HM II Tutorium 3. Lucas Kunz. 10. Mai 2016
|
|
- Dorothea Baum
- vor 5 Jahren
- Abrufe
Transkript
1 HM II Tutorium 3 Lucas Kunz 10. Mai 2016 Inhaltsverzeichnis 1 Theorie für das Tutorium Definition der Determinante Errechnung von Determinanten Regel von Sarrus Laplace-Entwicklung Geschicktes Ausklammern Dreiecksmatrizen Cramer sche Regel Kreuz- und Spatprodukt Konjugierte, Transponierte und Adjungierte Matritzen Orthogonalraum Theorie über das Tutorium hinaus Determinanten bei Multiplikation und Invertierung Levi-Civita-Symbol Aufgaben Aufgabe Aufgabenteil a) (iii) Aufgabenteil b) Aufgabe Aufgabenteil a) Aufgabenteil b)
2 1 Theorie für das Tutorium 1.1 Definition der Determinante Sei K ein Körper, dann ist die Determinante ist eine eindeutig bestimmte Abbildung aus dem K n n nach K. Sei hierzu A = (a 1,..., a n ) eine Matrix in K n n und a j K n, j = 1,..., n sind ihre Spaltenvektoren und die Determinante sei ausgedrückt als Funktion f(a 1,..., a n ), dann hat sie per Definition die folgenden Eigenschaften: f(e 1,..., e n ) = f(i n ) = 1 (Normierung). Ist b j K n und sind α, β K, so gilt f(a 1,..., a j 1, αa j + βb j, a j+1,..., a n ) = αf(a 1,..., a n ) + βf(a 1,..., a j 1, b j, a j+1,..., a n ) (Linearität in jeder Spalte). Bei Vertauschung zweier Spalten ändert sich das Vorzeichen der Determinante. Aus diesen drei geforderten Eigenschaften lassen sich einige weitere ableiten, die sich unter Verwendung der ersteren drei recht einfach zeigen lassen: Ist a j = a k mit j k, so ist f(a 1,..., a n ) = 0. Ist ein a j = 0, so ist auch f(a 1,..., a n ) = 0. Ist j k und α K, so ist f(a 1,..., a j 1, a j + αa k, a j+1,..., a n ) = f(a 1,..., a n ). A ist invertierbar det A 0. det(a T ) = det(a). det(a 1,..., a n ) 0 alle a j sind linear unabhängig. Für den Spezialfall n = 3 gibt es weiterhin die Eigenschaft, dass det(a, b, c) = a (b c), dass also die Determinante dem Spatprodukt entspricht und dementsprechend ihr Betrag dem Volumen des von a, b, c aufgespannten Spats gleicht. 1.2 Errechnung von Determinanten Regel von Sarrus Die Regel von Sarrus stellt eine sehr einfache Möglichkeit dar, Determinanten von kleineren Matritzen zu errechnen (n {2, 3}). Grob gesagt errechnet man mit ihrer Hilfe die Determinante, indem man die Produkte von diagonalen Elementen bildet und diese Summiert. Für n = 2 gilt: ( ) a b det B = det = ad bc. (1.1) c d Im dreidimensionalen wird die Rechnung etwas Umständlicher, es ist a 1 b 1 c 1 det A = det a 2 b 2 c 2 = a 1 b 2 c 3 + b 1 c 2 a 3 + c 1 a 2 b 3 a 1 c 2 b 3 b 1 a 2 c 3 c 1 b 2 a 3. (1.2) a 3 b 3 c 3 2
3 1.2.2 Laplace-Entwicklung Für Matritzen beliebiger Größe verwendet man hingegen den Entwicklungssatz von Laplace. Dieser erlaubt es, eine Matrix nach einer ihrer Zeilen oder Spalten zu entwickeln und dadurch nur noch die Determinanten kleinerer Matritzen bestimmen zu müssen. Zunächst sei A ij die Matrix A ohne die i-te Zeile und j-te Spalte, also falls A wie in Gleichung 1.2 ist, dann ist z. B. ( ) a1 b A 23 = 1. a 3 b 3 Ist nun A K n n, a ij das Element der i-ten Zeile und j-ten Spalte sowie l {1,..., n} beliebig aber fest gewählt, so gilt n det(a) = ( 1) k+l a lk det(a lk ) (1.3) = k=1 }{{} Entwicklung nach der l-ten Zeile n ( 1) j+l a jl det(a jl ) k=1 }{{} Entwicklung nach der l-ten Spalte. (1.4) Für die Fälle n = 2 oder n = 3 ergeben sich die jeweiligen Regeln von Sarrus aus dieser Vorgehensweise Geschicktes Ausklammern Wie bereits gesagt ist die Determinante in jeder Spalte linear, ändert ihr Vorzeichen beim Zeilen- Spaltentausch und bleibt gleich, wenn man Zeilen oder Spalten addiert. Dies