$Id: det.tex,v /12/19 17:07:55 hk Exp $ $Id: linabb.tex,v /01/15 07:43:52 hk Exp $ c 11 c 1n. c n1 c nn. b n1 b nn ...
|
|
- Inge Straub
- vor 6 Jahren
- Abrufe
Transkript
1 $Id: det.te,v /12/19 17:07:55 hk Ep $ $Id: linabb.te,v /01/15 07:43:52 hk Ep $ II. Lineare Algebra 8 Determinanten 8.1 Die Determinante Wir wollen in diesem Abschnitt jett noch eine lette wichtige Formel ansprechen, den sogenannten Determinanten-Multiplikationssat. Dieser besagt, dass die Determinante eines Produkts weier Matrien das Produkt der beiden Eineldeterminanten ist. Dies ist keine Selbstverständlichkeit, und mag unächst sogar etwas überraschend sein. Wir haben sowohl die Determinante als auch die Multiplikation von Matrien durch teilweise recht kompliiert aussehende Formeln eingeführt, dass diese nun so gut usammenpassen um den Multiplikationssat u liefern, ist überhaupt nicht klar. Im nächsten Kapitel werden wir eine andere Interpretation für Matrien und die Determinante kennenlernen, die den Multiplikationssat umindest im reellen Fall geometrisch begründet. Hier hingegen, wollen wir ihn einfach nachrechnen. Sat 8.7 (Multiplikationssat für Determinanten) Sind A, B wei n n Matrien so gilt det(a B) det(a) det(b). Beweis: Wir schreiben a 11 a 1n A..... a n1 a nn, B b 11 b 1n..... b n1 b nn und AB c 11 c 1n..... c n1 c nn. Nach Definition der Matrienmultiplikation gilt dann c ij i, j n. Hiermit rechnen wir nun n k1 a ikb kj für alle 1 det(ab) ( 1) π c 1,π(1)... c n,π(n) π S n ( n ) ( n ) ( 1) π a 1,j1 b j1,π(1)... a n,jn b jn,π(n) π S n j 1 1 π S n ( 1) π 1 j 1,...,j n n j n1 a 1,j1... a n,jn b j1,π(1)... b jn,π(n) [ ] a 1,j1... a n,jn ( 1) π b j1,π(1)... b jn,π(n). 1 j 1,...,j n n π S n 17-1
2 Nun kümmern wir uns um den Faktor in den eckigen Klammern. Die dort stehende Summe sieht fast wie eine Determinante aus, nur das dort überall j i statt i steht. Dies ist aber kein echtes Problem, schreiben wir B(j 1,..., j n ) für die n n Matri, deren i-te Zeile gerade die j i -te Zeile von B ist, so ist der Ausdruck in eckigen Klammern gerade die Determinante von B(j 1,..., j n ), also ist det(ab) a 1,j1... a n,jn det B(j 1,..., j n ). 1 j 1,...,j n n Wir betrachten nun einen einelnen Summanden in dieser Summe, seien also 1 j 1,..., j n n gegeben. Gibt es dann wei Indies 1 i, i n mit i i und j i j i, so hat die Matri B(j 1,..., j n ) wei identische Zeilen, und somit ist dann det B(j 1,..., j n ) 0 wie etwa aus Sat 5 folgt. Also müssen wir in der obigen Summe nur die Summanden (j 1,..., j n ) betrachten in denen j 1,..., j n paarweise verschieden sind. Aber Tupel aus n verschiedenen Zahlen aus {1,..., n} sind ja gerade die Ordnungen von {1,..., n}, also folgt mit Sat 3 det(ab) π S n a 1,π(1)... a n,π(n) det B(π(1),..., π(n)) ( π S n ( 1) π a 1,π(1)... a n,π(n) ) det(b) det(a) det(b). Insbesondere erhalten wir eine Formel für die Determinante der Inversen einer Matri. Sat 8.8: Sei A eine invertierbare n n Matri. Dann gilt det A 0 und es ist det(a 1 ) 1 det A. Beweis: Nach dem Multiplikationssat ist det(a) det(a 1 ) det(a A 1 ) det E n Laplace Entwicklung Die Laplace Entwicklung einer Determinante ist ein weiteres Rechenverfahren ur Bestimmung von Determinanten. Bei diesem Verfahren wird die Determinante einer n n 17-2
