Matrizenrechnung. AM - Oberstufe KZN. Ronald Balestra CH Zürich Name: Vorname:
|
|
- Melanie Pfeiffer
- vor 6 Jahren
- Abrufe
Transkript
1 Matrizenrechnung AM - Oberstufe KZN Ronald Balestra CH Zürich Name: Vorname: 16. Juni 2013
2 Inhaltsverzeichnis 1 Überblick 2 2 Lineare Gleichungssysteme Was ist ein lineares (2 2) - Gleichungssystem? Lösungsverfahren Lineare (3 3) - Gleichungssysteme Lineare (n n) - Gleichungssysteme Lineare (m n) - Gleichungssysteme Lineare Gleichungssysteme mit Parametern Matrizen - Grundbegriffe & Definitionen Der Zusammenhang mit linearen Gleichungssystemen Die Rechenoperationen Die Inverse einer Matrix 23 5 Die Determinante Die Berechnung einer Determinante Matrizen & Mathematica 39 7 Mehrstufige Prozesse 40 8 Lineare Abbildungen in der Ebene - deren Darstellung durch Matrizen & Eigenschaften Abbildungen in der Ebene Abbildungen im Raum Die Gruppe der Drehmatrizen Der Begriff der Gruppe Die Drehmatrizen im Raum Der Äquivalenzsatz für orthogonale Matrizen Die Determinante & ihre geometrische Bedeutung Eigenwert & Eigenvektoren 61 1
3 1 Überblick Wir beginnen mit einer Repetition zu den Linearen Gleichungssystemen und werden im Zusammenhang mit den Lösungsmethoden den Begriff der Koeffizientenmatrix und somit unsere erste Matrix kennenlernen. Die Definition einer Matrix und die Einführung der Rechenoperationen wird uns dann ermöglichen, den Zusammenhang zwischen einem Linearen Gleichungssystem und einer Matrizengleichung darzustellen. In diesem Zusammenhang werden wir auch die wichtigen Begriffe der Inversen und der Determinante einführen und besprechen. Da das Rechnen mit Matrizen sehr zeitaufwendig ist, werden wir uns auch mit den Einsatzmöglichkeiten von Mathematica befassen, um unsere ersten Anwendungen aus dem Bereich der mehrstufigen Prozesse schneller berechnen zu können. Weitere Anwendungen werden die Linearen Abbildungen sein, welche sich durch Matrizen darstellen lassen, wobei wir uns insbesondere mit der Gruppe der Drehmatrizen befassen werden. Abschliessend werden wir uns nocheinmal den Determinanten und ihren geometrischen Bedeutungen zuwenden und uns noch mit den Eigenwert & Eigenvektoren befassen. 2
4 2 Lineare Gleichungssysteme 2.1 Was ist ein lineares (2 2) - Gleichungssystem? (I) ax + by = e (II) cx + dy = f Geometrische Interpretation: Lösungsmenge: Anzahl Lösungen: 3
5 Entscheidend für die Lösbarkeit eines linearen Gleichungssystems (I) ax + by = e (II) cx + dy = f ist somit folgender Ausdruck: Beispiel 2.1 Bestimme die Lösungen nur in den Fällen, wo sie existiert und eindeutig bestimmt ist: 2x + y = 3 2x + 2y = 5 2 y = 3x 3y + 9x = 6 2x 3y = 4 9y + 6x = 12 4
6 2.2 Lösungsverfahren Beispiel 2.2 Löse das folgende Gleichungssytem auf verschiedenen Wegen: 5x y = 7 4x + y = 7 5x y = 7 4x + y = 7 5x y = 7 4x + y = 7 5
7 2.3 Lineare (3 3) - Gleichungssysteme sind Als Lösungsverfahren (im Allgemeinen) nicht mehr zu gebrauchen sind Beispiel 2.3 Löse das folgende lineare (3 3) - Gleichungssystem x + 2y + z = 3 2x y z = 2 x + y 2z = 1 6
8 Die Idee des Gauβ-Algorithums: 7
9 2.4 Lineare (n n) - Gleichungssysteme Wir sprechen von einem linearen (quadratischen) n n Gleichungssystem, wenn... Beispiel 2.4 Wir werden die folgenden Gleichungssyteme gemeinsam lösen und mögliche Vereinfachungen in den Darstellungen besprechen: 2x + y 2z = 10 3x + 2y + 2z = 1 5x + 4y + 3z = 4 8
10 4x + 7y = 10 3x + 8z = 13 3y + 5z = 16 9
