Lineare Gleichungssysteme
|
|
- Bernhard Gerhardt
- vor 7 Jahren
- Abrufe
Transkript
1 Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a c k a k = k c i a i (1) i=1 nur dann Null sein kann, wenn alle Koeffizienten c i verschwinden, dh wenn aus k i=1 c ia i = folgt, dass c 1 = c 2 = = c k = ist Andernfalls sind die Vektoren linear abhängig Wir haben gesehen, dass die Vektoren genau dann linear unabhängig sind, wenn es nicht möglich ist, einen von ihnen als Linearkombination der anderen zu schreiben Beispiele siehe Vorlesung Untervektorraum: Sei V eine Teilmenge des R n V heißt Untervektorraum von R n, falls V und für alle x, y V und λ R gilt (i) x + y V (ii) λx V Beispiele siehe Vorlesung Lineare Hülle: Seien a 1,, a k R n Die Menge aller Linearkombinationen von a 1,, a k, { k } L(a 1,, a k ) = c i a i : c i R, i = 1,, k, (2) i=1 heißt lineare Hülle der Menge a 1,, a k Der Untervektorraum L(a 1,, a k ) wird durch die Vektoren a 1,, a k aufgespannt oder erzeugt L(a 1,, a k ) ist ein Untervektorraum von R n, denn für x = i c ia i und y = i d ia i ist x+y = i (c i +d i )a i L(a 1,, a k ) und λx = λ i c ia i = (λc i )a i L(a 1,, a k ) 1
2 Basis: Sei V ein Untervektorraum des R n Eine Menge von Vektoren a 1,, a k heißt Basis von V, wenn a 1,, a k linear unabhängig sind und L(a 1,, a k ) = V Ist a 1,, a k eine Basis von V, so hat jedes Eelement x V eine eindeutige Darstellung als Linearkombination der Basis, x = k i=1 c ia i Dass eine solche Darstellung existiert, folgt aus L(a 1,, a k ) = V ; die Eindeutigkeit folgt aus x = i c ia i = i d ia i i c ia i i d ia i = i (c i d i )a i = Wegen der linearen Unabhängigkeit der Menge a 1,, a k gilt dann c i d i =, also c i = d i, i = 1,, k Es gilt: Jede Basis eines Untervektorraums V besteht aus derselben Zahl von Vektoren Diese Zahl heisst die Dimension von V, dim V Daraus folgt zb, dass die Dimension von R n gleich n ist, denn eine Basis mit n Vektoren ist die sog kanonische Basis, die durch die Spalten der n dimensionalen Einheitmatrix gegeben ist, dh 1 1 e 1 =, e 2 =,, e n = (3) 1 Jeder Vektor x = [x 1,, x n ] R n kann als Linearkombination von e 1,, e n geschrieben werden, n x = x i e i (4) i=1 Jede Menge n linear unabhängiger Vektoren in R n bildet eine Basis des R n Gilt k > n, so ist jede Menge von k Vektoren in R n linear abhängig Dh es kann im R n nicht mehr als n linear unabhängige Vektoren geben 2
3 Rang einer Matrix: Eine m n Matrix A besteht aus m Zeilenvektoren und n Spaltenvektoren Die Maximalzahl linear unabhängiger Spalten von A ist der Spaltenrang von A, dh der Spaltenrang von A ist die Dimension des Vektorraums L(a 1,, a n ), wobei a i, i = 1,, n, die Spalten von A sind Analog definiert man den Zeilenrang als die maximale Anzahl linear unabhängiger Zeilen von A Wie ist es nun um den Zusammenhang zwischen Spaltenrang und Zeilenrang bestellt? Betrachte zur Illustration eine 3 3 Matrix a 11 a 12 a 13 A = a 21 a 22 a 23 (5) a 31 a 32 a 33 Sei die dritte Spalte eine Linearkombination der beiden ersten, dh für Koeffizienten m 1, m 2 R ist m 1 a 1 + m 2 a 2 = a 3, dh a 11 a 12 m 1 a 11 + m 2 a 12 A = a 21 a 22 m 1 a 21 + m 2 a 22 (6) a 31 a 32 m 1 a 31 + m 2 a 32 Könnte es sein, dass die Zeilen von A in (6) dennoch linear unabhängig sind, dh der Zeilenrang 3 beträgt? Betrachten wir also die Zeilen von A Ignorieren wir die letzte Spalte, so ist zunächst klar, dass die drei Zeilenvektoren ã 1 = [a 11, a 12 ], ã 2 = [a 21, a 22 ] und ã 3 = [a 31, a 32 ] in R 2 linear abhängig sind, da es in R 2 nicht drei linear unabhängige Vektoren geben kann Es gibt also Koeffizienten c 1, c 2 und c 3, so dass dh Für diese Koeffizienten gilt aber dann auch c 1 ã 1 + c 2 ã 2 + c 3 ã 3 =, (7) c 1 a 11 + c 2 a 21 + c 3 a 31 = (8) c 1 a 12 + c 2 a 22 + c 3 a 32 = (9) c 1 (m 1 a 11 + m 2 a 12 ) + c 2 (m 1 a 21 + m 2 a 22 ) + c 3 (m 1 a 31 + m 2 a 32 ) (1) = m 1 [c 1 a 11 + c 2 a 21 + c 3 a } {{ 31 ] + m } 2 [c 1 a 12 + c 2 a 22 + c 3 a } {{ 32 ] =, (11) } (8) = 3 (9) =