kann man nutzen, um eine günstigere Ausgangsposition für die Laplace-Entwicklung zu erhalten, da diese am einfachsten und schnellsten von Statten geht, wenn man nach einer Zeile oder Spalte mit vielen Nullen entwickelt Dreiecksmatrizen Bei Dreiecksmatritzen, bei denen entweder ober- oder unterhalb der Hauptdiagonalen nur Nullen stehen, berechnet sich die Determinante als Produkt der Diagonalelemente. Entsprechendes gilt auch für Diagonalmatritzen. Dies folgt aus der Enteicklung nach der wahlweise ersten Zeile (untere) oder Spalte (obere Dreiecksmatrix), in der jeweils nur ein Element steht, und n-facher Wiederholung dieses Schrittes. 1.3 Cramer sche Regel Eine Möglichkeit, ein Gleichungssystem der Art A x = b zu lösen, besteht in der Cramer schen Regel. Wenn man die Matrix A ausdrückt als n Spaltenvektoren, als A = (a 1,..., a n ), a i K n, i {1,..., n}, dann kann man mittels dieser Regel jeweils ein Element des gesuchten Vektors x = (x 1,..., x n ) T, x i K, i {1,..., n} ermitteln über x i = 1 det A det A i, (1.5) wobei A i die Matrix ist, die entsteht, wenn man Vektor a i durch b ersetzt. Dadurch, dass man durch det A dividiert, muss vorausgesetzt sein, dass A regulär ist, diese Determinante 3
4 also ungleich 0 ist. Dies bedeutet entsprechend den bereits erwähnten Determinanten- Eigenschaften, dass die Spalten bzw. Zeilen von A linear unabhängig sind. Entsprechend hat A Höchstrang und das Gleichungssystem A x = b ist eindeutig lösbar, wobei die Elemente dieser eindeutigen Lösung mit Gleichung 1.5 berechenbar sind. 1.4 Kreuz- und Spatprodukt Im R 3 existiert eine spezielle Verknüpfung zweier Vektoren folgender Art: Seien a, b R 3, dann ist a 2 b 3 a 3 b 2 a b := a 3 b 1 a 1 b 3. (1.6) a 1 b 2 a 2 b 1 Man kann dies auch (formal nicht ganz korrekt) schreiben als Determinante: e 1 e 2 e 3 a b = a 1 a 2 a 3 b 1 b 2 b 3. (1.7) Hierbei sind e i die Achseneinheitsvektoren im euklidischen Raum. Das Kreuzprodukt hat eine Reihe von speziellen Eigenschaften. Es gilt a, b, c R 3 und α, β R: a b a und a b b b a = a b (αa + βb) c = α(a c) + β(b c) und a (αb + βc) = α(a b) + β(a c) a b = a (b + αa) = (a + αb) b a b = 0 a und b sind l.a. det(a, b, a b) = a b 2 0. Eine weitere Besonderheit im R 3 ist das Spatprodukt: (a b c) = (b c a) = (c a b) = det(a, b, c). (1.8) Dieses Spatprodukt entspricht dem Volumen des von den Vektoren a, b und c aufgespannten Parallelepipets (Spats), der Betrag des zuvor definierten Kreuzprodukts gleicht dem Flächeninhalt des von a und b aufgespannten Parallelogramms. 1.5 Konjugierte, Transponierte und Adjungierte Matritzen Sei A K n m eine Matrix, dann gibt es eine transponierte Matrix A T K m n, für die gilt: (A T ) ij = A ji. (1.9) Die Transponierte ist also quasi die Spiegelung der Matrix an der Hauptdiagonalen. Eine solche Transponierung ist auch mit Vektoren möglich, da diese im Grunde auch nur Matritzen mit m = 1 (Spaltenvektor) oder n = 1 (Zeilenvektor) sind. Eine weitere Umformung der Matrix A besteht in der komplexen Konjugation. Die konjugierte Matrix bezeichnet man als A. 4
