6. Rechnen mit Matrizen.
|
|
- Herta Althaus
- vor 7 Jahren
- Abrufe
Transkript
1 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem formalen Gesichtspunkt. Unter dem angewandten Gesichtspunkt sucht man Algorithmen um Gleichungs Systeme zu lösen. Unter dem formalen Gesichtspunkt versucht man mit den Gleichungs Systemen selbst, als formalen Objekten, formal zu rechnen.
2 2. Lineare Algebra (L2/L5) Angewandter Gesichtspunkt: Gauss scher Algorithmus. Sei ein lineares Gleichungs System (oder: ein System linearer Gleichungen) gege- ben, wie etwa Beispiel. 1x +2y +3z = 2 2x +5y +3z = 3 1x +1y +8z = 7 Gesucht sind Lösungstupel (x, y, z) = (a, b, c). Dies ist ein klassisches Problem der Lineare Algebra. Wir werden es gleich lösen. Zuvor aber zwei einfachere Beispiele, die zeigen sollen was man erwarten muss. Beispiele. Die beiden einfacheren Gleichungssystem sind: 1x +2y 1z = 2 0x +1y +3z = 5 0x +0y +1z = 3 und 1x +2y 2z = 2 0x +0y +0z = 0 0x +0y +0z = 0
3 6 Rechnen mit Matrizen. 3 Das linke Gleichungsystem ist in Dreiecksform. Man kann es durch einen einfachen Trick lösen: lese von unten nach oben. Dann ergibt sich z = 3 y = 5 z = 5 3 = 2 x = 2 2y + z = = 1 Ergebnis. Man erhält ein einzige Lösungstupel (x, y, z) = (1,2,3). Beim rechten Gleichungs System liegen die Dinge anders. Hier ist im Grunde nur die erste Zeile der Gleichung relevant und wir erhalten. x = 2 2y + 2z y = beliebig z = beliebig Aber y, z haben nichts miteinander zu tun. So trennt man besser beliebig durch zwei verschiedene Parameter y = s, z = t. Man erhält dann als Lösungstupel: (x, y, z) = (2 2s + 2t, s, t). Ganz egal was man nun für s und t einsetzt, erhält man immer ein echtes Lösungstupel. Z.B. s = 2, t = 3 liefert das Lösungstupel (x, y, z) = (4, 2, 3).
4 4. Lineare Algebra (L2/L5) Ergebnis: Im Gegensatz zum vorigen Beispiel erhält man statt eines einzigen Lösungs- tupels ein parametrisiertes Lösungstupel. Die beiden Möglichkeiten muss man nun immer im Kopf haben, wenn man allgemeine Gleichungs Systeme lösen will. Betrachten wir jetzt das eingangs gegeben Gleichungssystem. Solche allgemeine gegeben lineare Gleichungs Systeme löst man durch Gauss sche Elimination: I 1x +2y +3z = 2 II 2x +5y +3z = 3 II 2I III 1x +0y +8z = 7 III I I 1x +2y +3z = 2 II 0x +1y 3z = 1 III 0x 2y +5z = 5 III + 2II I 1x +2y +3z = 2 II 0x +1y 3z = 1 III 0x +0y 1z = 3
5 6 Rechnen mit Matrizen. 5 Ergebnis: Probe: z = 3 y = 1 + 3z = 1 9 = 10 x = 2 2y 3z = = 31 I 1x + 2y + 3z = II 2x + 5y + 3z = III 1x + 0y + 8z = ( 10) + 3 ( 3) = ( 10) + 3 ( 3) = ( 10) + 8 ( 3) = 7 Verfahren. Wir verwandeln das Gleichungs System in mehreren Schritten. In jedem Schritt konzentriert man sich auf eine Spalte. Im ersten Schrit auf die erste Spalte, im zweiten Schritt auf die zweite Spalte usw. 1. Schritt. Um den 1. Schritt auszuführen, muss der Eingang in der Hauptdiagonale ungeich 0 sein. Dies kann man durch Zeilenvertauschungen erreichen. Es sei denn die 1. Spalte besteht aus 0, dann geht man zur nächsten Spalte über.