3 Matri als eine Summe von n Termen berechnet die ihrerseits im wesentlichen aus einer (n 1) (n 1) Determinante bestehen. Wir wollen dies unächst an einigen Beispielen vorführen, bevor wir es als abstrakten Sat formulieren. Wir beginnen dabei mit der Berechnung einer 3 3 Determinante Als Entwicklung dieser Determinante nach der ersten Zeile beeichnet man die folgende Rechnung ( 1) Diese Summe beginnt mit dem Eintrag 1 in der ersten Zeile und der Spalte multipliiert mit der Determinante, die aus der ursprünglichen Determinante durch Streichen der ersten Zeile und der ersten Spalte entsteht. Hiervon wird dann der Eintrag 1 in der weiten Spalte der ersten Zeile mal die durch Streichen der ersten Zeile und der weiten Spalte gebildete Determinante abgeogen. Schließlich wird der Eintrag 3 in der dritten Spalte der ersten Zeile mit der durch Streichen der ersten Zeile und dritten Spalte erhaltenen Determinante multipliiert und ur Gesamtsumme addiert: 1 ( 1). + 3 Diese Rechenverfahren ist etwas effiienter als die Rechnung über die Regel von Sarrus. Bei der Sarrusschen Regel hat man die Summe von sechs Dreierprodukten u bilden, benötigt also 12 Multiplikationen und 5 Additionen, wobei wir Subtraktion und Addition nicht unterscheiden. Bei der Entwicklung nach der ersten Zeile bilden wir dagegen drei 2 2 Determinanten, und jede von diesen erfordert wei Multiplikationen und eine Addition, also insgesamt 6 Multiplikationen und drei Additionen. Dann werden diese 2 2 Determinanten jeweils mit einer Zahl multipliiert und dann addiert, dies sind 3 weiter Multiplikationen und wei Additionen. Insgesamt erfordert die Entwicklung nach der ersten Zeile also 9 Multiplikationen und 5 Additionen, wir haben also 3 Multiplikationen eingespart, dies sind immerhin 25% des Aufwands der Regel nach Sarrus. Ebenso kann die Determinante auch nach der ersten Spalte entwickelt werden, hier gehen wir entsprechend die Einträge in der ersten Spalte der Matri durch
4 Noch allgemeiner kann die Determinante auch nach einer beliebigen Zeile oder einer beliebigen Spalte entwickelt werden. Das einige kleine Detail auf das man dabei achten muss ist die Verteilung der Voreichen. Entwickeln wir nach der ersten Zeile oder Spalte, so beginnt die Entwicklung mit + und dann wechseln die Voreichen sich ab. Entwickeln wir dagegen nach der weiten Zeile oder Spalte, so beginnen die Voreichen mit und wechseln sich dann ab. In der dritten Zeile oder Spalte starten wir dann wieder mit + und so weiter. Allgemein gehört um Eintrag (i, j) der Determinante, also dem Eintrag in der i-ten Zeile und in der j-ten Spalte, die Determinante die durch Entfernen der i-ten Zeile und der j-ten Spalte entsteht und mit dem Voreichen ( 1) i+j versehen ist. Diese Voreichen beginnen links oben mit ( 1) 2 1 und breiten sich dann schachbrettartig aus Die Entwicklung nach Zeilen oder Spalten ist auch nicht auf 3 3 Determinanten beschränkt, sondern ist für jede natürlich Zahl n N möglich. Wir wollen als ein Beispiel einmal eine 4 4 Determinante nach der weiten Zeile entwickeln: ( 1) ( 3) ( 26) + 1 ( 8) , wobei wir die mit Null u multipliierende vierte Determinante gleich weggelassen haben und die Werte der verbleibenden drei 3 3 Determinanten , ,
5 gleich eingesett haben. Man kann dieses Rechenverfahren durch Entwicklung nach einer Zeile oder Spalte natürlich auch mit den elementaren Zeilen- und Spaltenumformungen kombinieren. In unserem eben gerechneten Beispiel einer 4 4 Determinante können wir auch unächst die erste Spalte ur weiten Spalte addieren. Dann haben wir auf einmal wei Nullen in der ersten Zeile, und bei der Entwicklung nach der ersten Zeile treten nur noch wei Summanden auf ( ) ( 4 25) Die Entwicklung einer Determinante nach einer Zeile oder Spalte nennt man auch den Laplaceschen Entwicklungssat, und um diesen, und später auch die Cramersche Regel für die Matriinversion bequem formulieren u können, führen wir noch eine kleine Definition ein. Definition 8.5: Sei A eine n n Matri. Sind 1 i, j n, so beeichne A ij die (n 1) (n 1) Matri, die aus A durch Streichen der i-ten Zeile und der j-ten Spalte entsteht. Die Zahl â ij : ( 1) i+j det A ji wird dann als (i, j)-ter Komplementärwert beeichnet (das i und j hier vertauscht werden ist kein Schreibfehler, sondern tatsächlich so gemeint), und die n n Matri â 11 â 1n  :..... â n1 â nn heißt die Komplementärmatri oder Adjunkte u A. Für n 2, 3 können wir die Komplementärmatri noch direkt hinschreiben ( a b ) c d a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ( d b c a ), a 22 a 33 a 23 a 32 a 13 a 32 a 12 a 33 a 12 a 23 a 13 a 22 a 23 a 31 a 21 a 33 a 11 a 33 a 13 a 31 a 13 a 21 a 11 a 23 a 21 a 32 a 22 a 31 a 12 a 31 a 11 a 32 a 11 a 22 a 12 a ,