4 also verschwindet für diese c 1, c 2 und c 3 die Linearkombination der Zeilen von A Ist also der Spaltenrang der Matrix kleiner als 3, so muss dies auch für den Zeilenrang gelten Dieses Argument lässt sich verallgemeinern, und es gilt für jede Matrix: Spaltenrang = Zeilenrang =: Rang (12) Es gilt also rga min{m, n} (13) 2 Das lineare Gleichungssystem m Gleichungen in n Unbekannten: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m, A = Ax = b (14) a 11 a 12 a 1n a 21 a 22 a 2n = [a 1, a 2,, a n ], (15) a m1 a m2 a mn a j = [a 1j, a 2j,, a mj ] ist die jte Spalte von A, j = 1,, n, und x = x 1 x 2, b = b 1 b 2 (16) x n b m 3 Homogene Gleichungssysteme Für b = heißt das lineare Gleichungssystem homogen Ein solches hat immer die triviale Lösung x = Um zu sehen, unter welchen Bedingungen das System eine nicht- 4
5 triviale Lösung (x ) hat, schreiben wir dies als a 11 a 12 a 1n x 1 a 11 x 1 + a 12 x a 1n x n a 21 a 22 a 2n x 2 a 21 x 1 + a 22 x a 2n x n = (17) = x 1 a m1 a m2 a mn a 11 a 21 + x 2 a 21 a 22 x n a m1 x 1 + a m2 x a mn x n a 1n a 2n + + x n (18) a m1 a m2 a mn = x 1 a 1 + x 2 a x n a n = (19) dh das Produkt Ax ist eine Linearkombination der Spalten von A mit Koeffizienten x 1,, x n Es gilt also: Das homogene System hat (mindestens) eine nichttriviale Lösung genau dann, wenn die Spalten a 1, a 2,, a n der m n Matrix linear abhängig sind, dh wenn also gilt rg(a) < n (2) Das ist natürlich immer der Fall, wenn m < n, wenn also die Zahl der Gleichungen kleiner ist als die Zahl der Unbekannten 4 Der allgemeine Fall Ax = b Wenn das System (mindestens) eine Lösung hat, so heißt es konsistent Hat es keine Lösung, so ist es inkonsistent Hat das System mindestens eine Lösung, so hat es entweder genau eine Lösung oder unendlich viele Lösungen Denn seien x 1 und x 2 zwei verschiedene Lösungen und θ R beliebig Dann ist auch z = θx 1 + (1 θ)x 2 eine Lösung, denn Az = A(θx 1 + (1 θ)x 2 ) = θax 1 + (1 θ)ax 2 (21) = θb + (1 θ)b = b (22) Ein homogenes Gleichungssystem hat also entweder nur die triviale Lösung oder unendlich viele Lösungen, und im Falle m < n (weniger Gleichungen als Unbekannte) immer 5
6 unendlich viele Lösungen (da dann sicher rga < n) 41 Wann existiert mindestens eine Lösung? Ax = b Wie oben können wir dies schreiben als n Ax = x i a i = b (23) i=1 Es gibt also (mindestens) eine Lösung, wenn sich b als Linearkombination der Spalten von a schreiben läßt, dh b L(a 1,, a k ) Es ist dann ein plausibles Resultat, dass in genau diesem Fall die erweiterte Koeffizientenmatrix a 11 a 12 a 1n b 1 a 21 a 22 a 2n b 2 B = [A, b] = (24) a m1 a m2 a mn b m denselben Rang hat wie die Matrix A, dh durch Hinzufügung von b als weitere Spalte zu A ändert sich der Rang der Matrix (die Zahl der linear unabhängigen Spalten) nicht Es gilt: Das System Ax = b ist genau dann konsistent (hat mindestens eine Lösung), wenn gilt rg(a) = rg([a, b]) = rg(b) (25) Andernfalls ist das System inkonsistent In manchen Fällen hängt die Lösbarkeit des Systems nicht von b ab: 411 Wann hat das System mindestens eine Lösung für jedes b R m? Weiterhin hat das System Ax = b genau dann (mindestens) eine Lösung für jedes b R m, wenn die Spalten von A den R m aufspannen, dh wenn rg(a) = m (26) Da Spaltenrang = Zeilenrang = Rang min{m, n}, setzt dies n m voraus, dh wir müssen mindestens so viele Unbekannte wie Gleichungen haben 6
7 42 Wann gibt es eine eindeutige Lösung? Sei Ax = b lösbar, und x 1 und x 2 seien zwei unterschiedliche Lösungen (x 1 x 2 ) Dann ist Ax 1 Ax 2 = A(x 1 x 2 ) = b b =, (27) dh Ay = mit y = x 1 x 2, dh das homogene System Ax = hat eine nichttriviale Lösung; dies ist aber genau dann der Fall, wenn rg(a) < n (da andernfalls das homogene System nur die triviale Lösung hat) Gibt es also mehr als eine Lösung, so folgt rg(a) < n Gilt andererseits rg(a) < n, so hat das homogene System Ay = eine Lösung y Mit einer Lösung x (dh Ax = b) ist dann auch z = x+λy, λ R, eine Lösung, also existieren im Falle der Lösbarkeit mit rg(a) < n unendlich viele Lösungen Also gilt: Ein lösbares Gleichungssystem Ax = b ist genau dann eindeutig lösbar, wenn rga = n(= Spaltenzahl von A = Zahl der Unbekannten) Für den wichtigen Fall m = n (Zahl der