11 Aufgaben : Bestimme die Lösungen der folgenden Gleichungssysteme: x + 2y + 3z = 2 2x y + z = 1 x 3y + 2z = 3 3x + 2y = 1 2y z = 0 8y + 4z = 0 10
12 x + 2y = 3z 1 3x y = 2z + 7 4z + 2 = 5x + 3y 11
13 2.5 Lineare (m n) - Gleichungssysteme Wir sprechen von einem linearen m n Gleichungssystem, wenn... Aufgaben : Gib ein Beispiel eines linearen 4 3 Gleichungssystems an und löse es mit Hilfe des Gauβ - Verfahren: 12
14 Aufgaben : Gib ein Beispiel eines linearen 3 5 Gleichungssystems an und löse es mit Hilfe des Gauβ - Verfahren: 13
15 Zusammenfassung der Interpretationsmöglichkeiten der letzten Zeile: 14
16 2.6 Lineare Gleichungssysteme mit Parametern Neben den Variablen lassen sich in einem Gleichungssytem auch Parameter einführen. Die Lösungsmethoden bleiben die gleichen, nur die Fragestellungen lassen sich interessanter gestalten: Beispiel 2.5 Bestimme k so, dass das folgende Gleichungssystem 1. genau eine Lösung, 2. keine Lösung, 3. unendlich viele Lösungen hat: x + 2y + kz = 4 5x + 6y 7z = 8 9x 10y 11z = 12 15
17 Aufgaben : Diskutiere vollständig das folgende Gleichungssystem: x 1 + 2x 2 x 3 = 1 2x 1 + x 2 + x 3 = 2 3x 1 + αx 2 x 3 = β 16
18 3 Matrizen - Grundbegriffe & Definitionen Def.: Eine rechteckige Anordnung von skalaren Grössen (aus R) der folgenden Form a 11 a 12 a a 1n a 21 a 22 a a 2n a 31 a 32 a a 3n.. a m1 a m2 a m3... a mn heisst eine (m n) - Matrix mit m Zeilen und n Spalten Bem.: a ij heisst und steht M(m n, R) := M n (R) := Beispiel 3.1 Wir betrachten die folgende Matrix: A = A ist eine (......)-Matrix. a 11 =..., a 22 =..., a 52 =... 2te Zeile = 3te Spalte = 17
19 Beispiel 3.2 Die Koeffizienten der Matrix A M(6, R) sind wie folgt definiert: 1, j i 0, j = 1 i > 2 a ij = 2, i = j + 2 j > 1 1, sonst Konstruiere A. Beispiel 3.3 Gib jeweils ein Beispiel an, einer 1. (1 5) - Matrix: 2. (3 1) - Matrix: 3. (1 1) - Matrix: 18
20 3.1 Der Zusammenhang mit linearen Gleichungssystemen Mit Hilfe der Matrizenmultiplikation wollen wir erreichen, dass sich jedes lineare (m n) - Gleichungssytem in der folgenden Form darstellen lässt: mit A = x = b = A x = b und wir das Gleichungssystem lösen können, in dem wir die zugehörige augmentierte Matrix mit Hilfe des Gauβ-Verfahren in Dreiecksform bringen und die Lösungsvariablen durch Rückwärtseinsetzen bestimmen oder mit Hilfe der Inversen der Koeffizientenmatrix (falls existent) und den Regeln der Matrizenrechnung arbeiten: A x = b A 1 A x = A 1 b I n x = A 1 b x = A 1 b Beispiel 3.4 Zerlege das folgende Gleichungssytem in A, x und b: x + 2y + 3z = 3 2x = 4 3y 8z 2y + 3x = 1 17z Auf alle Fälle müssen wir zuerst die Rechenoperationen mit Matrizen definieren, welche uns überhaupt erlauben, unsere Gleichungssyteme in der Matrizenschreibweise darzustellen. 19
21 3.2 Die Rechenoperationen Def.: Seien A = (a ij ), B = (b ij ), C = (c ij ) M n (R) und k R Dann definieren wir: Die Addition/ Subtraktion: C = A ± B, mit c ij := a ij ± b ij Die skalare Multiplikation: C = k A, mit c ij := k a ij Die Matrizenmultiplikation: n C = A B, mit c ij := a ik b kj k=1 Beispiel 3.5 Gegeben sind die folgenden Grössen: A = 2 2 2, B = Berechne 1. A + B, k = 1 2. k B 3. A B 20
22 Bem.: Erkläre die Äquivalenz zwischen einem linearen (m n)- Gleichungssystem und der Gleichung A x = b Wir betrachten nun noch die Verknüpfungen von Matrizen beliebiger Form: Addition/ Subtrakion: Skalare Multplikation: (Matrizen-) Multiplikation: Hierzu verwenden wir die folgenden Beispiele: ( ) A =, B = Wir wollen für die Multiplikation folgendes festhalten: 21
