Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
|
|
- Tomas Albrecht
- vor 5 Jahren
- Abrufe
Transkript
1 2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische Handhabbarkeit 15
2 Zu klärende Begriffe: Definition und Formen einer Matrix Rechnen mit Matrizen Rang einer Matrix Inversion einer Matrix Spur einer Matrix Definite und semidefinite Matrizen Blockmatrizen Rechnen mit Blockmatrizen 16
3 2.1 Definitionen, Notationen, Terminologie Definition 2.1: (Matrix) Eine Matrix A ist eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., m; j = 1,..., n): A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A besteht also aus m Zeilen, n Spalten und somit aus m n Elementen a ij Zur Verdeutlichung der Größe der Matrix bezeichnet man A auch als (m n)-matrix.. 17
4 Bemerkungen: (I) Eine reelle Zahl ist eine (1 1)-Matrix (Skalar) Eine (m 1)-Matrix ist ein Spaltenvektor Eine (1 n)-matrix ist ein Zeilenvektor Eine (n n)-matrix heißt quadratisch Die Hauptdiagonale einer quadratischen (n n)-matrix ist gegeben durch die Elemente a 11, a 22,..., a nn 18
5 Bemerkungen: (II) Eine (m n)-matrix mit lauter Nullen wird mit 0 m n bezeichnet Eine quadratische (n n)-matrix mit lauter Einsen in der Hauptdiagonalen und lauter Nullen sonst wird Einheitsmatrix genannt und mit I n bezeichnet, d.h. I n =
6 Definition 2.2: (Transponierte, symmetrische Matrix) Gegeben sei die (m n)-matrix A. Vertauscht man die Zeilen und Spalten von A, so ergibt sich die transponierte (n m)-matrix A : a 11 a 21 a m1 A a = 12 a 22 a m a 1n a 2n a mn Gilt für die quadratische (n n)-matrix A A = A,. so heißen die Matrizen A bzw. A symmetrisch. 20
7 Beispiele und Bemerkungen: (I) Die Transponierte der Matrix ist A = A = Die Transponierte eines Zeilenvektors ist ein Spaltenvektor Die Transponierte eines Spaltenvektors ist ein Zeilenvektor 21
8 Beispiele und Bemerkungen: (II) So ist z.b. a = [ ], a = 2 3 1, (a ) = [ ] Die Transponierte der Transponierten einer beliebigen (m n)-matrix A ist die Matrix A selbst, d.h. (A ) = A 22
9 2.2 Rechnen mit Matrizen Jetzt: Definition von Matrizen-Addition skalarer Multiplikation Matrizen-Multiplikation 23
10 Definition 2.3: (Matrizen-Addition) Gegeben seien zwei (m n)-matrizen A, B. Unter der Matrizen- Addition von A und B versteht man die elementweise Addition, d.h. A + B = a 11 + b 11 a 12 + b 12 a 1n + b 1n a 21 + b 21 a 22 + b 22 a 2n + b 2n a m1 + b m1 a m2 + b m2 a mn + b mn Die Matrizen-Subtraktion ist entsprechend als elementweise Subtraktion definiert.. 24
11 Bemerkungen: Die Definition führt zu einigen Rechenregeln Es gilt: A + 0 m n = A A + B = B + A A + B = (A + B) (A + B) + C = A + (B + C) 25
12 Jetzt: Zwei Arten von Multiplikationen mit Matrizen Definition 2.4: (Skalare Multiplikation) Es seien λ R eine reelle Zahl und A eine (m n)-matrix. Unter der Skalar-Multiplikation von A mit λ versteht man die elementweise Multiplikation von A mit λ, d.h. λ A = λa 11 λa 12 λa 1n λa 21 λa 22 λa 2n λa m1 λa m2 λa mn. 26
13 Jetzt: Formal komplizierteres Matrizen-Produkt Definition 2.5: (Matrizen-Multiplikation) Es seien A eine (m n)- und B eine (n q)-matrix. Dann ist das Matrizen-Produkt von A und B definiert als diejenige (m q)- Matrix C, für die gilt: AB = C, wobei sich das Element in der i-ten Zeile und j-ten Spalte der Matrix C berechnet als c ij = n k=1 a ik b kj. 27