6 aber schon für n 4 sind die entstehenden Formeln u gross. Gan konkret ist beispielsweise die Komplementärmatri u gleich Der Laplacesche Entwicklungssat nimmt mit diesen Beeichnungen die folgende Form an: Sat 8.9 (Entwicklung nach Zeilen und Spalten) Sei A eine n n Matri. Dann gelten für jedes 1 i n die Gleichungen det A n ( 1) i+1 a ij det A ij j1 (Entwicklung nach einer Zeile) und det A n ( 1) i+j a ji det A ji j1 (Entwicklung nach einer Spalte). Da wir in dieser Situng schon genug bewiesen haben, wollen wir hier auf einen formalen Beweis verichten. Die Grundidee ist aber einfach beschrieben. In der Leipnit- Summe det(a) π S n ( 1) π a 1,π(1)... a n,π(n) fasse alle Terme u π S n mit π(i) j usammen. Dann wird det A n a ij ( 1) π a 1,π(1)... a i 1,π(i 1) a i+1,π(i+1)... a n,π(n) j1 π S n π(i)j und die Summe in eckigen Klammern stellt sich als ( 1) i+j det A ij heraus, sie ist ja beinahe bereits eine Leipnit-Summe. Eine der Folgerungen der Laplace-Entwicklung sind die sogenannten Cramerschen Regeln. Es gibt wei derartige Regeln, eine für die Berechnung der Inversen einer n n Matri und eine für das Lösen regulärer linearer Gleichungssysteme. Die Cramersche Regel für die inverse Matri wird sich dabei aus dem folgenden Sat über die komplementäre Matri ergeben: Sat 8.10: Sei A eine n n Matri. Dann gilt det A A Â Â A... det(a) E n. det A Dies ist eine direkte Folge aus dem Entwicklungssat Sat 9. Schreiben Sie sich einmal als eine Übung die Formel für die Matrimultiplikation hin, und überlegen sich 17-6
7 wie daraus der Sat folgt. Da wie gesagt schon genug bewiesen wurde, wollen wir dies hier nicht mehr direkt vorführen. Damit können wir nun die beiden Cramerschen Regeln einsehen. Sat 8.11 (Cramersche Regel für die Matriinversion) Sei A eine n n Matri. Dann ist A genau dann invertierbar wenn det A 0 ist, und in diesem Fall gilt A 1 1 det AÂ. Beweis: Dies gilt nach Sat 8. Dies ist klar nach Sat 10. Wegen ( 1) haben wir in unserem obigen Beispiel damit Etwas trickreicher könnten wir auch den ersten Eintrag der ersten Zeile des Produkts A Â ausrechnen, und wir wissen dann nach Sat 10 das die so erhaltene Zahl die Determinante von A ist. Kombinieren wir die Cramersche Regel für inverse Matrien mit dem Lösungssat 6.Sat 4 für reguläre lineare Gleichungssysteme, so ergibt sich die Cramersche Regel für lineare Gleichungssysteme: Sat 8.12 (Cramersche Regel für reguläre lineare Gleichungssysteme) Gegeben sei ein reguläres lineares Gleichungssystem. a a a 1n n b a n1 1 + a n a nn n b n, d.h. A b mit einer invertierbaren Koeffiientenmatri A. Für 1 i n sei A i die n n Matri, die aus A durch Erseten der i-ten Spalte von A durch die rechte Seite b entsteht. Dann ist die Lösung von A b durch i det Ai det A (1 i n) gegeben. 17-7
8 Hieru müssen wir uns nur daran erinnern, dass die Lösung von A b nach 6.Sat 4 durch A 1 b 1 det AÂb gegeben ist. Der i-te Eintrag von Âb ist gleich n â ij b j j1 n ( 1) i+j b j det A ji, j1 und lettere Summe ist nach dem Entwicklungssat Sat 9 gerade gleich der Determinante det A i. Als ein Beispiel ur Cramerschen Regel wollen wir einmal das lineare Gleichungssystem y y y + 1 lösen. Die Koeffiientenmatri A dieses linearen Gleichungssystem ist gerade die bereits oben als Beispiel verwendete Matri A von der wir bereits det A 7 nachgerechnet haben. Die rechte Seite ist 1 b 0, 1 und dies müssen wir der Reihe nach als erste, weite, dritte Spalte von A einseten, um die Lösung mit der Cramerschen Regel u erhalten. Es ergibt sich damit die Lösung ( ) (8 + 1) 9 7, y , Obwohl der Cramerschen Regeln sowohl für die inverse Matri als auch für reguläre lineare Gleichungssysteme unächst nach einer guten Rechenmethode aussehen, da sie eben so schön direkte und epliite Formeln sind, sind sie fürs praktische Rechnen meist 17-8