23 Beispiel 3.6 Wir betrachten die folgenden Matrizen: ( ) ( A =, B = D = ( ), C = ) ( ) Berechne die folgenden Matrizen: 1. A + B = 2. B C = 3. A B = B A = 4. C D = Wir wollen weiter noch folgendes festhalten: Bem.: 22
24 4 Die Inverse einer Matrix Wie im vorherigen Abschnitt schon angekündigt, benötigen wir für das Lösen eines Gleichungssystems mit Hilfe der Matrizenrechnung die sogenannte Inverse, welche wir wie folgt definieren: Def.: Bem.: B heisst eine Inverse zu A M n (R) : B A = I n Aufgaben : Beweise die folgenden Aussagen: 1. Wegen der Assoziativität gilt: A 1 A = I A A 1 = I 2. Die Inverse ist eindeutig bestimmt. 23
25 Aufgaben : 3. Beweise auch die folgende Implikation: ( ) ( a b A = A 1 1 d b = c d ad bc c a ) und bestimme die Inversen zu folgenden Matrizen: ( ) ( ) C =, D =
26 Beispiel 4.1 Bestimme die zugehörige Inverse: A =
27 Aufgaben : Bestimme die zugehörigen Inversen und verifiziere Deine Ergebnisse: A = 3 4 1, B = Lösg.: A 1 = , B 1 =
28 Noch drei letzte Bemerkungen zu den Inversen: Bem.: Beh.: (A 1 ) 1 = A Beweis: Beh.: (A B) 1 = B 1 A 1 Beweis: Für die Existenz genau einer Lösung eines linearen Gleichungssystems ist... 27
29 5 Die Determinante Wie wir schon bemerkt haben, ist die Determinante bestimmend für die Anzahl Lösungen eines quadratischen linearen Gleichungssystems. Die Determinante eines linearen (2 2) Gleichungssystems haben wir schon kennengelernt: ( ) a b det = ad bc c d Die Determinante eines linearen (3 3) Gleichungssytems wird wie folgt berechnet: a 11 a 12 a 13 det a 21 a 22 a 23 = a 31 a 32 a 33 a 11 a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 a 31 a 22 a 13 a 32 a 23 a 11 a 33 a 21 a 12 Für die Berechnung der Determinanten von quadratischen Gleichungssytemen höherer Ordnung gibt es sog. Entwicklungssätze, welche wir hier nicht besprechen werden. Wir werden uns im Folgenden mit den Eigenschaften von Determinanten befassen und diese soweit möglich zur Berechnung der Determinante von gut konditionierten Matrizen verwenden. Wir müssen dafür den folgenden, sehr wichtigen Begriff der Mathematik einführen: Def.: Eine Abbildung f : R n R m, mit n, m N heisst linear : (i) f( a + b) = f( a) + f( b) (ii) f(λ a) = λ f( a), a, b R n, λ R Bem.: 28
30 Eine lineare Abbildung hat die folgenden Eigenschaften: Beh.: f : R n R m ist linear f(λ a + b) = λf( a) + f( b) Beweis: Beh.: f : R n R m ist linear f( 0) = 0 Beweis: Die letzte Behauptung führt dazu, dass die lineare Funktion f(x) = ax+b nicht linear ist: Aufgaben : Beweise, dass f(x) = x 2 2x nicht linear ist. 29
31 Beispiel 5.1 Beweise, dass die folgende Abbildung linear ist: ( ) f : R 2 R 2 x, mit f( x) :=, mit x = x y ( x y ) und bestimme die zugehörige Matrix A: Bestimme weiter die zugehörige Inverse A 1 und verifiziere Deine Lösung: ( x Was gibt (ohne nachzurechnen!) A 1 x y ) =...? 30
32 Aufgaben : Untersuche die folgenden Abbildungen auf Linearität und bestimme die zugehörige Matrix und Inverse: x 1. f : R 3 R 3, mit f( x) := y z 2. f : R 2 R 2, mit f( x) := ( x 1 + y ) 31
33 Eine Determinante hat wichtige Eigenschaften, welche in folgendem Satz zusammengefasst sind: Satz: Die Determinante ist eine multilineare und alternierende R- wertige Funktion. Beweis: - Zur Bedeutung dieser Aussage: R wertig : alternierend multilinear 32
