8.2 Invertierbare Matrizen
|
|
- Katarina Geisler
- vor 6 Jahren
- Abrufe
Transkript
1 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 Zahlen a 0, b auf quadratische Matrizen A 0, B, dann müssen wir feststellen, dass es nicht zu jeder quadratischen Matrix A 0 eine quadratische Matrix B mit AB = E gibt (nach der 3. Eigenschaft, Seite 36, übernimmt ja die Einheitsmatrix E die Rolle der ). A = ( ) Gesucht sind reelle Zahlen a,b,c,d, so dass die Matrix ( ) a b B = c d die Gleichung AB = E erfüllt. Für diese Matrix A gibt es also keine 2 2-Matrix B mit AB = E (analog auch keine Matrix B mit BA = E). Definition Sei A eine quadratische Matrix. Gibt es eine Matrix A mit AA = A A = E so heisst A invertierbar und die Matrix A nennt man Inverse von A (sie ist eindeutig bestimmt durch A). Invertierbar ist die Matrix A = ( ) mit A = ( ) Für die Inverse einer invertierbaren 2 2-Matrix gibt es eine einfache Formel. Satz 8. Die Matrix A = ( ) a b c d ist invertierbar genau dann, wenn ad bc 0. In diesem Fall gilt ( ) A d b =. ad bc c a
2 39 Sind die Matrizen invertierbar? A = ( ) und B = ( ) Bevor wir weitere e von Inversen betrachten, kehren wir nochmals zur Eigenschaft zurück, dass Matrizen im Allgemeinen nicht gekürzt werden dürfen. Es gilt nun nämlich das Folgende. Kürzungsregel: Für Matrizen A, B, C gilt: AB = AC und A invertierbar = B = C Diese Kürzungsregel gilt, da die Gleichung AB = AC von links mit A multipliziert werden kann: Weiter gelten die folgenden zwei Eigenschaften für invertierbare Matrizen. Satz 8.2 Seien A und B zwei invertierbare Matrizen. Dann gilt () (A ) = A (2) (AB) = B A Warum wird bei der Eigenschaft (2) die Reihenfolge der Matrizen vertauscht? Nun, sei C die Inverse von AB. Dann gilt E = C(AB). Multiplizieren wir diese Gleichung von rechts mit B, dann erhalten wir wegen BB = E B = EB = C(AB)B = CA(BB ) = CAE = CA. Nun multiplizieren wir diese Gleichung von rechts mit A und finden B A = CAA = CE = C.
3 40 Bestimmung der Inversen Um die Inverse einer Matrix von beliebiger Grösse zu bestimmen, kann der Gaußsche Algorithmus (in leicht veränderter Form) benutzt werden. Wie dies funktioniert, wird am folgenden erklärt. Gegeben ist die 3 3-Matrix Gesucht ist A = x u v A = x 2 u 2 v 2 x 3 u 3 v 3 mitaa = E (fallsainvertierbarist). WennwirdieMatrixmultiplikation AA ausführen, erhalten wir aus der Matrixgleichung AA = E das folgende lineare Gleichungssystem: 4x + 5x 3 = x 2 6x 3 = 0 3x + 4x 3 = 0 4u + 5u 3 = 0 u 2 6u 3 = 3u + 4u 3 = 0 4v + 5v 3 = 0 v 2 6v 3 = 0 3v + 4v 3 = Dies sind 9 Gleichungen in 9 Unbekannten. Doch fassen wir die drei Gleichungen 3, 4 6 und 7 9 je als ein Gleichungssystem auf, dann haben diese drei Gleichungssysteme dieselbe Koeffizientenmatrix und nur die Zahlen auf der rechten Seite sind unterschiedlich. Die Schritte im Gauß-Algorithmus zur Lösung dieser drei Systeme sind deshalb für jedes System dieselben. Also führen wir den Gauß-Algorithmus für diese drei Systeme gleichzeitig aus. Dazu schreiben wir die Koeffizientenmatrix der drei Systeme hin und fügen die Zahlen der rechten Seiten der Gleichungssysteme als Spalten hinzu: = (A E) Nun führen wir den Gauß-Algorithmus durch, und zwar bis wir die Matrix A auf die reduzierte Zeilenstufenform gebracht haben, welches die Einheitsmatrix E ist, falls A invertierbar ist. Wir starten also mit (A E), führen elementare Zeilenumformungen durch (eine Zeile besteht hier aus 6 Einträgen), bis wir die Form (E B) erreichen. Die Matrix B ist dann die gesuchte Inverse A = B!