5 Die Matrix, die durch Hintereinanderausführung von komplexer Konjugation und Transponation entsteht, nennt man schließlich Adjungierte von A: A = (A T ) = (A) T. (1.10) Ist K = R, so ist A = A T. Sei im Folgenden V ein Skalarproduktraum, C K n m und B K m p. Für die Rechnung mit den so definierten Matritzen gelten einige Regeln: 1. (A B) = B A 2. (αa) = αa α K 3. (A + C) = A + C 4. I = I T = I 5. (A ) 1 = (A 1 ) falls A invertierbar 6. (Ax y) = (x A y) x, y V. Mit Hilfe von Transponierung und Adjungierung lässt sich auch das euklidische Skalarprodukt zweier Vektoren anders schreiben: (x y) = x T y = y T x = x y, x, y R n (x y) = x T y = x y = y x, x, y C n. 1.6 Orthogonalraum Der Orthogonalraum zu einer Menge an Vektoren ist die Menge der Vektoren aus dem selben Vektorraum, die allesamt orthogonal zu allen Vektoren der ersten Menge stehen. Ist z. B. der gewählte Vektorraum der R 3 und die betrachtete Menge eine Ebene darin, so ist deren Orthogonalraum die Menge ihrer Normalenvektoren. Definiert ist dieser Raum für eine Teilmenge M des Vektorraums V also wie folgt: Weiterhin gilt die Gleichheit M := {v V v w w M}. (1.11) Bild(A) = Kern(A ). (1.12) Dies ist die Gleichheit aus Aufgabe 1 a), die im Hinweis von Aufgabe 18 gemeint ist. Der nachfolgende Beweis findet sich daher auch in der Lösung der Übungsaufgaben auf dem ersten Übungsblatt. Beweis. Sei V = K n und A die Abbildungsmatrix einer linearen Abbildung f : V V, dann gilt für v V : v Bild(A) v Kern(A ). v Bild(A) (v w) = 0 w Bild(A) (v Az) = 0 z K (A v z) = 0 z K A v = 0 v Kern(A ). Da weiterhin gilt, dass (M ) = M, folgt aus Gleichung 1.12 durch beidseitiges Bilden des Orthogonalraumes auch Bild(A) = Kern(A ). (1.13) 5
6 2 Theorie über das Tutorium hinaus 2.1 Determinanten bei Multiplikation und Invertierung Wie bereits erwähnt ist eine Matrix nur dann invertierbar, wenn ihre Determinante ungleich 0 ist. Sollte dies erfüllt sein, so ergibt sich die Determinante der Inversen als deta 1 = 1 deta. (2.1) Weiterhin verhält sich die Determinante multiplikativ, also gilt für A, B K n n, dass det(ab) = det(a) det(b). (2.2) Sucht man zu einer Matrix A K n n die Inverse, so lässt sich diese auch mit Hilfe der Determinanten berechnen als A 1 = 1 B. (2.3) deta Jedes Element der Matrix B berechnet sich als b ik = det(b ik ), wobei B ik die Matrix A ist, in der die i-te Spalte durch den k-ten Einheitsvektor ersetzt wurde. Da diese Definition sehr theoretisch und dank der Indizes nicht sonderlich verständlich ist, soll das folgende Beispiel die Vorgehensweise verdeutlichen. Gegeben sei die Matrix ( ) a b A = K 2 2, c d dann gilt für die vier Matritzen B jk : ( ) ( ) 1 b 0 b B 11 = B 0 d 12 = 1 d B 21 = ( ) a 1 c 0 B 22 = ( ) a 0. c 1 Die Determinanten derer sind schließlich b 11 = d, b 12 = b, b 21 = c und b 22 = a und entsprechend ist die Inverse zu A gegeben durch ( ) A 1 1 d b =, ad cb c a was der Formel zur Invertierung von 2 2-Matrizen entspricht. 2.2 Levi-Civita-Symbol Kreuz- und Spatprodukt lassen sich auch mit dem aus Theo A bekannten Levi-Civita- Symbol umschreiben. In dieser Variante lautet die Darstellung a b = det(a, b, c) = ɛ ijk e i a j b k i=1 3 j=1 k=1 3 i=1 j=1 k=1 3 ɛ ijk a i b j c k. In Einstein scher Summenkonvention (über doppelt auftretende Indizes wird summiert) kann man auch auf die Summenzeichen verzichten, die diese Formel etwas unübersichtlich 6
7 machen. Auch Determinanten lassen sich mit Hilfe von ɛ darstellen. Sei hierzu A R 3 3 und a ij ihr Element in der i-ten Zeile und j-ten Spalte, dann gilt det A = 3 j,k,l=1 ɛ jkl a 1j a 2k a 3l. (2.4) Aus dieser Darstellung lässt sich weiterhin die Regel von Sarrus ablesen, die in Kapitel erklärt wird. Aus der zweidimensionalen Formel folgt analog die Regel für Determinanten von 2 2-Matrizen, welche im selben Kapitel zu finden ist. 3 Aufgaben Die Musterlösungen der Tutoriumsaufgaben 14, 16 und 18 finden sich nach Ablauf der zugehörigen Semesterwoche auf der Internetseite der Vorlesung unter kit.edu/iana3/lehre/hm2phys2016s/. Einige (alternative) Lösungsmöglichkeiten, die in jener nicht bzw. nicht sonderlich ausführlich vorhanden sind, sind im Folgenden aufgeführt. Für die auf dem Übungsblatt verwendeten aber in der obigen theoretischen Zusammenfassung nicht auftauchenden Begriffe Bild und Kern sowie zur (eindeutigen) Lösbarkeit von linearen Gleichungssystemen sei auf das Dokument zur Erinnerung an HM I verwiesen. 