34 Zu Anwendungen der Eigenschaften: ( ) ( ) det = det det det = det = Wir wollen die letzte Eigenschaft in folgendem Satz zusammenfassen: Satz: Die Determinante einer Matrix mit zwei identischen Spalten verschwindet. Beweis: 33
35 Weitere Anwendungen der Eigenschaften: ( ) ( ) det = 5 det ( 5 2 det 10 7 det ) ( 2 2 = det 4 7 = ) ( det 6 7 ) Wir wollen auch dieses mal die letzte Eigenschaft in einem Satz zusammenfassen: Satz: Die Determinante einer Matrix, in welcher eine Spalte ein Vielfaches einer anderen Spalte ist, verschwindet. Beweis: 34
36 Der vorherige Satz lässt sich noch zu folgender Aussage verallgemeinern: Satz: Die Determinante einer Matrix, in welcher sich eine Spalte als eine Linearkombination der anderen Spalten darstellen lässt, verschwindet. Formuliere ein eigenes Beispiel: Beweis: Ohne Beweis wollen wir noch die folgenden Eigenschaften festhalten: Satz: Die Determinante einer Matrix in Dreiecksform ist gleich dem Produkt der Diagonalelemente: det A = n i=1 a ii det A = det A T 35
37 5.1 Die Berechnung einer Determinante Wir formulieren die Eigenschaften der Determinante in der transponierten Darstellung, also mit Zeilenvektoren: und arbeiten folgendes Beispiel durch: Beispiel 5.2 det A = A = =... A = =... A = =... A = =... A = =... 36
38 Aufgaben : Bestimme die Determinanten der folgenden Matrizen: A = , B =
39 Zum Abschluss noch ein gemeinsames Beispiel: Beispiel 5.3 Bestimme die Determinante der folgenden Matrix: C =
40 6 Matrizen & Mathematica 39
41 7 Mehrstufige Prozesse Mehrstufige Prozesse sind dadurch gekennzeichnet, dass eine durch einen Zustandsvektor beschriebene Startsituation Schritt für Schritt mit Hilfe von Übergangsmatrizen in Folgesituationen überführt wird. Dabei kann diese Überführung durch von Stufe zu Stufe verschiedene Matrizen (z.b. Materialverflechtungen) oder durch das mehrfache Anwenden ein und derselben Matrix erfolgen (z.b. Populationsentwicklungen). Als Quelle verwenden wir die Unterlagen von J. Bemetz: Materialen zu Mehrstufigen Prozesse, Martin-Heidegger-Gymnasium Meβkirch Wir werden uns an den folgenden drei Beispielen mit der Thematik vertraut machen: Materialverflechtung In einem Produktionsprozess werden zur Herstellung von 2 Zwischenprodukten Z1 und Z2 drei verschiedene Rohstoffe R1, R2, und R3 benötigt. Aus den beiden Zwischenprodukten entstehen dann 3 verschiedene Endprodukte E1, E2 und E3. Der untenstehenden Figur kann entnommen werden, wieviel Mengeneinheiten der Rohstoffe für die jeweiligen Zwischenprodukte und wieviel Mengeneinheiten der Zwischenprodukte für die jeweiligen Endprodukte benötigt werden. Gesucht ist der Rohstoffbedarf für die verschiedenen Endprodukte. 40
42 Diskussion der Lösung: 41
43 Maikäferpopulation Ein Maikäferweibchen legt 80 Eier und stirbt bald danach. Von den sich daraus entwickelnden Larven (Engerlinge) überleben nur ein Viertel das darauffolgende Jahr. Auch im zweiten Jahr überleben nur ein Viertel der Larven. Im dritten Jahre verpuppen sich die Larven und aus einem Fünftel von ihnen entwickeln sich im folgenden Jahr Maikäferweibchen, die wieder 80 Eier legen. Wir untersuchen die Entwicklung einer Startpopulation aus 6000 Larven 1, 2000 Larven 2, 300 Larven 3 und 500 Käfernweibchen. 42
44 Diskussion der Lösung: 43
