a a a a a a a a a a a a a a a
|
|
- Waltraud Hermann
- vor 5 Jahren
- Abrufe
Transkript
1 7 Lineare lgebra 7.1 Matrizen a a a k a a a a a a a a a a a a a n k 2n i1 i2 in m1 m2 mk mn i-te Zeile m Zeilen n Spalten k-te Spalte a : Matrixelement i 1,2,...,m k 1,2,...,n i: Zeilenindex k: Spaltenindex m: nzahl der Zeilen n: nzahl der Spalten
2 nmerkungen 1. Eine Matrix ist ein geordnetes Zahlenschema und besitzt daher keinen Wert 2. Schreibweisen für eine Matrix:, (m,n), (a ), (a ) (m,n) 3. er Platz, den ein Matrixelement a innerhalb der Matrix einnimmt, ist durch die beiden Indizes i und k eindeutig festgelegt. 4. Sonderfall m n ie Matrix wird als n - reihige, quadratische Matrix bezeichnet. Beispiel: Zeilen a 11 3 a 12 2 a 13 7 a Spalten a 21-2 a 22 6 a 23 0 a 24 5 Spezielle Matrizen Nullmatrix 0 Spaltenmatrix Spaltenvektor a1 a 2 ( m, 1) : a m Zeilenmatrix ( ) ( 1, n) a1, a2,..., a n
3 7.1.1 Transponierte einer Matrix Man erhält die Transponierte T der Matrix, wenn in einer Matrix Zeilen und Spalten miteinander vertauscht werden. 1. a T a ki für alle i und k 2. Ist vom Typ (m,n) so ist T vom Typ (n,m) maliges Transponieren führt zur usgangsmatrix ( T ) T T Quadratische Matrizen a11 a12 a1 a21 a22 a2 a a a n1 n2 nn n n Nebendiagonale Hauptdiagonale Hauptdiagonale: Nebendiagonale: von links oben nach rechts unten von rechts oben nach links unten
4 iagonalmatrix: a a a nn Einheitsmatrix: Sonderfall der iagonalmatrix reiecksmatrix: E lle Elemente liegen unter - oder oberhalb der Hauptdiagonalen untere reiecksmatrix obere a a21 a22 0 a a a n1 n2 nn oder a11 a12 a1 0 a22 a2 0 0 a n n nn
5 Symmetrische Matrix: a a ki spiegelsymmetrisch zur Hauptdiagonalen Gleichheit von Matrizen B a b
6 7.1.4 Rechenoperationen von Matrizen ddition / Subtraktion ( ) und B ( ) a b C + B ( c ) c a + b Summe B ( d ) d a b ifferenz Multiplation einer Matrix mit einem Skalar λ λ ( a ) ( λ a )
7 Multiplation von Matrizen C B C Zeilenzahl ( 2, 3) ( 3, 4) ( 2, 4) Spaltenzahl B C ( m, n) ( n, p) ( m, p) C B ist nur möglich, wenn die Spaltenzahl von mit der Zeilenzahl von B übereinstimmt ( ) ( 1 ( 1) ( 1)) ( ) ( ) ( ( 1) ) ( 0 ( 1) + ( 1) ( 1)) ( ( 1) ) ( ( 1) ) C
8 as Matrizenelement c des Matrizenproduktes B ist das Produkt aus dem i - ten Zeilenvektor von und k - ten Spaltenvektor von B C Zeilenvektor von ( 1 5 6) 3. Spaltenvektor von B C Rechengesetze ssoziativgesetz: (BC) (B)C istributivgesetze: (B+C) B+BC (+B)C C+BC Weitere Gesetze: (B) T B T T E E
9 7.2 eterminanten 2-reihige, quadratische Matrix ef.: Eine eterminante einer 2-reihigen, quadratischen Matrix ( a ) ist die Zahl a a a a a a a a det,, a Hauptdiagonale Nebendiagonale , B , C det 3 4 ( 2) det B 5 ( 6) ( 10) det C
10 reireihige eterminante Z.B. ein lineares Gleichungssystem mit drei Gleichungen (also 3 Unbekannten) a x + a x + a x c a x + a x + a x c a x + a x + a x c muß auf seine Lösbarkeit hin untersucht werden. azu ist die Berechnung der eterminanten notwendig. ef.: eterminante einer 3-reihigen, quadratischen Matrix ( ) ist die Zahl a a a a a a a a a a a a a a a a a a a a a a a a a a a a Sarrus - Regel (-) (-) (-) a a a a a a a a a a a a a a a Nur für 3-reihige eterminanten