6 6. Lineare Algebra (L2/L5) Es sei a der Eingang in der Hauptdiagonale. Ist b der Eingang in der ersten Spalte und Zeile II, dann b multipliziert man die 1. Zeile mit a und addiert das Ergebnis zur Zeile II. Danach ist der erste Eingang von Zeile II gleich Null. Das gleiche Verfahren führt man für alle anderen Zeilen aus. Als Result sind alle Eingänge der ersten Spalte (abgesehen vom ersten Eingang) gleich Schritt. Im 2. Schritt streicht man Zeile I und die erste Spalte des Gleichungs Systems und wendet das obige Verfahren auf die resultierende Matrix an. Resultat. Nach endlich vielen solchen Schritten hat man ein Gleichungs System welches unterhalb der Hauptdiagonal nur 0 hat. Dann lese man das System von unten nach oben und forme dabei die Gleichungen nach den Variablen um. Mit etwas Glück erhält man so - wie oben gezeigt - die Lösungen für alle Unbekannten des Gleichungs System. Bemerkung. Das Verfahren ist nicht immer erfolgreich. So könnte man beispielsweise mehr Variablen als Gleichung haben. Dann sind die Lösungen nicht eindeutig und man muss das Verfahren etws anpassen um parametrisierte Lösungen zu bekommen. Es könnte
7 6 Rechnen mit Matrizen. 7 auch sein, dass man mehr Gleichungen als Unbekannte hat, dann könnte es überhaupt keine Lösungen geben. Wir werden aber die nötigen Anpassungen des Verfahrens an die berschiedenen Ausnahmesituationen hier nicht weiter behandeln. Formaler Gesichtspunkt: Das mysteriöse Matrix Produkt. Der formale Gesichtspunkt besteht aus zwei Dingen: (1) Aus Zahlen macht man Schachteln von Zahlen. (2) Statt mit Zahlen rechnet man mit Schachteln. Matrizen und Vektoren. Der mathematische Ausdruck für Schachtel ist Matrix. Definition. Eine n n-matrix (mit Eingängen in k) ist ein quadratischer Block von n 2 Zahlen aus einem Ring k (z.b. aus Z oder aus Q). Die Menge aller n n-matrizen (mit Eingängen in k) wird mit Mat n k
8 8. Lineare Algebra (L2/L5) bezeichnet. Beispiele. Hier sind ein paar Beispiele von Matrizen [3], [ ] 2, ,... Die Matrizen [1], [ ] 1 0, ,... haben einen speziellen Namen. Sie heißen Identitäts Matrizen. Bemerkung. Man kann rein formal auch rechteckige Matrizen betrachten. Aber die einzigen rechteckigen Matrizen, die wir brauchen sind Matrizen mit nur einer Spalte. Also z. B Definition. Vektoren sind Matrizen, die aus genau einer Spalte bestehen.
9 6 Rechnen mit Matrizen. 9 Bemerkung. Matrizen bestehen aus waagerechten Zeilen, auch Zeilenvektoren, ge- nannt und aus senkrechten Spalten, auch Spaltenvektoren genannt. Beispiel. 2. Spaltenvektor von = Bemerkung. Die Vektoren e 1 := 1 0 0, e 2 := 0 1 0,e 3 := haben einen speziellen Namen. Sie heißen Standard Vektoren von k 3. Ebenso für andere Dimensionen. Die Spalten einer Identitätsmatrix bestehen also aus allen Standardvektoren. Bemerkung. Ist λ ein Skalar, d.h. λ k, and V ein Vektor, d.h. V k n, dann sei a V = λ v 1 v 2 v n = λ v 1 λ v 2 λ v n
10 10. Lineare Algebra (L2/L5) d.h. man muss jeden Eingang des Vektors V mit λ multiplizieren Man nennt dies auch das Produkt eines Skalars mit einem Vektor. Es gilt immer: V = v 1 v 2 v 3 = v 1 e 1 + e 2 v 3 + e 3 v 3 und ebenso für längere und kürzere Vektoren. Matrix Produkte. Wir kommen nun zum Produkt von Matrizen. Zunächst das Produkt von Vektoren: Definition. Das Skalarprodukt (oder das innere Produkt) von zwei Vektoren v, w k n ist definiert durch v w := v 1 v 2 w 1 w 2 = v 1 w 1 + v 2 w 2 + v 3 w 3 v 3 w 3 Beispiele.