45 Vererbung von Merkmalen Eine Population von Insekten enthält Tiere mit zwei verschiedenen Merkmalen A und B (z.b. Farbe). Beobachtungen über längere Zeit zeigen, dass Insekten mit Merkmal A zu 70% Nachkommen mit Merkmal A und zu 30% solche mit Merkmal B haben. Insekten mit Merkmal B haben zu 80% wieder Nachkommen mit diesem Merkmal, zu 20% solche mit Merkmal A. Die Vermehrungsrate wird durch die Merkmale nicht beeinflusst. x A (0) sei der Anteil der Insekten mit Merkmal A zu Beobachtungsbeginn, x B (0) entsprechend derjenige mit Merkmal B. 44
46 Diskussion der Lösung: 45
47 8 Lineare Abbildungen in der Ebene - deren Darstellung durch Matrizen & Eigenschaften Aus eurem Geometrieunterricht kennt ihr schon verschiedene Abbildungen in der Ebene. Das sind Abbildungen der Ebene, welche wieder in die Ebene abbilden, d.h wir haben Abildungen mit folgendem Definitions- und Wertebereich: Wir wollen uns im Folgenden mit denjenigen Abbildungen beschäftigen, welche linear sind, also durch Matrizen darstellbar sind und die geometrischen Eigenschaften mit Eigenschaften der zugehörigen Abbildungsmatrizen in Zusammenhang bringen. 8.1 Abbildungen in der Ebene 46
48 47
49 48
50 49
51 50
52 Zu untersuchende Eigenschaften: Aufgaben : Untersuche unsere Abbildungen auf die obigen Eigenschaften hin. 51
53 8.2 Abbildungen im Raum Untersuche die folgenden Abbildungen im Raum auf ihre geometrische Eigenschaften: , , , , s , s , s 3, s s s 3 52
54 9 Die Gruppe der Drehmatrizen Bevor wir uns mit der Gruppe der Drehmatrizen befassen, müssen wir uns zuerst die notwendigen Begriffe und Eigenschaften definieren: 9.1 Der Begriff der Gruppe Def.: Eine nicht-leere Menge A heisst abgeschlossen bezüglich einer Verknüpfung : a, b A : a b A Def.: e A heisst ein Neutralelement bzgl. : a e = a = e a, a A Beispiel :... Def.: a 1 heisst ein Inverses zu a (bzgl ) : a 1 a = e mit e = zugehöriges Neutralelement. Beispiel :... Def.: (A, ) heisst eine Gruppe : 1. ist assoziativ 2. A ist abgeschlossen bzgl. 3. ein Neutralelement e bzgl., mit e A 4. a A ein Inverses a 1 bzgl., mit a 1 A 53
55 Drei wichtige Eigenschaften zum Neutralelement und zur Inversen: Beispiel 9.1 Beweise: ({ 1, 0, 1}, ) ist eine kommutative Gruppe. 54
56 9.2 Die Drehmatrizen im Raum Die Drehungen in der Ebene haben wir schon kennengelernt... Die Drehungen im Raum werden durch folgende Matrizen dargestellt: cos ϕ 0 sin ϕ cos ϕ sin ϕ 0 0 cos ϕ sin ϕ, 0 1 0, sin ϕ cos ϕ 0 0 sin ϕ cos ϕ sin ϕ 0 cos ϕ Aufgaben : Beweise, dass die Menge aller Drehmatrizen (mit der z-achse als Drehachse) bzgl. der Matrizenmultiplikation eine kommutative Gruppe bildet. 55
57 . 56
58 Aufgaben : Überprüfe die Winkel- & Längentreue der Drehung im Raum. 57
59 9.3 Der Äquivalenzsatz für orthogonale Matrizen Wir verwenden dazu eine Vorlage der Uni-Paderborn: Die reelle euklid sche Ebene Der Link für den donwload des zugehörigen Word-Dokuments lässt sich finden, wenn die folgenden Begriffe gesucht werden reelle euklidsche ebene uni-paderborn 58
60 Der Begriff der Gruppe, Herleitung der Drehmatrix, Die Gruppen GL n (R), SL n (R), O n (R) Längen- & Winkeltreue 59
61 10 Die Determinante & ihre geometrische Bedeutung Multiplikationssatz, Volumen & Orientierung, Geometrische Interpretation der Eigenschaften einer Determinaten: uk/8 determinanten gz.pdf Äquivalenzsatz zu O 2 (R) martine/veranstaltungen/geometrieseminar0506/ euklidischeebene.doc 60
62 11 Eigenwert & Eigenvektoren 61
63 Lineare Abbildungen: Verschiebungen, Spiegelungen, Streckungen, Scherungen, Projektionen, Der Begriff der Basis. 62