3.1 Aufgabe Aufgabenteil a) (iii) Ein Einheitsvektor lässt sich in der Matrix A auf verschiedenste Weisen erzeugen, sowohl durch die Addition von Zeilen als auch Spalten. Eine von der Musterlösung abweichende Möglichkeit besteht so darin, die zweite auf die dritte Zeile zu addieren. Daraus folgt ( ) det A = det = 1 det = 1 (2 ( 2)) = 4, (3.1) wobei nach der dritten Zeile entwickelt wurde Aufgabenteil b) Während zur Bestimmung der Determinanten der Matrix A die Musterlösung eine obere Dreiecksmatrix erzeugt (zur Erinnerung: die Determinanten solcher Matrizen sind nach Kapitel dieses Dokuments gegeben als Produkt der Diagonalelemente), kann man auch eine normale Laplace-Entwicklung z.b. nach der ersten Zeile durchführen: det A = det det (3.2) Man merkt hierbei, dass zwei der Zeilen der zweiten Matrix identisch sind. Daraus folgt direkt, dass deren Determinante Null ist, weshalb die Entwicklung nur an der ersten 7
8 Matrix fortgesetzt werden muss. Verwendet man hierzu deren erste Spalte folgt det A = det det (3.3) Die erste dieser beiden Matrizen kann man nun nach der ersten Spalte oder zweiten Zeile entwickeln oder auch die Regel von Sarrus anwenden. Bei der rechten ist es sinnvoller, zunächst die zweite Zeile auf die dritte zu addieren und dann nach letzterer zu entwickeln: det = det = 3 det ( ) 1 1 = 6. (3.4) 1 1 Daraus folgt schließlich der gesuchte Wert der Determinante der 5 5-Matrix A: 3.2 Aufgabe 18 det A = ( 6) = 6. (3.5) Die offizielle Musterlösung dieser Aufgabe wird zwar hochgeladen, doch bedauerlicherweise finden sich in dieser keine Beschreibungen des Grundes, aus dem die Entwicklung der Matrix auf die Weise durchgeführt wird, wie es im Tutorium besprochen wurde. Eine solche ist in der folgenden Ausarbeitung hinzugefügt worden Aufgabenteil a) Gegeben ist eine Matrix B n (z) C n n mit z C, deren Determinante es zu bestimmen gilt. Diese Matrix hat auf ihrer Hauptdiagonalen stets den Wert 1+z 2 und auf den beiden Nebendiagonalen z stehen. Zur Berechnung ihrer Determinanten definieren wir zunächst die Matritzen B n j (z), wobei j {1,..., n 1} ist. Dies sind die Matritzen mit dem selben Aufbau, jedoch nur mit Dimension n j. Die gegebene Matrix entwickeln wir zunächst nach der ersten Spalte, weil in dieser nur 2 von 0 verschiedene Einträge stehen. Daraus ergibt sich det B n (z) = (1 + z 2 ) det B n 11 z det B n 21, wobei B n ik je die Matrix B n ohne Zeile i und Spalte k ist. Für die erste der beiden nun zu betrachtenden Matritzen gilt B n 11 = B n 1. Bei der zweiten ist die weitere Entwicklung sehr einfach, weil die erste Zeile nur ein einziges Element enthält. Entwickelt man nach dieser, so ergibt sich det B n 21 = z det B n 2. Folglich gilt für die gesuchte Determinante, dass sie sich rekursiv Berechnen lässt über die Determinanten der beiden nächstkleineren Matritzen, also det B n (z) = (1 + z 2 ) det B n 1 (z) z 2 det B n 2 (z). Um nun eine explizite Formel für diesen Wert zu erhalten bestimmt man zunächst die Determinanten der Matritzen B 1 (z) und B 2 (z): det B 1 (z) = det 1 + z 2 = 1 + z 2 ( ) 1 + z 2 z det B 2 (z) = det z 1 + z 2 = (1 + z 2 ) 2 z 2 = 1 + 2z 2 + z 4 z 2 = 1 + z 2 + z 4. 8