11 7.2.1 Entwicklung einer eterminante nach Unterdeterminanten (LPLCEscher Entwicklungssatz) Unterdeterminante ( 2) algebraisches Komplement: i+ k ( 1) ( 1) ( 1) ( 17) Unterdeterminante algebraisches Komplement ( 1) ( 1)
12 Eine 3-reihige eterminante hat insgesamt neun zweireihige Unterdeterminanten: 11, 12, 13 21, 22, 23 31, 32, 33 ie 3-reihige eterminante läßt sich in Form: darstellen. abei bedeuten: a a a a11 a12 a13 a22 a23 a21 a22 a23 a a a a a32 a33 a a a a11 a12 a13 a21 a23 a21 a22 a23 a a a a a31 a33 a a a a11 a12 a13 a21 a22 a21 a22 a23 a a a a a31 a32 a a a
13 Oder unterverwendung der algebraischen Komplemente i k ( 1) a + a + a a k 1 k k 1 Eine 3-reihige eterminante läßt sich aber genauso nach den Elementen der 2. oder 3. Zeile entwickeln. ie Entwicklungsformel lautet: a + a + a a k 2 k k 1 uch die Entwicklung nach den Elementen der 1., 2. oder 3. Spalte ist möglich. 3 3 a + a + a a i 1 i 1 i 1 3 LPLCEscher Entwicklungssatz: Entwicklung nach der i-ten Zeile: a i 3 k 1 Entwicklung nach der k-ten Spalte: a k 3 i 1 1, 2, 3 1, 2, 3 i k ( 1) +
14 7.2.2 eterminanten höherer Ordnung det a a a n a a a n a a a n1 n2 nn as Ziel heißt: die eterminante zu berechnen. Lösung: urch Entwicklung nach den Elementen einer Zeile oder Spalte läßt sich die Ordnung einer eterminante reduzieren a a a a a21 a22 a23 a24 det a a a a a a a a a + a + a + a k 1 a 1 k 1 k
15 Beispiel: ( 3) ( 6) + ( 3) ( 4) ie Berechnung der 3-reihigen Unterdeterminanten erfolgte dabei nach der Regel von Sarrus.!! Nachrechnen!!
16 Beispiel: det ( 5) llgemein legen wir für eine eterminante n-ter Ordnung die folgende Entwicklungsvorschrift fest: n det a a + a a k 1 1k 1k n 1n nach den Elementen der ersten Zeile. abei ist 1k 1 k ( 1) + 1 k (n-1)-reihige Unterdeterminante 1k
17 7.2.3 LPLCEscher Entwicklungssatz Eine n-reihige eterminante läßt sich nach den Elementen einer beliebigen Zeile oder Spalte entwickeln: Entwicklung nach der i-ten Zeile: n a ( i 1, 2,..., n) k 1 Entwicklung nach der k-ten Spalte: n a ( k 1, 2,..., n) i 1 i k ( 1) + : (n-1)-reihige Unterdeterminante
18 7.2.4 eterminantengesetze Rechenregeln für n-reihige eterminanten Regel 1: Regel 2: Regel 3: Regel 4: Regel 5: Regel 6: er Wert einer eterminante ändert sich nicht, wenn Zeilen und Spalten miteinander vertauscht werden. Beim Vertauschen zweier Zeilen (oder Spalten) ändert eine eterminante ihr Vorzeichen. Werden die Elemente einer beliebigen Zeile (oder Spalte) mit einem reellen Skalar λ multipliziert, so multipliziert sich die eterminante mit λ. Eine eterminante wird mit einem reellen Skalar λ multipliziert, indem man die Elemente einer beliebigen Zeile (oder Spalte) mit λ multipliziert. Besitzen die Elemente einer Zeile (oder Spalte) einen gemeinsamen Faktor λ, so darf dieser vor die eterminante gezogen werden. Eine eterminante besitzt den Wert Null, wenn sie mindestens eine der folgenden Bedingungen erfüllt: 1. lle Elemente einer Zeile (oder Spalte) sind Null. 2. Zwei Zeilen (oder Spalten) sind gleich. 3. Zwei Zeilen (oder Spalten) sind zueinander proportional. 4. Eine Zeile (oder Spalte) ist als Linearkombination der übrigen Zeilen (oder Spalten) darstellbar.