Lineare 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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme (FHMS - Version) 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
MehrMengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:
Mengenlehre ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 21. August 2016 Inhaltsverzeichnis 1 Mengenlehre 1 1.1 Die Menge im mathematischen
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrMatrizen, 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
MehrVektorgeometrie - Teil 1
Vektorgeometrie - Teil 1 MNprofil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 14. März 2016 Inhaltsverzeichnis 1 Einführung & die analytische Darstellung der
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
MehrMatrizen 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
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
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.
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
MehrMatrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie
Regina Gellrich Carsten Gellrich Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie Mit zahlreichen Abbildungen, Aufgaben mit Lösungen und durchgerechneten Beispielen
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
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
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 Vektoren, Vektorräume, Abstände: 2D
Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R
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
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 +
MehrÜbungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung.
Übungsaufgaben Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler Teil : Lineare Algebra und Optimierung Wintersemester Matrizenrechnung Aufgabe ( 3 0 Gegeben sind die Matrizen A = 2 5 2 4 D =
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
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
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
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.................................
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
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.
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,
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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrLineare 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
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
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
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
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
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
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. 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
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
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)
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
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
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
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/
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
MehrCorinne Schenka Vorkurs Mathematik WiSe 2012/13
4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:
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
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
Mehr2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen!