14 Beispiele: Matrix-Produkt einer (2 2)- mit einer (2 3)-Matrix: [ ] [ ] a11 a A = 12 b11 b, B = 12 b 13 a 21 a 22 b 21 b 22 b 23 Es folgt: [ a11 b AB = 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 11 b 13 + a 12 b 23 a 21 b 11 + a 22 b 21 a 21 b 12 + a 22 b 22 a 21 b 13 + a 22 b 23 ] Produkt zweier (gleichlanger) Vektoren: a = [ a 1 a 2 a n ], b = [ b1 b 2 b n ] Es folgt: ab = a 1 b 1 + a 2 b a n b n = n i=1 a i b i 28
15 Bemerkungen: (I) Vorsicht: Matrizenprodukt ist nicht kommutativ, d.h. im allgemeinen gilt AB BA Beispiel: A sei (2 3)- und B sei (3 2)-Matrix AB ist eine (2 2)-, BA jedoch eine (3 3)-Matrix Es sei A eine (m n)-matrix. Dann gilt: AI n = A I m A = A A0 n p = 0 m p 0 k m A = 0 k n 29
16 Bemerkungen: (II) Es seien A, B, C, D Matrizen entsprechender Größe, so dass die jeweiligen Matrixoperationen zulässig sind. Dann gilt: (AB)C = A(BC) (A + B)C = AC + BC A(B + C) = AB + AC (A + B)(C + D) = AC + AD + BC + BD (AB) = B A (ABC) = C B A Für einen beliebigen Skalar λ R gilt: λab = AλB = ABλ 30
17 Definition 2.6: (Idempotente Matrizen) Eine quadratische (n n)-matrix A heißt idempotent, falls AA = A gilt. Beispiel: Jede Einheitsmatrix I n ist idempotent 31
18 2.3 Rang und Inversion einer Matrix Definition 2.7: (Lineare Unabhängigkeit) Es seien λ 1,..., λ n R Skalare sowie a 1,..., a n verschiedene (m 1)-Spaltenvektoren. Unter einer Linearkombination der Vektoren versteht man einen Ausdruck der Form λ 1 a λ n a n. a 1,..., a n heißen linear unabhängig, falls sich der Nullvektor 0 m 1 nur als eine Linearkombination der Vektoren darstellen lässt, in der alle Skalare gleichzeitig null sind, d.h. falls gilt: λ 1 a λ n a n = 0 m 1 ist nur erfüllt für λ 1 = λ 2 = = λ n = 0. Lässt sich der Nullvektor 0 m 1 dagegen als eine Linearkombination darstellen, bei der mindestens ein Skalar λ i 0 ist, so heißen die Vektoren a 1,..., a n linear abhängig. 32
19 Bemerkungen: Sind die Vektoren a 1,..., a n linear abhängig, so lässt sich mindestens einer von ihnen als Linearkombination aller anderen darstellen Begriff der linearen Unabhängigkeit führt zum Begriff des Ranges einer Matrix Definition 2.8: (Spalten-, Zeilenrang) Als Spaltenrang bzw. Zeilenrang einer (m n)-matrix A bezeichnet man die maximale Anzahl der linear unabhängigen Spaltenbzw. Zeilenvektoren dieser Matrix. 33
20 Bemerkungen: Es lässt sich zeigen, dass der Spalten- und der Zeilenrang einer (m n)-matrix A stets übereinstimmen Es genügt, vom Rang der Matrix A zu sprechen Notation: rang(a) Der Rang der Matrix A kann niemals größer sein als die kleinere der beiden Zahlen m und n: rang(a) min(m, n) Weiterhin gilt: rang(a ) = rang(a) rang(a A) = rang(aa ) = rang(a) rang(i n ) = n 34
21 Definition 2.9: (Reguläre Matrizen, inverse Matrizen) (a) Man sagt, eine (m n)-matrix A hat vollen Rang, falls rang(a) = min(m, n) gilt. (b) Eine quadratische (m m)-matrix A mit vollem Rang (d.h. rang(a) = m) wird als reguläre Matrix bezeichnet. Andernfalls ist die quadratische Matrix A eine singuläre Matrix. (c) Zu jeder regulären (m m)-matrix A existiert eine Matrix A 1 mit der folgenden Eigenschaft: AA 1 = I m. Die Matrix A 1 wird als die inverse Matrix von A bezeichnet. 35