19 Regel 7: Regel 8: er Wert einer eterminante ändert sich nicht, wenn man zu einer Zeile (oder Spalte) ein beliebiges vielfaches einer anderen Zeile (bzw. Spalte) addiert. Multiplationstheorem für eterminanten Für zwei n-reihige Matrizen und B gilt stets det( B) (det ) (det B) d.h. die eterminante eines Matrizenproduktes B ist gleich dem Produkt der eterminanten der beiden Faktoren und B. Regel 9: ie eterminante einer n-reihigen reiecksmatrix besitzt den Wert det a 11 a a nn d.h. die eterminante einer reiecksmatrix ist gleich dem Produkt der Hauptdiagonalelemente.
20 Beispiel: Bestimme die eterminanten von folgenden Matrizen: B C det 0 lle Elemente der 2. Zeile sind 0 Regel 6.1 det B 0 Zeile 1 und Zeile 2 sind zueinander proportional det C 0 Spalte 1 und Spalte 3 sind gleich Regel 6.2
21 Beispiel: B Berechne die eterminante des Matrizenproduktes B Regel 8 det( B) (det ) (det B) Beispiel: Nach Regel 9 ist (für eine reiecksmatrix) det ( 3) 144
22 7.2.5 Praktische Berechnung einer n-reihigen eterminante Entwickelt man eine 5-reihige eterminante nach LPLCE, so erhält man zunächst fünf 4-reihige Unterdeterminanten und aus jeder dieser 4-reihigen eterminanten durch abermalige Entwicklung vier 3-reihige Unterdeterminanten. x x x x x x o o o o x o o o o x o o o o x o o o o n 5 n 4 n 4 n 4 n 4 n 4 (fünf 4-reihige Unterdeterminanten) Entwickelt man eine 6-reihige eterminante nach dem gleichen Schema, so erhält man nach drei Entwicklungsschritten bereits reihige eterminanten.
23 Elementare Umformungen einer eterminante ie folgenden elementaren Umformungen verändern den Wert einer eterminante nicht: 1. Ein den Elementen einer Zeile (oder Spalte) gemeinsamer Faktor darf vor die eterminante gezogen werden. 2. Zu einer Zeile (oder Spalte) darf ein beliebiges Vielfaches einer anderen Zeile (bzw. anderen Spalte) addiert werden. 3. Zwei Zeilen (oder Spalten) dürfen vertauscht werden, wenn gleichzeitg das Vorzeichen der eterminante geändert wird. Praktische Berechnung einer n-reihigen eterminante (n>3) ie Berechnung einer n-reihigen eterminante (n>3) erfolgt zweckmäßigerweise nach folgendem Schema: 1. Mit Hilfe elementarer Umformungen werden zunächst die Elemente einer Zeile (oder Spalte) bis auf eines zu Null gemacht. 2. ann wird die n-reihige eterminante nach den Elementen dieser Zeile (oder Spalte) entwickelt. Man erhält genau eine (n-1)-reihige Unterdeterminante. 3. as unter 1. und 2. beschriebene Verfahren wird auf die (n-1)-reihige Unterdeterminante angewandt und führt zu einer einzigen (n-2)-reihigen Unterdeterminante. urch wiederholte Reduzierung gelangt man schließlich zu einer einzigen 3-reihigen eterminante, deren Wert nach der Regel von Sarrus zu berechnen ist.