Studiengang: PT/LOT/PVHT Semester: WS 9/ lgebra Serie: 2 Thema: Matrizen, Determinanten. ufgabe Gegeben sind die Matrizen = µ 2 3 2 µ 3 2 4, B = 2 Berechnen Sie: a) 2 + 3B b) B 2 c) B T d) B T e) T B f)
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
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
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,
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
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
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
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
MehrMatrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1.
Matrizen Aufgabe Sei f R R 3 definiert durch ( x 3y x f x + y y x Berechnen Sie die Matrix Darstellung von f Lösung von Aufgabe ( f ( f 3 Die Matrix Darstellung von f ist somit A 3 Aufgabe Eine lineare
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
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
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
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:
MehrQuadratische Matrizen Inverse und Determinante
Kapitel 2 Quadratische Matrizen Inverse und Determinante In diesem Abschnitt sei A M(n, n) stets eine quadratische n n Matrix. Für nicht-quadratische Matrizen ergeben die folgenden Betrachtungen keinen
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
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:
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
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
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
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
MehrAufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1:
WS 99/99 Aufgabe : Bestimmen Sie Zahlen a b,, für die 6 b a und gleichzeitig a + b + gilt. Lösung zu Aufgabe : WS 99/99 Aufgabe : Ein Unernehmen stellt aus ohstoffen (,,, ) Zwischenprodukte ( Z, Z, Z )
MehrDeterminanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird,
Determinanten Wir entwickeln eine Lösungsformel für Gleichungssysteme mit zwei Variablen. ax + cy = e b bx + y = f a } abx bcy = be + abx + ay = af ya bc = af be Man schreibt y = af be a bc = a e b f analog
MehrMathematik Matrizenrechnung
Mathematik Matrizenrechnung Einstufige Prozesse Rechenregeln für Matrizen Mehrstufige Prozesse Inverse Matrix Stochastische Prozesse 6 Zyklisches Verhalten Einstufige Prozesse Einstufige Prozesse Zur Beschreibung
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
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
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 +...
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
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
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 für Ingenieure I
Mathematik für Ingenieure I Wintersemester 203/4 W. Ebeling 2 c Wolfgang Ebeling Institut für Algebraische Geometrie Leibniz Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@math.uni-hannover.de
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
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
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
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
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
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
MehrSysteme von linearen Ungleichungen
Systeme von linearen Ungleichungen ALGEBRA Kapitel 6 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 28. Februar 2016 Überblick über die bisherigen ALGEBRA
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
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
MehrHöhere Mathematik II. 7 Lineare Algebra II. für naturwissenschaftliche Studiengänge. 7.1 Wiederholung einiger Begriffe
Dr. Mario Helm Institut für Numerische Mathematik und Optimierung Fakultät für Mathematik und Informatik Höhere Mathematik II für naturwissenschaftliche Studiengänge Sommersemester 2013 7 Lineare Algebra
MehrHÖHERE MATHEMATIK 2, Übungen, Sommersemester Übungsblatt für den
. Übungsblatt für den 4. 3. 2008 () Die Gerade g sei durch die Gleichung 2x y = 3 gegeben. Bestimmen sie Gleichungen der beiden Geraden, die parallel zu g sind und den Abstand 2 von g haben. Bestimmen
MehrVektoren, Vektorräume
Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
MehrAufgabensammlung zur Vorlesung. Höhere Mathematik für Wirtschaftswissenschaftler Algebra
Aufgabensammlung zur Vorlesung Höhere Mathematik für Wirtschaftswissenschaftler Algebra Freiberg, den 3 November 0 Inhaltsverzeichnis Kapitel Lineare Algebra 5 Operationen mit Matrizen 5 Lineare Gleichungssysteme
MehrWS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch
Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch WS 2010/2011 14. Januar 2011 Geometrie mit Übungen Übungsblatt 9, Musterlösungen Aufgabe 33. Es werden Kreise in der Euklidischen
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
MehrThemenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix.
LINEARE ALGEBRA Lösbarkeit von linearen Gleichungssystemen Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix Gleichungssysteme
MehrKorrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:
Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise
Mehr