9 eher ungeeignet. Es ist eine relativ große Zahl von Determinanten u berechnen, und da ist es fast immer schneller unseren Gauß-Algorithmus sowohl um Lösen linearer Gleichungssysteme als auch ur Berechnung der inversen Matri heranuiehen. Der einige Fall in dem die Cramerschen Regeln manchmal brauchbar sind ist n 3, aber selbst hier fährt man mit der Gaußschen Elimination fast immer besser. 9 Lineare Abbildungen Lineare Abbildungen sind einer der, leider etwas abstrakten, Grundbegriffe der linearen Algebra und der Mathematik schlechthin. Die linearen Abbildungen sind eine Klasse besonders einfacher Abbildungen, die aber trotdem noch allgemein genug sind, sich in einer Vielahl von Situationen anwenden u lassen. 9.1 Lineare Abbildungen Definition 9.1: Seien V, W wei Vektorräume über K, wobei K bei uns wie immer für K R oder K C steht. Eine lineare Abbildung von V nach W ist dann eine Abbildung f : V W mit den folgenden beiden Eigenschaften: (a) Für alle, y V gilt f( + y) f() + f(y). (b) Für alle V und jede Zahl c K gilt f(c ) c f(). Beispielsweise ist die Abbildung f : R 3 R; y y + 2 linear. In der Tat, sind, y,,, y, R, so haben wir + f y + y + (y + y ) + 2( + ) y 2 + y f y + f und ist usätlich c R, so haben wir auch c f cy c cy + 2c c ( y + 2) c f c 17-9 y. y,
10 Eine solche Rechnung funktioniert natürlich immer wenn f : K n K eine Summe von Termen der Form Konstante Variable ist. Im Gegensat ur üblichen Sprechweise bei Polynomen sind auch keine konstanten Terme erlaubt. Beispielsweise ist die Abbildung g : R 3 R; y y nicht linear. In der obigen Rechnung haben wir nämlich + g y + y y 2 + y aber g y + g y y 2 + y Ebenso ist eine Abbildung K n K m linear, wenn in jeder ihrer Komponenten nur lineare Terme stehen, beispielsweise ist also die Abbildung ( ) ( ) + y f : R 2 R 2 ; y y linear. Für Abbildungen von Spaltenvektoren ist Linearität also ein sehr simples Konept. Tatsächlich sollen lineare Abbildungen ja, wie bereits bemerkt, besonders einfache Abbildungen sein. Wir wollen auch noch ein Beispiel einer linearen Abbildung auf Funktionenräumen angeben. In 7 hatten wir den Vektorraum R R aller Abbildungen f : R R eingeführt. Wir behaupten nun, daß die Teilmenge V : {f : R R f ist differenierbar} R R ein Teilraum dieses Vektorraums ist. Sind nämlich f, g V wei differenierbare Funktionen, so ist auch die Summe f + g differenierbar mit Ableitung (f + g) f + g. Ebenso ist für eine differenierbare Abbildung f V und eine Zahl c R auch c f differenierbar mit (cf) cf. Dabei haben wir den Differenierbarkeitsbegriff eigentlich noch gar nicht eingeführt, aber für dieses Beispiel reichen die Erinnerungen aus ihrer Schuleit völlig aus. Damit ist V ein Teilraum von R R, und somit selbst ein Vektorraum. Jett ist das Ableiten selbst d d : V RR ; f f eine lineare Abbildung, denn dies bedeutet ja gerade die Gültigkeit der beiden Formeln (f + g) f + g und (cf) cf. In diesem Semester werden wir es allerdings nur mit linearen Abbildungen wischen Teilräumen des K n u tun haben. Lineare Abbildungen wischen Funktionenräumen spielen dann später eine gewisse Rolle. Wir wollen 17-10