9 Daraus kann man nun rekursiv für alle B n (z), n N, n 3 die Determinante bestimmen. Es ist z. B. det B 3 (z) = (1 + z 2 ) det B 2 (z) z 2 det B 1 (z) = 1 + z 2 + z 4 + z 6. Man findet auf diese Weise (ein Beweis findet sich in der Musterlösung), dass det B n (z) = n z 2k. (3.6) k=0 Diese Summe lässt sich auch mit Hilfe der geometrischen Reihe darstellen. Für q 1 gilt n k=0 q k = qn+1 1 q 1. (3.7) Dementsprechend lässt sich die Determinante mit q = z 2 auch ohne Summendarstellung berechnen als { z 2(n+1) 1 z 1 z det B n (z) = 2 1 n + 1 z = 1. (3.8) Aufgabenteil b) Sei b R 3 \ {0} fest und die lineare Abbildung T : R 3 R 3 definiert als T a = a b für a R 3. Gesucht sind im Folgenden die Adjungierte dieser Abbildung sowie ihr Kern und Bild. Wir nutzen die Eigenschaft der Adjungierten aus, dass (T a c) = (a T c): (T a c) = (a b c) = det(a, b, c) = det(c, b, a) = (c b a) = (T c a) = (a T c) = (a T c) = (a T c). }{{} weil a,b,c R 3 Dementsprechend ist in diesem Falle T = T. Wir wissen, dass das Kreuzprodukt von parallelen Vektoren 0 ist (sein Betrag entspricht dem Flächeninhalt des von den beiden Vektoren aufgespannten Parallelogramms) Dementsprechend ist Kern(T ) = {a R 3 T a = 0} = {a R 3 a = λb, λ R} = lin(b). Wir wissen bereits, dass alle Bilder des Kreuzproduktes orthogonal auf den beiden im Produkt stehenden Vektoren sind. Dies lässt sich allerdings auch mathematisch zeigen. Hierzu nutzen wir Gleichung 1.13 und erhalten mit dieser Bild(T ) = Kern(T ) = Kern( T ) = Kern(T ) = lin(b) = {x R 3 (x b) = 0}. Im gegebenen falle des Kreuzproduktes kann man die entsprechenden Mengen natürlich auch anschaulich herleiten, indem man sich darüber im Klaren ist, dass der entstehende Vektor immer orthogonal zu den beiden Vorherigen ist. Bei höher (oder gar unendlich) dimensionalen Abbildungen ist dies allerdings nicht möglich, weshalb hier bereits exemplarisch der mathematisch exakte Weg gewählt wurde, der in jedem Fall funktioniert. 9
HM II Tutorium 5. Lucas Kunz. 22. Mai 2018
HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Wiederholung Lineare Gleichungsysteme................... 2 1.2 Wiederholung: Kern einer Abbildung..................... 3 1.3
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
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
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
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.............................
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
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
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
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
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
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
MehrHM II Tutorium 1. Lucas Kunz. 24. April 2018
HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................
MehrHM II Tutorium 7. Lucas Kunz. 5. Juni 2018
HM II Tutorium 7 Lucas Kunz 5. Juni 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Orthogonalität und Orthonormalbasen.................... 2 1.2 Orthogonalraum................................. 2 1.3 Projektoren...................................
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
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
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
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
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
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
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
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
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
MehrDeterminante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden.