22 Bemerkungen: (I) Ist die (m m)-matrix A singulär, so besitzt sie keine Inverse Die Inverse A 1 einer regulären Matrix A ist ebenfalls regulär und es gilt: ( A 1 ) 1 = A Weiterhin gilt (λ R): ( A 1 ) = ( A ) 1 (λa) 1 = λ 1 A 1 [ (A A ) 1 ] = ( A A ) 1 36
23 Bemerkungen: (II) Für die drei regulären (m m)-matrizen A, B, C gilt: (AB) 1 = B 1 A 1 (ABC) 1 = C 1 B 1 A 1 37
24 2.4 Die Spur einer Matrix Definition 2.10: (Spur einer (quadratischen) Matrix) Es sei A eine quadratische (m m)-matrix. Die Spur der Matrix A [in Zeichen: tr(a)], ist definiert als die Summe ihrer Hauptdiagonalelemente: tr(a) = m i=1 a ii. Bemerkungen: (I) Für die Spur der Einheitsmatrix I n gilt offensichtlich tr(i n ) = n 38
25 Bemerkungen: (II) Weiterhin gelten für den Skalar λ R und die quadratischen (m m)-matrizen A und B die folgenden Rechenregeln: tr(λ) = λ tr(a) = tr(a ) tr(λa) = λ tr(a) tr(ab) = tr(ba) tr(a + B) = tr(a) + tr(b) 39
26 2.5 Differentiation linearer Funktionen Jetzt: Betrachte zwei (m 1)-Vektoren a, b Für ihr Produkt gilt: a b = a 1 b a m b m = m i=1 a i b i Es seien a 1,..., a m fest gewählte Konstanten und b 1,..., b m unabhängige Veränderliche a b ist eine lineare Funktion (in b 1,..., b m ) a b kann nach b 1,..., b m partiell differenziert werden 40
27 Definition 2.11: (Gradient) Es sei f : R m R mit (x 1,, x m ) f(x 1,, x m ) eine partiell differenzierbare Funktion. Unter dem Gradienten von f (in Zeichen: grad(f) oder f/ x) versteht man die in einem Spaltenvektor zusammengefassten m partiellen Ableitungen grad(f) = f x = f/ x 1 f/ x 2. f/ x m. 41
28 Bemerkungen: Für den Gradienten der linearen Funktion gilt: f(b 1,, b m ) = grad(f) = a b b = m i=1 (a b)/ b 1 (a b)/ b 2. (a b)/ b m a i b i = a b = a 1 a 2. a m = a Ferner gilt: a b = m i=1 a i b i = m i=1 b i a i = b a und somit b a b = a 42
29 2.6 Quadratische Formen, definite und semidefinite Matrizen Jetzt: Weitere wichtige Klasse funktionaler Matrixformen Definition 2.12: (Quadratische Form) Es sei b ein (m 1)-Vektor und A eine quadratische (m m)- Matrix. Als quadratische Form bezeichnet man den Multiplikationsausdruck b Ab. 43
30 Bemerkungen: (I) Ausgeschrieben lautet die quadratische Form b Ab = b (Ab) = [ ] b 1 b 2 b m a 11 b 1 + a 12 b a 1m b m a 21 b 1 + a 22 b a 2m b m. a m1 b 1 + a m2 b a mm b m = b 1 (a 11 b 1 + a 12 b a 1m b m ) + b 2 (a 21 b 1 + a 22 b a 2m b m ). + b m (a m1 b 1 + a m2 b a mm b m ) 44
31 Bemerkungen: (II) Für die partiellen Ableitungen nach (b 1,, b m ) gilt: (b Ab) b 1 = (a 11 b 1 + a 12 b a 1m b m ) + b 1 a 11 + b 2 a b m a m1 (b Ab) b 2 = b 1 a 12 + (a 21 b 1 + a 22 b a 2m b m ) + b 2 a 22 + b 3 a b m a m2. (b Ab) b m = b 1 a 1m + b 2 a 2m + + (a m1 b 1 + a m2 b a mm b m ) + b m a mm 45
32 Bemerkungen: (III) Ist die Matrix A zusätzlich symmetrisch (d.h. a ij = a ji ), so ergibt sich der Gradient als (b Ab) b (Beweis: Übungsaufgabe) a 11 a 12 a 1m a = 2 21 a 22 a 2m a m1 a m2 a mm b 1 b 2. b m = 2Ab Weitere Matrixeigenschaften: Definitheit, Semidefinitheit 46
Matrizen 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
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
MehrFH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn
FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB./7. November 2008 Prof. Dr. H.-R. Metz (Matrix) Matrizen 1 Ein System von Zahlen a ik, die rechteckig in m Zeilen und n Spalten angeordnet