11 nun das Bild einer linearen Abbildung einführen. Eigentlich haben wir das Bild einer allgemeinen Abbildung bereits in 3 eingeführt, aber wir wollen die Definition hier der Deutlichkeit halber wiederholen. Definition 9.2: Seien V, W wei Vektorräume über K und f : V W eine lineare Abbildung. Dann heißt die Menge das Bild von f. Bild(f) : {f() V } Es wird sich herausstellen, dass das Bild einer linearen Abbildung immer ein Teilraum ist. Zunächst wollen wir das Bild einer linearen Abbildung aber in einem Beispiel berechnen. Hieru betrachten wir die lineare Abbildung f : R 3 R 3 ; y + y + 2y y + 2 Wann liegt ein Vektor v R 3 im Bild Bild(f) von f? Schreiben wir b 1 v b 2, b 3 so ist genau dann v Bild(f), wenn es, y, R mit b 1 + y + b 2 b 3 f y 2y y + 2 gibt, d.h. genau dann wenn das lineare Gleichungssystem + y + b 1 2y b 2 y + 2 b 3 eine Lösung hat. Um diese v R 3 u bestimmen, können wir wieder einmal das Gaußsche Eliminationsverfahren um Einsat bringen b b b b b b b b 3 b b 2 + b 3 b 1 Damit ist unser lineares Gleichungssystem genau dann lösbar wenn. b 2 + b 3 b 1 0 beiehungsweise b 1 b 2 + b 3 gilt. Als Bild von f erhalten wir somit b 1 Bild(f) b 2 b 3 b 1, b 2, b 3 R, b 1 b 2 + b 3 t + s t s t, s R
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
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
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
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
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
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
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)
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
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) =
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
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
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
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
Mehr4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung
43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder
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
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:
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
MehrLie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was
$Id: intro.tex,v 1.3 2010/04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige
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
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,
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
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,
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
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
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
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
MehrEs wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form
Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt
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
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrV DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren
SKRIPTUM { LINEARE ALGEBRA II JB COOPER Inhaltsverzeichnis: x Determinanten x Eigenwerte x Euklidische Raume x8 Dualitat, Tensorprodukte, Alternierende Formen Anhang: ) Mengen, Abbildungen ) Gruppen )
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:
Mehr$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
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
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
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
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
MehrKLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008
KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch
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
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
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
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.