Gleichungen gleich Zahl der Unbekannten) folgt daraus: Ist A quadratisch n n (n Gleichungen mit n Unbekannten), so ist das Gleichungssystem Ax = b genau dann für jedes b R m eindeutig lösbar, wenn rg(a) = n (Die Lösbarkeitsbedingung rg(a) = rg([a, b]) folgt in diesem Fall bereits aus Spaltenrang = Zeilenrang und somit rg([a, b] n (n+1) ) = n) Für m < n gilt rga < n (da Rang = Zeilenrang = Spaltenrang) und somit hat das System im Falle Zahl der Gleichungen< Zahl der Unbekannten immer entweder keine Lösung oder unendlich viele Lösungen Für eine eindeutige Lösung brauchen wir immer mindestens soviele Gleichungen wie Unbekannte Wenn rga = m, dann hat in diesem Falle das System Ax = b unendlich viele Lösungen für jedes b R m 5 Zusammenfassung Für gegebenes b: 1 Eine notwendige und hinreichende Bedingung für die Konsistenz des Systems 7
8 Ax = b ist rga = rg[a, b] (28) 2 Das System hat eine eindeutige Lösung genau dann, wenn rga = rg[a, b] = n = Zahl der Unbekannten (29) 3 Wenn rga = rg[a, b] = r < n, so gibt es unendlich viele Lösungen n r Variablen können frei gewählt werden, die übrigen r sind dann eindeutig bestimmt 6 Elementare Zeilen und Spaltenumformungen, Ermittlung des Rangs einer Matrix Sei A eine m n Matrix Es gibt drei Typen elementarer Zeilenumformungen: 1 Vertauschen zweier Zeilen 2 Multiplikation einer Zeile mit einem Skalar λ, λ R 3 Addieren eines beliebigen Vielfachen einer Zeile zu einer anderen Zeile Analog sind elementare Spaltenumformungen definiert Elementare Spalten und Zeilenumformungen verändern den Rang einer Matrix nicht, da sie die lineare Hülle nicht verändern Man versucht jetzt durch elementare Zeilen und Spaltenumformungen eine Matrix zu erzeugen, der man den Rang einfach ansehen kann Betrachte eine m n Matrix A der folgenden Gestalt: a 11 a 22 A = (3) a rr (m r) n Ein bedeutet dabei, dass es gleichgültig ist, welche Elemente in dem dadurch bezeichneten Bereich stehen 8
9 A in (3) ist also eine Matrix mit m Zeilen, bei der die ersten r Hauptdiagonalelemente a ii, i = 1,, r, von Null verschieden sein sollen (also a ii, i = 1, 2, 3), die letzten m r Zeilen sowie alle Elemente unterhalb der Hauptdiagonalen jedoch gleich Null sind Dann ist Warum? rga = r (31) 1 Nullzeilen sind offenbar immer linear überflüssig, dh sie tragen zum Rang nichts bei (Der Nullvektor kann immer linearkombiniert werden, indem alle Koeffizienten in der Linearkombination gleich Null sind) 2 Die ersten r Zeilen sind linear unabhängig Um das zu sehen, betrachte die Situation mit r = 3 (die Verallgemeinerung ist offensichtlich); die relevanten Zeilen sind dann a 11 a 22 a 33 = wobei a i, i = 1, 2, 3, die Zeilen von A sind Soll nun a 1 a 2 a 3, (32) c 1 a 1 + c 2 a 2 + c 3 a 3 = (33) gelten, so muss offenbar wegen a 11 zunächst c 1 = gelten, sodann wegen a 22 c 2 = und schließlich c 3 = Also sind die Zeilen linear unabhängig Der Rang einer Matrix kann nun ermittelt werden, indem man die Matrix durch elementare Zeilenumformungen in die Form (3) bringt Siehe Vorlesung 9
05. 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
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
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
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
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
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
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 12. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 12. Übung: Woche vom 16. 1.-20. 1. 2017 (Lin.Alg. I): Heft Ü 3: 2.1.11; 2.1.8; 2.1.17; 2.2.1; 2.2.3; 1.1.1; 1.1.4; Hinweis 1: 3. Test (Integration, analyt. Geom.) ist seit 9.1. freigeschalten
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
MehrDie Lineare Algebra-Methode. Mahir Kilic
Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze
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
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.............................
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
MehrKap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v
Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht
