lineare Algebra 12 Matrizen und der Gauß-Algorithmus I Matrizen Definition 121 Matrizen und der R n Es seien m,n 1 zwei positive ganze Zahlen a Eine m n-matrix über R ist ein rechteckiges Schema
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
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
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
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
MehrMinimale Anzahl von Hinweisen bei Sudoku
Minimale Anzahl von Hinweisen bei Sudoku Sascha Kurz sascha.kurz@uni-bayreuth.de (basierend auf Arbeiten von Ariane Papke und Gary McGuire et al.) Oberseminar Effizienz dezentraler Strukturen, Bayreuth,
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
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.
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:
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
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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
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
Mehr4 Elementare Vektorraumtheorie
4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
Mehr