Mehr6 Reelle und komplexe Zahlenfolgen
Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun
Mehr7 Lineare Gleichungssysteme
116 7 Lineare Gleichngsssteme Lineare Gleichngsssteme treten in vielen mathematischen, aber ach natrwissenschaftlichen Problemen af; m Beispiel beim Lösen von Differentialgleichngen, bei Optimierngsafgaben,
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
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
MehrMenge der natürlichen Zahlen = {1, 2, 3,...} Aber: a + x = b ist nur lösbar, falls b > a
Komplexe Zahlen. Bedarfsfrage Menge der natürlichen Zahlen = {,, 3,...} Aber: a + x = b ist nur lösbar, falls b > a (Peano-Axiome). Erweiterung: Menge der ganen Zahlen = {..., -3, -, -, 0,,, 3,...} a +
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
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:
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 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
Mehr) in der Ebene aufgespannten Parallelogramms ist, wie wir wissen, gleich a 1. b 2. ) und b = ( b 1
45 Determinanten Die orientierte Fläche eines von zwei Vektoren a ( a, a und b ( b, b in der Ebene aufgespannten Parallelogramms ist, wie wir wissen, gleich a b a b Bis auf das Vorzeichen ist dies der
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
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
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 +...
Mehr5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix
5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix Jörn Loviscach Versionsstand: 20. März 2012, 16:02 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
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
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
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
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
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
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 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,
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
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,
Mehr1 Modulare Arithmetik
$Id: modul.tex,v 1.11 2012/04/16 19:15:39 hk Exp $ $Id: gruppen.tex,v 1.11 2012/04/17 10:30:56 hk Exp $ 1 Modulare Arithmetik 1.3 Restklassen Wir waren gerade damit beschäftigt eine Beispiele zum Rechnen
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
MehrLineare Algebra und Geometrie für LehramtskandidatInnen. Andreas Čap
Lineare Algebra und Geometrie für LehramtskandidatInnen (Kapitel 6 9) Wintersemester 2010/11 Andreas Čap Fakultät für Mathematik, Universität Wien, Nordbergstraße 15, A 1090 Wien E-mail address: Andreas.Cap@esi.ac.at
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 +
MehrKLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
MehrDiagonalisieren. Nikolai Nowaczyk Lars Wallenborn
Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit
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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrAddition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
MehrHomogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2
1. Formatbedingungen der Matrixoperationen Die Addition (Subtraktion) A ± B verlangt gleiches Format der Operanden A und B. Das Ergebnis hat das Format der Operanden. Skalarmultiplikation λa: Es gibt keine
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
MehrWirtschaftsmathematik Formelsammlung
Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation
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.................................
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
MehrErzeugende Funktionen
Hallo! Erzeugende Funktionen sind ein Mittel um lineare Rekursionen schneller ausrechnen zu können. Es soll die Funktion nicht mehr als Rekursion angeschrieben werden, sondern so, dass man nur n einsetzen
MehrAbschnitt: Determinanten
Abschnitt: Determinanten Bezeichnung Die i-te Zeile werden wir mit [a i ] bezeichnen Die Null-Zeile werden wir mit 0 bezeichnen A = a 11 a 1n a n1 a nn = [a 1 ] [a n] Def Eine Abbildung det : Mat(n, n)
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
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
MehrGilt jedoch. det A = 0, so besagt dies:
3 eterminanten 3 efinition - Bedeutung - Anwendung urch eine spezielle Rechenvorschrift lassen sich jeder quadratischen Matrix A reelle Zahlenwerte zuordnen Man bezeichnet den Zahlenwert, der einer quadratischen
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
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:
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
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
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
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
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
MehrÜbungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.
Übungsblatt 13 Lineare Algebra I, Prof Dr Plesen, SS 2008 Aufgabe 1 (Transponierte lineare Abbildung) Sei α : V W linear Zeige: α tr ist injetiv (surjetiv) genau dann, wenn α surjetiv (injetiv) ist Ist
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
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
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
Mehr7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig
MehrPRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF.
Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF. (GITTENBERGER) Wien, am 5. Februar 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8
Mehr