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
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrLineare Gleichungssysteme: eine Ergänzung
Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n
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 1 Einführung Lineare Gleichungen Definition
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
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 +
MehrLineare Gleichungssysteme
Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Definition. Sei K ein Körper, a ij K für 1 i m, 1 j n und b 1,..., b m K. Dann heißt 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......
MehrHM 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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr2 Vektorräume und Gleichungssysteme
2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrLineare Gleichungssysteme
Technische Universität München Christoph Niehoff Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 009/00 Die beiden Hauptthemen von diesem Teil des Ferienkurses sind Lineare Gleichungssysteme
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
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
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
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
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
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
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
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
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.
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrAufgabe 1 (a) Bestimmen Sie die Schnittgerade der beiden Ebenen gegeben durch 3x y 2z 5 = 0 und x y 4z 3 = 0.
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 22.11.18 Übung 10 (für Pharma/Geo/Bio) Uni Basel Besprechung der Lösungen: 26. November 2018 in den Übungsstunden Aufgabe 1 (a) Bestimmen Sie die
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
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
MehrFK03 Mathematik I: Übungsblatt 13 Lösungen
FK0 Mathematik I: Übungsblatt Lösungen Verständnisfragen. Wann nennt man die Vektoren v,..., v n R n linear unabhängig? Die Vektoren v,..., v n R n heißen linear unabhängig, falls die folgende Gleichung
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m
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
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
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
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
MehrKapitel III. Matrizen und lineare Gleichungssysteme. Inhalt: 10. Matrizen 11. Lineare Gleichungssysteme 12. Der Gauß-Algorithmus
Kapitel III Matrizen und lineare Gleichungssysteme Inhalt: 10 Matrizen 11 Lineare Gleichungssysteme 12 Der Gauß-Algorithmus Wichtige Methoden beim Umgang mit Vektorräumen basieren auf der Matrizenrechnung
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
MehrZu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik =
H 6. Die Matrizen A, B, C und D seien gegeben durch 5 A =, B =, C = 4 5 4, D =. 5 7 5 4 4 Berechnen Sie (sofern möglich) alle Matrizenprodukte X Y mit X, Y {A, B, C, D}. Zu zwei Matrizen A R m n und B
MehrBonusmaterial Matrizen und Determinanten. Reihen und Spalten Elementarmatrizen
Bonusmaterial Matrizen und Determinanten Zahlen in Reihen und Spalten 6 6 Elementarmatrizen 3 3 3 Wir betrachten die Matrix A = 3 3 3 R 3 3 3 3 3 Die folgende Multiplikation reeller Matrizen 0 0 3 3 3
MehrLineares Gleichungssystem - Vertiefung
Lineares Gleichungssystem - Vertiefung Die Lösung Linearer Gleichungssysteme ist das "Gauß'sche Eliminationsverfahren" gut geeignet - schon erklärt unter Z02. Alternativ kann mit einem Matrixformalismus
Mehr5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);
5 Vektorräume Was wir in den vorangegangenen Kapiteln an Matrizen und Vektoren gesehen haben, wollen wir nun mathematisch abstrahieren. Das führt auf den Begriff des Vektorraumes, den zentralen Begriff
MehrZeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.