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
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
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
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
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
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
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
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
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
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
Mehroder A = (a ij ), A =
Matrizen 1 Worum geht es in diesem Modul? Definition und Typ einer Matrix Spezielle Matrizen Rechenoperationen mit Matrizen Rang einer Matrix Rechengesetze Erwartungswert, Varianz und Kovarianz bei mehrdimensionalen
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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)
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
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
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
MehrMethoden der Ökonometrie
Methoden der Ökonometrie Matrixalgebra und Statistische Grundlagen Philipp Czap WS 2011/2012 (Universität Trier) Methoden der Ökonometrie 10/2011 1 / 44 Hinweise Vorlesung: Mittwoch: 10-12 Uhr C 01 (deutsch),
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
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
MehrMATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...
MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt
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
MehrAngewandte Multivariate Statistik Prof. Dr. Ostap Okhrin
Angewandte Multivariate Statistik Angewandte Multivariate Statistik Prof. Dr. Ostap Okhrin Ostap Okhrin 1 of 46 Angewandte Multivariate Statistik A Short Excursion into Matrix Algebra Elementare Operationen
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
MehrMatrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 71 Reelle Matrizen Prof Dr Erich Walter Farkas Mathematik I+II, 71 Reelle Matrizen 1 / 31 1 2 3 4 Prof Dr Erich
MehrMathematik 1 für Wirtschaftsinformatik
für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Komplexe Zahlen 5 Lineare Algebra 6 Lineare Programme 5 Lineare Algebra
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrKapitel 1. Matrizen und lineare Gleichungssysteme. 1.1 Matrizenkalkül (Vektorraum M(n,m); Matrixmultiplikation;
Kapitel 1 Matrizen und lineare Gleichungssysteme 11 Matrizenkalkül (Vektorraum M(n,m; Matrixmultiplikation; Transposition; Spalten- und Zeilenvektoren Matrizen sind im Prinzip schon bei der schematischen
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
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 32 8 Lineare Algebra: 1 Reelle Matrizen Grundbegriffe Definition
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
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
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
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
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.
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
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
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
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.............................