24 Beispiel: as Ziel ist es die Elemente einer Zeile (oder Spalte) bis auf eines zu Null zu machen. 1. Zunächst wird die 4. Zeile mit 2 multipliziert 2. ie Zeile wird zur 1. Zeile addiert
25 Beispiel: Wir versuchen die erste Zeile zu Null zu bringen Spalte multipliziert mit und 2. addiert zur 4. Spalte ergibt
26 3. Zur 2. Spalte wird die erste addiert: Von der 4. Zeile wird die erste subtrahiert: ( 1)
27 7.2.6 Ergänzungen Reguläre / Singuläre Matrix ist Reguläre Matrix det 0 Gilt nur für quadratische ist Singuläre Matrix det 0 Matrix Beispiel: Ist regulär? det 21 0 regulär B det B ( 4) ( 3) singulär
28 Inverse Matrix n-reihige quadratische Matrix X E X inverse Matrix E Einheitsmatrix 1. Eine quadratische Matrix besitzt genau eine Inverse 2. Besitzt eine Matrix eine inverse Matrix 1, so heißt invertierbar (umkehrbar) 1 - Kehrmatrix, Umkehrmatrix, Inverse E 4. Eine Matrix ist invertierbar, wenn - eine quadratische Matrix ist - det 0 ; eine reguläre Matrix ist adj - adjungierte Matrix 1 1 det mit n n2 1n 2n nn i k ( 1 ) + ; (n-1)-reihige Unterdeterminante
29 Man beachte die Reihenfolge der Indizes. In der i-ten Zeile und k-ten Spalte von 1 befindet sich das algebraische Komplement ki und nicht etwa (Vertauschung der beiden Indizes) adj T ( ) n n n1 n2 nn T n n2 1n 2n nn adj det 1 1
30 Beispiel: Bilde die Inverse zu sie ist quadratisch 2. det 1 0 sie ist regulär Mit 1. und 2. ist invertierbar (umkehrbar) adj. det ( 1) ( 1) 1+ 1 ( 1) 2+ 1 ( 1) ( 1) ( 1) ( 1) ( 1) 1+ 3 ( 1) 2+ 3 ( 1) Unterdeterminanten
31 ie Inverse Matrix zu lautet: Zur Probe E FLK-Schema zur Multiplation der Matrizen
32 Rang einer Matrix - Es sei eine Matrix ( m, n) vorgegeben. - Man bilde alle möglichen Unterdeterminanten dieser Matrix, betrachte aber nur diejenigen unter ihnen, die einen von Null verschiedenen Wert besitzen. - Unter ihnen gibt es dann mindestens eine Unterdeterminante von, die im Vergleich zu allen übrigen die höchste Ordnung besitzt. - ie Ordnung r dieser Unterdeterminante von heißt dann der Rang r der Matrix. Wir definieren daher: Unter dem Rang einer Matrix vom Typ (m,n) wird die höchste Ordnung r aller von Null verschiedenen Unterdeterminanten von verstanden. Rg( ) r
33 nmerkungen: 1. r ist höchstens gleich der kleineren der beiden Zahlen m und n: r m m n für n n < m Rangbestimmung einer Matrix unter Verwendung von Unterdeterminanten er Rang r einer (m,n)-matrix kann wie folgt bestimmt werden (für m n): 1. Zunächst werden die m-reihigen Unterdeterminanten von berechnet. Es ist r m, wenn es unter ihnen wenigstens eine von Null verschiedene eterminante gibt. 2. Verschwinden aber sämtliche m-reihigen Unterdeterminanten von, so ist r höchstens gleich m - 1. Es ist daher zu prüfen, ob es wenigstens eine von Null verschiedene (m-1)-reihige Unterdeterminante von gibt. Ist dies der Fall, so ist r m - 1. ndernfalls ist r höchstens gleich m - 2. as beschriebene Verfahren wird dann solange fortgesetzt, bis man auf eine von Null verschiedene Unterdeterminante von stößt. ie Ordnung r dieser eterminante ist dann der gesuchte Rang der Matrix. 2. Für eine n-reihige quadratische Matrix ist stets r n. Insbesondere gilt für eine reguläre bzw. singuläre Matrix: Reguläre Matrix : det 0 r n Singuläre Matrix : det 0 r < n
34 Beispiel: Rang der Matrix (, ) er Rang r kann höchstens 3 sein: m 3 < n 4 r m 3 Wir prüfen zuerst, ob es wenigstens eine von Null verschiedene 3-reihige Unterdeterminante von gibt. Neuer Begriff: Bildung der Unterdeterminante von nichtquadratischen Matrizen urch streichen einer der 4 Spalten läßt sich eine 3-reihige Matrize gewinnen, deren eterminanten wiederum als 3-reihige Unterdeterminanten von bezeichnet werden. Es gibt vier 3-reihige Matrizen:
35 avon die eterminanten berechnet, ergibt Es gibt also keine von Null verschiedene 3-reihige Unterdeterminante von. aher ist r < 3. er Matrizenrang kann höchstens gleich 2 sein, d.h. r 2 Wir prüfen jetzt, ob es wenigstens eine von Null verschiedene 2-reihige Unterdeterminante von gibt. urch streichen der ersten Zeile und der 3. und 4. Spalte in erhalten wir die folgende nichtverschwindende 2-reihige Unterdeterminante: ( 2 ) 1 ( 1 ) ie Matrix besitzt somit den Rang r 2
36 7.3 Lineare Gleichungssysteme Ein lineares Gleichungssystem mit m Gleichungen und n Unbekannten vom allgemeinen Typ a x + a x a x c n n 1 a x + a x a x c n n 2 a x + a x a x c m1 1 m2 2 mn n m läßt sich unter Verwendung von Matrizen in einer besonders übersichtlichen Form darstellen. ie Koeffizienten a werden zu einer Koeffizientenmatrix ; die Unbekannten x 1, x 2,..., x n zu einem Spaltenfaktor x und die absoluten Glieder c 1, c 2,..., c n zu einem Spaltenvektor zusammengefaßt.