4 4 (A E) = Wir erhalten also die Inverse A = Bei diesem Verfahren muss man von einer gegebenen Matrix A nicht im Voraus wissen, ob sie invertierbar ist oder nicht. Ist A invertierbar, dann führt das eben beschriebene Vorgehen automatisch zur Inversen. Ist A jedoch nicht invertierbar, dann ist die reduzierte Zeilenstufenform von A nicht die Einheitsmatrix E; das heisst, es ist nicht möglich, durch Zeilenumformungen zur Matrix E zu gelangen. Gegeben ist die Matrix A = ( )
5 42 Dann gilt (A E) = ( ) ( 2 z = 4 z ) ( 2 z 2 =z 2 2z Die Zeilenstufenform der Matrix A hat eine Nullzeile. Die reduzierte Zeilenstufenform von A kann also nicht E sein. Das heisst, dass A nicht invertierbar ist. Man kann dies auch mit Hilfe des Ranges ausdrücken. Satz 8.3 Sei A eine n n-matrix. Dann gilt ) A ist invertierbar rg(a) = n 8.3 Potenzen einer Matrix und die Transponierte Für eine quadratische Matrix A definiert man A 0 = E und A n = AA A }{{} n Faktoren für n. Ist A ausserdem invertierbar, so ist A n = (A ) n = A } A A {{}. n Faktoren Es gelten die üblichen Potenzgesetze, das heisst für ganze Zahlen r und s gilt gilt Für eine Diagonalmatrix Insbesondere ist A r A s = A r+s und (A r ) s = A rs. d 0 D =... 0 d n d r 0 D r =... für r in Z. 0 d r n D = d d n Mit Diagonalmatrizen lässt es sich also sehr leicht rechnen. Wir werden im nächsten Semester sehen, wie man quadratische Matrizen diagonalisiert..
6 43 Sei weiter A eine m n-matrix, a a 2 a n a 2 a 22 a 2n A =.... a m a m2 a mn Dann ist die Transponierte A T von A die n m-matrix a a 2 a m a 2 a 22 a m2 A T = a n a 2n a mn, das heisst, die Zeilen werden mit den Spalten vertauscht. e A = ( ) 0 3, B = = A T = 0 5, B T = 3 ( ) 3, C = ( ) 2, C T = ( 0 2 ) 3 6 Man nennt eine (quadratische) Matrix A symmetrisch, wenn gilt A T = A. e Symmetrisch sind A = ( ) und B = Satz 8.4 Für Matrizen entsprechender Grössen gilt: () (A T ) T = A (2) (A+B) T = A T +B T (3) (AB) T = B T A T (4) Ist A invertierbar, so auch A T und (A T ) = (A ) T.
7 Determinanten Die Determinante ordnet jeder n n-matrix A eine bestimmte reelle Zahl zu. Man bezeichnet sie mit det(a). Betrachten wir als erstes den Spezialfall n = : Eine -Matrix A besteht nur aus einem Eintrag a, das heisst, A = (a) und es gilt det(a) = a. n = 2 ( a a A = 2 a 2 a 22 ) det(a) = a a 22 a 2 a 2 Diesen Ausdruck haben wir schon bei der Inversen von A angetroffen (Satz 8.). Das heisst, die Matrix A ist invertierbar, genau dann wenn det(a) 0. n = 3 A = a a 2 a 3 a 2 a 22 a 23 a 3 a 32 a 33 det(a) = a a 22 a 33 +a 2 a 23 a 3 +a 3 a 2 a 32 a 3 a 22 a 3 a a 23 a 32 a 2 a 2 a 33 2 A = n 2 A = a a 2... a n a 2 a a 2n a n a n2... a nn Für allgemeines n 2 kann det(a) rekursiv definiert werden. Sei A ij diejenige (n ) (n )-Matrix, die man aus A durch Streichen der i-ten Zeile und j-ten Spalte erhält. Entwicklung nach der ersten Zeile: det(a) = a det(a ) a 2 det(a 2 )+ +( ) n+ a n det(a n )