Determinante Die Determinante det A = det(a 1,..., a n ) einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Multilineariät: det(..., αa j + βb j,...) = α det(...,
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
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
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
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
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
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
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)
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 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
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
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:
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
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
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)
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
MehrLernhilfe Höhere Mathematik I
Lernhilfe Höhere Mathematik I Tim Weber 3. 24 Vielen Dank an Andreas del Galdo für seine Zusammenfassung, Jakob Haufe für seine Musterlösungen, Marco Oster für den Abschnitt über QR- Zerlegung, Robert
MehrFerienkurs Mathematik für Physiker I Blatt 3 ( )
Ferienkurs Mathematik für Physiker I WS 6/7 Ferienkurs Mathematik für Physiker I Blatt 3 (9.3.7) Aufgabe : Matrizenrechung 3 (a) Ermitteln Sie für die Matrix A = 3 4 den Ausdruck A + A + A + 6 A3. 3 4
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
MehrHM I Tutorium 14. Lucas Kunz. 9. Februar 2017
HM I Tutorium 4 Lucas Kunz 9. Februar 27 Inhaltsverzeichnis Theorie 2. Lineare Abhängigkeit.............................. 2.2 Lineare Hülle und Basis............................ 2. Matrizen.....................................
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
Mehr3 Lineare Gleichungen
Aufgabe 3. Man löse die lineare Gleichung a 2 x b 2 a a(b ax) b + b2 a = a, a b nach der Unbekannten x auf und diskutiere die möglichen Fälle. a 2 x b 2 a a(b ax) b + b2 a = a a b a 2 bx b 3 a 2 b + a
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
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
MehrZusammenfassung zum Thema Vektor- und Matrizenrechnung
Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,
Mehr3 Lineare Gleichungssysteme
3 Lineare Gleichungssysteme 3 Fortsetzung des Matrizenkalküls Als erstes beweisen wir einen einfachen Satz über den Rang von Matrizenprodukten Satz 3 (a) Für Matrizen A : Ã l m, B : Ã m n gilt rang AB
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
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
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
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
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
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
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
Mehr7 Determinanten. f i : Mat n n (K) K. j=1 ( 1)i+j a ij D(A ij )
7 Determinanten Im folgenden betrachten wir quadratische Matrizen. Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a
Mehr1 Darstellungsmatrizen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v
Mehr7 Determinanten. D ist alternierend g.d.w. für alle i j gilt:
7 Determinanten Im folgenden betrachten wir quadratische Matrizen Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
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
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
Mehr$Id: det.tex,v /01/13 14:27:14 hk Exp $ 8.2 Definition und Grundeigenschaften der Determinante D 2. oder A = D r
$Id: dettex,v 126 2017/01/13 14:27:14 hk Exp $ 8 Determinanten 82 Definition und Grundeigenschaften der Determinante In der letzten Sitzung haben wir die Determinante einer allgemeinen n n-matrix definiert
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
MehrBasistext Determinanten
Basistext Determinanten Definition In der Linearen Algebra ist die Determinante eine Funktion die einer quadratischen Matrix eine Zahl zuordnet. Die Funktion wird mit det abgekürzt. Die runden Matrixklammern
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
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
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
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10
D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)
MehrLineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18.
Goethe-Universität Frankfurt Institut für Mathematik Lineare Algebra Wintersemester 218/19 Prof Dr Jakob Stix Martin Lüdtke Übungsblatt 11 15 Januar 219 Aufgabe 1 (5=1+1+1,5+1,5 Punkte) Berechnen Sie die
MehrSerie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:
Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) 1 1 1 1 1 2 1 1 1 b) 1 2 1 1 1 1 2 1 1 1 1 2 1 2 3 1 c) 1 3 3 2 2 1 5 3 1 2 6 1 [Lösung]
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
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
Mehr9 Determinanten. ax = b, so ist dies genau dann lösbar, wenn a 6= 0gilt. Daher definiert man als Determinante
9 Determinanten Historisch von großer edeutung war die Fragestellung, ob ein gegebenes lineares Gleichungssystem eine Lösung besitzt Zu einer gegebenen Matrix ist man daran interessiert diese Lösbarkeit
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/
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
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 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
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
Mehr1 Bestimmung der inversen Matrix
Inhaltsverzeichnis 1 Bestimmung der inversen Matrix Die inverse Matrix A 1 zu einer Matrix A kann nur bestimmt werden, wenn die Determinante der Matrix A von Null verschieden ist. Im folgenden wird die
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07032016-11032016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Lineare Abbildungen 2 11 Homomorphismus 2 12 Kern
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
MehrCramersche Regel. Satz 2.26
ramersche Regel Satz 6 Es sei A R n n eine quadratische Matrix mit det(a) 6= Für das LGS Ax = b sei A j := (a,,a j, b, a j+,,a n ), also die Matrix, die entsteht, wenn in A die j-te Spalte durch den Vektor
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
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
Mehr