37 a a a a a a a a a n n m m mn x x x x n 1 2 Lösungsvektor bezeichnet c c c c n 1 2 x c
38 Unter Verwendung des FLK-Schemas zur Multiplation von Matrizen läßt sich nämlich leicht zeigen, daß das Matrizenprodukt x zu einem Spaltenvektor C führt. x x1 x2 x n a a a a a a a a a n n m1 m2 mn x a11x1 + a12x a1 nxn a21x1 + a22x a2nxn a x + a x a x m1 1 m2 2 mn n
39 7.3.1 Lineares quadratisches Gleichungssystem Für m n erhalten wir den in den nwendungen besonders häufigen und wichtigen Sonderfall eines quadratischen linearen Gleichungssystems mit n Gleichungen und n Unbekannten. a x + a x a nxn c a x + a x a nxn c a x + a x a x c n1 1 n2 2 nn n n oder x C ie Koeffizientenmatrix ist dabei quadratisch, die erweiterte Koeffizientenmatrix ( c ) vom Typ (n, n + 1). ( c ) a11 a12 a1 a21 a22 a2 a 1 a 2 a n n c1 c2 c n n nn n Inhomogenes lineares (n,n)-system x c Homogenes lineares (n,n)-system x 0
40 Kriterien für die Lösbarkeit eines inhomogenen linearen (n,n)-systems x c Inhomogenes (n,n)-system x c det 0 det 0 ( ist regulär) ( ist singulär) Genau eine Rg() Rg( c) r < n Rg() Rg( c) Lösung Unendlich viele Lösungen Keine Lösung Kriterien für die Lösbarkeit eines homogenen linearen (n,n)-systems x 0 Homogenes (n,n)-system x 0 det 0 det 0 ( ist regulär) ( ist singulär) Genau eine Lösung: Unendlich viele Lösungen x 0 (triviale Lösung) (darunter die triviale Lösung)
41 7.3.2 CRMERsche Regel Zur Lösung eines inhomogenen linearen (n,n)-systems x c Nach dem Kapitel besitzt ein inhomogenes Gleichungssystem x c genau eine Lösung, wenn die Koeffizientenmatrix regulär ist. x c Multiplizieren x c von links mit 1 (inverse) 1 1 x c ie linke Seite: 1 x E x x as ergibt: 1 x c er Lösungsvektor x ist somit das Matrizenprodukt aus der zu inversen Matrix -1 und dem Spaltenvektor c. Multiplation c nn n1 n1 1 x c 1 det n n2 c1 c2 c 1n 2n nn n x c + c cn c c cn det c + c c n n2 1 1n 2 2n n nn
42 oder in komponentenweiser arstellung x x x 1 2 n c + c cn det n1 c + c cn det n2 c1 1 + c c det n n n nn Im Nenner steht die Koeffizientendeterminante det uch der jeweilige Zähler bei x 1, x 2,..., x n läßt sich durch eine eterminante darstellen. Ersetzen wir in der Koeffizientendeterminante die 1. Spalte durch die bsolutglieder c 1, c 2,..., c n des Systems, so erhalten wir die n-reihige eterminante 1. 1 c1 a12 a13 a1 c2 a22 a23 a2 c a a a n n2 n3 nn n n Um 1 zu berechnen, führt man die Entwicklung von 1 nach Elementen der 1. Spalte durch: amit ist x 1 gleich c + c + c c n n1 x 1 1
43 Für x 2 wird die 2. Spalte der Koeffizientendeterminante durch die bsolutglieder c 1, c 2,..., c n des Systems ersetzt. 2 a11 c1 a13 a1 a21 c2 a23 a2 a c a a n1 n n3 nn n n 2 entsteht durch die Entwicklung von 2 nach den Elementen der 2. Spalte: c + c + c c n n2 x 2 2 Entsprechend erhalten wir die übrigen Unbekannten x 3, x 4,..., x n x x x 3 4 n 3 4 n REGEL: 1. Nur, wenn regulär ist det 0
44 Beispiel: Löse das inhomogene lineare Gleichungssystem 2x1 + x2 + 3x3 8 x1 4x2 + x3 3 x + 2x 4x det ist regulär, daher besitzt das System genau eine Lösung c x x c x x c x x
Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.3 Ergänzungen
Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 83 Ergänzungen wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas
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/
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
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
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
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 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
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
MehrMatrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya
Matrizen: Grundbegriffe -E Ma Lubov Vassilevskaya Lineares Gleichungssystem Abb. : Der Schnittpunkt P der beiden Geraden ist die graphische Lösung des linearen Gleichungssystem g : y = x, g 2 : y = 3 x,
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
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
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.................................