8 45 Die Determinante kann nach einer beliebigen Zeile oder Spalte entwickelt werden. Entwicklung nach der i-ten Zeile: det(a) = Entwicklung nach der j-ten Spalte: n ( ) i+j a ij det(a ij ) j= det(a) = n ( ) i+j a ij det(a ij ) i= Die reelle Zahl ( ) i+j det(a ij ) heisst Kofaktor von a ij. Das Vorzeichen ( ) i+j des Kofaktors kann man sich mit Hilfe des folgenden Schemas merken: e. Entwickeln wir eine 3 3-Matrix nach der ersten Zeile, so erhalten wir die obige Definition: a a 2 a 3 ) ( ) ( ) det a 2 a 22 a 23 a22 a = a det( 23 a2 a a a a 3 a 32 a 32 a 2 det 23 a2 a +a 33 a 3 a 3 det a 3 a = a a 22 a 33 a a 23 a 32 a 2 a 2 a 33 +a 2 a 23 a 3 2. Sei +a 3 a 2 a 32 a 3 a 22 a A = Da die letzte Spalte zwei Nullen enthält, entwickeln wir nach dieser Spalte und erhalten 3. Sei B = Entwicklung nach der ersten Spalte ergibt
9 46 Satz 8.5 Seien A und B zwei n n-matrizen. Dann gilt (a) det(ab) = det(a) det(b) (b) A invertierbar det(a) 0 (c) det(a ) = det(a), falls A invertierbar ist (d) det(a T ) = det(a) Beim Berechnen von Determinanten sind weiter die folgenden Regeln nützlich:. Vertauscht man in einer Matrix zwei Zeilen(oder zwei Spalten), so ändert die Determinante das Vorzeichen. 2. Sind zwei Zeilen (oder zwei Spalten) einer Matrix gleich, so ist die Determinante gleich Multipliziert man eine Zeile (oder Spalte) einer Matrix mit einer reellen Zahl λ, so multipliziert sich auch die Determinante mit λ. 4. Addiert man in einer Matrix ein Vielfaches einer Zeile (oder Spalte) zu einer anderen, so ändert sich die Determinante nicht. 5. Es gilt a a 2 a n a 0 0 det 0 a = det. a 2 a = a a 22 a nn. 0 0 a nn a n a nn DieRegeln, 3und4zeigen uns,wiesichdiedeterminanteeinermatrixbeieinerelementaren Zeilenumformung verändert. Zur Berechnung der Determinante können wir also elementare Zeilenumformungen durchführen (wie beim Gauß-Algorithmus), um eine obere oder untere Dreiecksmatrix zu erhalten. Mit der Regel 5 ist dann die Berechnung der Determinante einfach. 0 3 det = 2
10 47 Die Determinante hat eine geometrische Bedeutung. Satz 8.6 Sei A eine n n-matrix. Dann ist det(a) gleich dem Volumen des von den Spaltenvektoren von A aufgespannten Parallelepipeds. Welchen Flächeninhalt hat das Parallelogramm in R 2 aufgespannt von den Vektoren u = ( 3 ) und v = ( 2 4 )? Schliesslich bleibt noch zu erwähnen, dass die Determinante einer n n-matrix mit Hilfe von Permutationen, das heisst, umkehrbaren Abbildungen σ : {,2,...,n} {,2,...,n}, definiert werden kann. Die Determinante ist damit eine Summe von n! Summanden (man summiert über alle Permutationen σ). Diese Definition hat aber nur einen theoretischen Nutzen. Deshalb verzichten wir hier auf die genaue Definition. 8.5 Zwei weitere Lösungsmethoden für lineare Gleichungssysteme Wir betrachten noch einmal ein lineares Gleichungssystem: a x + +a n x n = b a 2 x + +a 2n x n = b 2. (G) a m x + +a mn x n = b m Seien a a 2 a n x b a 2 a 22 a 2n A =..., x = x 2. in Rn, b 2 b =. in Rm. a m a m2 a mn x n b m Dann können wir das System (G) schreiben als Lösung mit Hilfe der Inversen A x = b. Hat das lineare System gleich viele Gleichungen wie Unbekannte, sagen wir n, und ist die zugehörige Koeffizientenmatrix A invertierbar, so gilt rg(a) = rg(a b) = n. Es gibt also genau eine Lösung. Diese kann mit Hilfe der Inversen von A direkt angegeben werden.