Zeilenstufenform Wir beweisen nun den schon früher angekündigten Satz. Satz. Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrLineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya
Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
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.
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrKapitel 8. Elemente der Matrizenrechnung. 8.1 Rechenregeln
Kapitel 8 Elemente der Matrizenrechnung Die Untersuchung linearer Abbildungen, so die Moral des letzten Kapitels, ist Matrizenlehre: was man mit Matrizen alles so machen kann, und welche Eigenschaften
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 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,...,
MehrKern und Bild einer Matrix
Kern und Bild einer Matrix. Motivation Zur theoretischen Beschreibung der Abbildungen durch Matrizen wurden Begriffe eingeführt, die eine "elegante" Formulierung erlauben. In Linearen Gleichungssystemen
MehrKapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
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
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
MehrLänge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren
Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(
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
MehrKarlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 212/13 Institut für Analysis 14.1.213 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Aufgabe 1 Höhere Mathematik I für die Fachrichtung Physik 12. Übungsblatt Sei
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
MehrDie lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt
Eine Menge v +U mit einem Untervektorraum U nennt man auch eine Nebenklasse des Untervektorraumes U. Sie entsteht, wenn man die Translation τ v auf die Menge U anwendet. Ausdrücke der Form αu + βv, auch
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
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
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
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
MehrLineare Gleichungssysteme, Matrizen und Determinanten
Kapitel 2 Lineare Gleichungssysteme, Matrizen und Determinanten Einen klassischen Einstieg in die lineare Algebra bietet die Behandlung linearer Gleichungssysteme Wir beschäftigen uns dabei zunächst mit
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
Mehr6 Lineare Gleichungssysteme
6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α
MehrFür die Matrikelnummer M = Dann sind durch A =
Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie
Mehr11 Lineare Gleichungssysteme
Lineare Gleichungssysteme Das Lösen linearer Gleichungssysteme gehört zu den wichtigsten Grundaufgaben der Mathematik Wir werden uns mit einigen einfachen Lösungsverfahren befassen und daran auch etwas
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
MehrTutorium: Analysis und lineare Algebra
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
MehrZeilenstufenform eines Gleichungssystems
Zeilenstufenform eines Gleichungssystems Ein lineares Gleichungssystem mit einer m n-koeffizientenmatrix lässt sich mit Gauß-Transformationen auf Zeilenstufenform (Echelon-Form) transformieren: Ax = b...
MehrDer Rang einer Matrix A. Beispiel
Der Rang einer Matrix A ist gleich Anzahl der Zeilen ungleich 0, nachdem die Matrix durch elementare Zeilenoperationen in Zeilenstufenform gebracht worden ist. Bezeichnung: ranga oder rga. Beispiel A =
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Einführung I Mathematik für Studierende der Biologie und des Lehramtes Chemie Dominik Schillo Universität des Saarlandes 007 (Stand: 007, 4:9 Uhr) Wie viel Kilogramm Salzsäure der Konzentration % muss
MehrProseminar Lineare Algebra WS 08/09 Prof. Dr. O. Bogopolski 1. Vortrag: Lineare Gleichungen. am 11. März von Maximilian Wahner
Proseminar Lineare Algebra WS 08/09 Prof. Dr. O. Bogopolski 1 Vortrag: Lineare Gleichungen am 11. März 2009 von Maximilian Wahner Technische Universität Dortmund Fakultät für Mathematik Proseminar Lineare
MehrTutorium: Analysis und lineare Algebra. Vorbereitung der ersten Bonusklausur
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
Mehr