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
MehrLineare Algebra 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
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
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
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
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.........
MehrRang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya
Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man
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
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)
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
MehrProf. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1
Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.4 Lineare Gleichungssysteme
Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 84 Lineare Gleichungssysteme wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 29. April 2011 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
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
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 74 Lineare Gleichungssysteme Prof Dr Erich Walter Farkas Mathematik I+II, 74 Lin Glsyst 1 / 83 1 Allgemeine Vorbetrachtungen
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
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
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.
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
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
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
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
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
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
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
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
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:
MehrMatrizen Definition: Typ einer Matrix
Matrizen Definition: Eine Matrix ist ein rechteckiges Zahlenschema. Die Matrix (Mehrzahl: Matrizen) besteht aus waagerecht verlaufenden Zeilen und senkrecht verlaufenden Spalten. Verdeutlichung am Beispiel:
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
MehrDeterminanten 3. Ordnung. 1-E Ma 1 Lubov Vassilevskaya
Determinanten 3. Ordnung 1-E Ma 1 Lubov Vassilevskaya ) ( Determinanten 3. Ordnung a 11 x 1 + a 12 x 2 + a 13 x 3 c 1 a 21 x 1 + a 22 x 2 + a 23 x 3 c 2 a 31 x 1 + a 32 x 2 + a 33 x 3 c 3 ( a11 a12 a13
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
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
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
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
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
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
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
MehrLineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya
Lineare Gleichungssysteme 1-E Ma 1 Lubov Vassilevskaya Systeme linearer Funktionen und Gleichungen y = a 1 a 2... a n lineare Funktion Funktion ersten Grades,,..., unabhängige Variablen y abhängige Variable
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
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.
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 ( ) a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a
MehrTheoretische Fragen zu ausgewählten Themen in Lineare Algebra
Theoretische Fragen zu ausgewählten Themen in Lineare Algebra { Oren Halvani, Jonathan Weinberger } TU Darmstadt 25. Juni 2009 Inhaltsverzeichnis 1 Determinanten................................................
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
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
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
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
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
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 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
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
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
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
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
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"
Mehra ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung
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)
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
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
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
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
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
MehrDeterminanten. Die Determinantenfunktion
Determinanten Wiederholung: Was ist eine Funktion? Um das folgende zu verstehen, muss der Begriff der "Funktion" kurz wiederholt werden: Eine Funktion ist eine eindeutige Zuordnungsvorschrift die jedem
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:
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
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.
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):
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:
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
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
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
MehrLineare Algebra. Teilgebiet der Mathematik zur Darstellung ökonomischer Probleme
Lineare Algebra Teilgebiet der Mathematik zur Darstellung ökonomischer Probleme Mittels der zur Verfügung stehenden Methoden der Linearen Algebra lassen sich ökonomische Zusammenhänge beschreiben Teilgebiete
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 12 8. Juni 2010 Kapitel 10. Lineare Gleichungssysteme (Fortsetzung) Umformung auf obere Dreiecksgestalt Determinantenberechnung mit dem Gauß-Verfahren
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
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 =
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
MehrDie Determinante einer Matrix
Chr.Nelius, Lineare Algebra II (SS 2005) 6 Die Determinante einer Matrix Wir betrachten im folgenden Determinantenformen auf dem Vektorraum V = K n. Eine solche Form ist eine Abbildung von n Spaltenvektoren
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
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
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
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
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
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
MehrSpezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:
Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es
Mehr