11 48 Multiplizieren wir nämlich die Gleichung A x = b von links mit A, dann ist x = A b die eindeutige Lösung des Systems. Gegeben sei das lineare System 3x+ y = 5x+2y = Cramersche Regel Auch die Cramersche Regel, benannt nach dem Schweizer Mathematiker Gabriel Cramer ( ), ist nur anwendbar für lineare Systeme mit invertierbarer Koeffizientenmatrix. Ist A x = b das lineare System, dann ist die Lösung x = (x,...,x n ) T gegeben durch x = det(a ) det(a), x 2 = det(a 2) det(a),..., x n = det(a n) det(a) wobei die Matrix A j dadurch entsteht, dass die j-te Spalte von A durch den Spaltenvektor b ersetzt wird. Gegeben sei das lineare System 3x+ y = 5x+2y = Wie im vorhergehenden ist ( ) ( ) 3 A = mit det(a) = und b =. 5 2
12 49 9 Vektorräume Die Menge R n der Vektoren ist nicht die einzige Menge in der Mathematik, deren Elemente man addieren und mit einer reellen Zahl multiplizieren kann. Zur einheitlichen Betrachtung solcher Mengen wurde der Begriff des (abstrakten) Vektorraums eingeführt. Wir werden sehen, dass die Lösungsmenge von jedem homogenen linearen Gleichungssystem ein solcher Vektorraum ist und wir werden dadurch die auftretenden Parameter besser verstehen können. Weiter können wir endlich genau erklären, was Dimension bedeutet. 9. Definition und e Die Menge R n besteht aus (Spalten-)Vektoren x mit Komponenten x,...,x n R. Wir haben in Kapitel 7 gesehen, dass man zwei Vektoren in R n addieren und mit einer reellen Zahl multiplizieren kann. Dabei gelten die Rechenregeln von Satz 7.. Nun nennt man jede Menge, die genau diese Eigenschaften hat, einen(reellen) Vektorraum (da sich diese Menge eben genau so wie die Menge R n der Vektoren verhält). Die Elemente dieser Menge müssen jedoch keine Vektoren sein! Definition Ein (reeller) Vektorraum ist eine Menge V mit einer Addition und einer Skalarmultiplikation, so dass für alle u,v V, k R auch u+v V, kv V gilt und alle Eigenschaften aus Satz 7. erfüllt sind. Aus der Bedingung k R, v V = kv V folgt insbesondere für k = 0, dass 0 V. Das heisst, ein Vektorraum enthält immer ein Nullelement. e. Die Menge R n ist für jedes n ein Vektorraum. 2. Die Menge aller n n-matrizen ist ein Vektorraum. Wir haben in Kapitel 8 gesehen, dass man zwei n n-matrizen addieren und eine Matrix mit einer reellen Zahl multiplizieren kann, wobei die Rechenregeln von Satz 7. gelten. 3. Die Menge aller Polynome vom Grad 2, { ax 2 +bx+c a,b,c R }, ist ein Vektorraum. Er ist im Wesentlichen derselbe wie R 3. Analog ist die Menge aller Polynome vom Grad n (oder auch ohne Beschränkung des Grades) ein Vektorraum. 4. Die Menge aller reellen Funktionen { f f : [0,] R } ist ein Vektorraum. Man definiert Addition und Skalarmultiplikation durch (f +g)(x) = f(x)+g(x) und (kf)(x) = kf(x) für x [0,]. Das Nullelement ist dabei die Funktion f mit f(x) = 0 für alle x [0,].
13 50 Der Raum R n ist also für jede natürliche Zahl n ein Vektorraum. Man kann sich nun fragen, ob es Teilmengen U von R n (oder allgemein eines Vektorraums V) gibt, die bezüglich der Addition und Skalarmultiplikation in R n (bzw. V) einen Vektorraum bilden. Glücklicherweise kann man recht schnell überprüfen, ob eine gegebene Teilmenge U eines Vektorraums V selbst ein Vektorraum ist. Die (nichtleere) Menge U ist nämlich genau dann ein Vektorraum in V, wenn gilt u,v U, k R = u+v U, ku U. Man muss also nur überprüfen, ob die Teilmenge U abgeschlossen ist bezüglich der Addition und der Skalarmultiplikation. Als Teilmenge des Vektorraums V gelten die Eigenschaften von Satz 7. automatisch! Wählt man in der Bedingung oben k = 0, so sieht man, dass U das Nullelement 0 des Vektorraums V enthalten muss. Jeder Vektorraum V {0} enthält mindestens zwei Teilmengen, die selbst Vektorräume sind, nämlich den ganzen Raum V und den Nullvektorraum {0}. Vektorräume in R 2 Wie eben bemerkt sind R 2 und { 0} Vektorräume. Ein einzelner Vektor v (zusammen mit dem Nullvektor 0) ist kein Vektorraum, da mit v auch alle Vielfachen k v, für k R, im Vektorraum liegen müssen. Ist also eine Gerade durch den Ursprung ein Vektorraum? Auch zwei einzelne (nicht auf einer Geraden liegende) Vektoren (zusammen mit dem Nullvektor 0) bilden keinen Vektorraum. Zunächst müssen die Vielfachen k u und l v, für k,l R, im Vektorraum liegen. Aber auch die Summe u + v und dann u + ( u + v), usw. muss im Vektorraum liegen. Damit erhält man ganz R 2.