MehrWirtschaftsmathematik Formelsammlung
Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2019 (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
MehrTutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
MehrEinführung in die Matrixalgebra
Einführung in die Matrixalgebra Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Bachelor S. Garbade (SRH Heidelberg) Matrixalgebra Bachelor
MehrMathematik 1 Bachelorstudiengang Maschinenbau
Mathematik 1 Bachelorstudiengang Maschinenbau Prof Dr Stefan Etschberger Hochschule Augsburg Sommersemester 2012 Übersicht 4 Lineare Algebra 1 Grundlegendes 2 Aussagenlogik 3 Mengen 4 Lineare Algebra Lernziele
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
MehrLineare Algebra 1. . a n1 a n2 a n3 a nm
Lineare Algebra 1 Lineare Algebra Hilfreiche Konzepte zur Vereinfachung der Darstellung und Berechnung stellt die lineare Algebra bereit. Auch wenn sie nur an wenigen Stellen des Buches verwendet wurden,
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:
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
MehrLektion 3. 1 Theorie. NTS1-P Natur, Technik und Systeme 1 Praktikum Herbstsemester 2012
NTS1-P Natur, Technik und Systeme 1 Praktikum Herbstsemester 2012 Dr Christoph Kirsch ZHAW Winterthur Lektion 3 In dieser Lektion werden Sie in MATLAB mit Vektoren und Matrizen rechnen 1 Theorie Wie Sie
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen an die Vorlesung: Im Folgenden werden einige
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
MehrMatrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen Matrizen 28. November 2007 Summe & Produkt Beispiel: Einwohnerzahlen Beispiel Addition Multiplikation Inverse Addition & Multiplikation Anwendung
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
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
MehrLineare Algebra. Beni Keller SJ 16/17
Lineare Algebra Beni Keller SJ 16/17 Matritzen Einführendes Beispiel Ein Betrieb braucht zur Herstellung von 5 Zwischenprodukten 4 verschiedene Rohstoffe und zwar in folgenden Mengen: Z 1 Z 2 Z Z 4 Z 5
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
Mehr3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik 2 Dr. Thomas Zehrt Vektoren und Matrizen Inhaltsverzeichnis Vektoren(Wiederholung bzw. Selbststudium 2. Linearkombinationen..............................
MehrMatrizen Matrizen
Matrizen 29 2 Matrizen Wir beschäftigen uns in diesem Kapitel mit Matrizen. Sie eignen sich insbesondere zur Darstellung von Gleichungssystemen und linearen Abbildungen. Wir führen eine Addition und eine
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
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
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem y + z = 1 + y z
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMathematik 2 für ET. Vektoren in R n und C n. Addition von Vektoren Multiplikation von Vektor und Skalar. Der Nullvektor 0 =
Mathematik 2 für ET # 0 by Clifford Wolf # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit Das Lernen mit Lernkarten funktioniert
MehrMathematik 2 für ET # 0 by Clifford Wolf. Mathematik 2 für ET
Mathematik 2 für ET # 0 by Clifford Wolf Mathematik 2 für ET # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das Lernen
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
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
MehrMatrizen. Stefan Keppeler. 19. & 26. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 19. & 26. November 2008 Definition, Summe & Produkt Transponierte Beispiel: Einwohnerzahlen Leslie-Populationsmodell Beispiel Addition Multiplikation
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
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
MehrGrundlagen der linearen Algebra
WINTERSEMESTER 006/07 SEITE Grundlagen der linearen Algebra. Grundbegriffe. Vektoren Aus der Vektorrechung ist bekannt, daß ein Vektor im zweidimensionalen Raum R bei gegebenem Koordinatensystem durch
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)
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
Mehr= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 9 20. Mai 2010 Kapitel 9. Matrizen und Determinanten Der Begriff der Matrix Die transponierte Matrix Definition 84. Unter einer (reellen) m n-matrix
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
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrMathematik 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
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Argumentationstechniken PLUS Direkter Beweis einer Implikation A B (analog
Mehr