14 5 Die Vektorräume in R 2 sind also { 0} Geraden durch den Ursprung R 2 Vektorräume in R 3 Die Vektorräume in R 3 sind (gemäss ähnlichen Überlegungen wie in R2 ) { 0} Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition des Vektorraums bedeutet die Skalarmultiplikation dann Multiplikation mit einer komplexen Zahl k (anstelle einer reellen Zahl k). Das typische eines komplexen Vektorraums ist die Menge C n der Vektoren mit Komponenten z,...,z n in C. Komplexe Vektorräume treten zum in der Quantenmechanik auf oder als Lösungsmengen von homogenen linearen Gleichungssystemen mit komplexen Zahlen als Koeffizienten. 9.2 Linearkombinationen Im Folgenden beschränken wir uns auf Vektorräume, die Teilmengen von R n sind (zur Veranschaulichung kann dabei stets n = 2 oder 3 gewählt werden). Jedoch können alle hier gemachten Aussagen von R n auf einen beliebigen reellen (oder komplexen) Vektorraum übertragen werden. Gegeben sind Vektoren v,..., v r in R n. Ein Vektor w in R n ist eine Linearkombination der Vektoren v,..., v r, wenn es reelle Zahlen c,...,c r gibt, so dass w geschrieben werden kann als w = c v + +c r v r. Die Zahlen c,...,c r nennt man Koeffizienten. Ist der Vektor w = ( 5 6 ) eine Linearkombination von v = ( 2 ) und v 2 = ( 2 0 )? Nun sei V die Menge aller Linearkombinationen der Vektoren v,..., v r in R n. Dann ist V ein Vektorraum in R n. Man schreibt V = v,..., v r (oder V = Lin( v,..., v r ) oder V = span( v,..., v r )). Man sagt auch, dass v,..., v r den Vektorraum V aufspannen oder erzeugen.
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
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrBeispiele 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
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
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
Mehr, 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 =
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
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
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
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)
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
MehrLineare 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
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
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
Mehr3 Determinanten, Eigenwerte, Normalformen
Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses
MehrKapitel 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
Mehr9 Matrizen über R und C
Mathematik für Physiker I, WS 00/0 Montag 0 $Id: matrixtex,v 6 0/0/0 :6:7 hk Exp $ $Id: dettex,v 0/0/0 ::59 hk Exp hk $ 9 Matrizen über R und C 9 Transposition von Matrizen Im letzten Abschnitt hatten
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
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
Mehr5 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
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
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
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
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
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
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 2 Rechenoperationen und Gesetze Gleichheit
Mehr05. 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
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 212 Determinanten Hans Walser: Modul 212, Determinanten ii Modul 212 für die Lehrveranstaltung Mathematik 2 für Naturwissenschaften Sommer 2003 Probeausgabe
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrAufgaben 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
Mehra 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =
3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren
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,
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
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:
Mehr= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
MehrÜbungen 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
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.
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh
Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
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: Eine
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
MehrÖkonometrische Analyse
Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
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
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
MehrLineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
MehrBC 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
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
MehrMatrizen 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
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
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese
Mehr6.5 Lineare Abhängigkeit, Basis und Dimension
6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von
MehrDas 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
MehrLineare Algebra für Ingenieure
TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 44 8. Lineare Algebra: 2. Determinanten Ein einführendes
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
Mehra ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
MehrAufgabe 1 (a) Vorgehen wie im Beispiel auf Seite 151 des Skripts. Für die Anzahl möglicher Linearkombinationen
Mathe I für Naturwissenschaften Dr. Christine Zehrt 14.12.17 Hinweise und Ergebnisse zur Übung 13 Uni Basel Lösungshinweise Aufgabe 1 (a Vorgehen wie im Beispiel auf Seite 151 des Skripts. Für die Anzahl
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrProbeklausur zu Mathematik 2 für Informatik
Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
Mehr4. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
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 3 und lineare Gleichungssysteme und
MehrMathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2
Fakultät Mathematik WS 27/8 Institut für Mathematische Stochastik / Institut für Analysis Dr. W. Kuhlisch, Dr. F. Morherr Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie
MehrLineare 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
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 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
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
MehrDas Spatprodukt 25. Insbesondere ist das Spatprodukt in jedem Faktor linear. a 1 = aa 2 + ba 3
Das Spatprodukt 25 (Sp 4) (aa, b, c) a(a, b, c) Insbesondere ist das Spatprodukt in jedem Faktor linear Montag,3 November 23 Satz 92 Drei Vektoren,, Spatprodukt (,, ) ist sind genau dann linear abhängig,
Mehr