11 6 Rechnen mit Matrizen. 11 [2] [3] = 6, [ ] [ ] 1 3 = = 38, = ( 1) 5 = 2 Bemerkung. In dieser harmlos scheinenden Definition des Skalarprodukts steckt die absolute Grundidee der Linearen Algebra. Die Motivation für diese Art des Produkts kommt vom Satz des Pythagoras. Der Satz von Pythagoras besagt ja, dass das Quadrat des Abstandes eines Punktes [x, y] in der [ 2-dimensionalen ] [ ] x x Koordinatenbene durch x 2 +y 2 = berechnet werden kann. Wegen der besonderen Bedeutung y y dieses Produktes für die Lineare Algebra wurde hier die aufgedickte Version des gewöhnlichen Multiplikationszeichens der Zahlenmultiplikation gewählt. Die folgende Eigenschaft des Produkt ist der eigentliche Grund dafür, dass die Lineare Algebra eine lineare Theorie ist. Satz. u (av + bw) = a (u v) + b (u v).
12 12. Lineare Algebra (L2/L5) Beweis. Dies folgt aus dem Kommunikativ-, Assoziativund Distributivgesetz der ge- wöhnlichen Addition und Multiplikation mit Zahlen wie folgt durch einfaches Nachrechnen: u 1 v 1 = = = w 1 a u 1 v 1 w 1 u 2 v 2 w 2 + b u 3 v 3 w 3 a u 2 + b u 3 a v 2 + b v 3 a w 2 + b w 3 u 1 (a u 2 + b u 3 ) v 1 (a v 2 + b v 3 ) w 1 (a w 2 + b w 3 ) a (u 1 u 2 ) + b (u 1 u 3 ) a (v 1 v 2 ) + b (v 1 v 3 ) a (w 1 w 2 ) + b (w 1 w 3 ) =... = a u 1 v 1 u 2 v 2 + b u 1 v 1 w 1 w 2 w 1 u 3 v 3 w 3 Schliesslich definieren wir das allgemeine Matrix Produkt und zwar wie folgt:
13 6 Rechnen mit Matrizen. 13 Definition. Sei A Mat n k eine n n-matrix und v k n ein Vektor. Dann ist das Rechts-Produkt eines Vektors v mit einer Matrix A definiert durch A v := A 1 v A 2 v A n v den i-ten Zeilenvektor der Matrix A beze- wobei A i ichnet. Bemerkung. In bezug auf dieses Produkt können die Standard Vektoren e i recht hilfreich sein. Z.B. gilt A e i = i-te Spalte von A Man könnte also z.b. schreiben A = [ A e 1, A e 2, A e 3 ] (und ebenso für beliebige n n-matrizen). Man kann auf diese Weise eine Spalte einer Matrix angeben ohne je von Matrix-Eingängen selbst sprechen zu müssen - dank des -Produkts.
14 14. Lineare Algebra (L2/L5) Definition. Seien A, B zwei n n-matrizen. Dann definiere (A B) e i := A (B e i ), 1 i n. Genauer: Die Formel definiert alle Spalten einer n n- Matrix, die mit A B bezeichnet wird. Die Matrix A B heißt Matrix-Produkt (oder: Produkt Matrix) von A und B. Bemerkung. Mit anderen Worten: Eingang in der i-ten Zeile und j-ten Spalte von A B = Skalarprodukt der i-ten Zeile von A und der j-ten Spalte von B. Beispiel. Seien A = [ ] 2 3, B = 1 5 [ ] zwei 2 2-Matrizen. Man berechne das Produkt A B: Wir haben für die erste Spalte von A B: 1. Spalte = (A B) e 1 = A (B e 1 ) [ ] ([ ] ) = e [ ] [ ] [ ] = = = [ ] 12 13
15 6 Rechnen mit Matrizen. 15 Ebenso erhalten wir für die zweite Spalte von A B den Vektor: [ ] Spalte =(A B) e 2 = 26 =Skalarprodukt von 1. Spalte von A mit 2. Spalte von B Also insgesamt A B = [ ] [ ] = [ 12 ] Achtung. Das Matrix-Produkt ist nicht kommutativ. Also im Allgemeinen A B B A Beispiel. [ ] [ ] = [ ] [ ] = [ ] [ ] Der Begriff Matrix-Produkt von A und B ist somit leider nicht ganz eindeutig, weil er nicht festsetzt ob er
16 16. Lineare Algebra (L2/L5) A B oder B A meint. Hier muß man ein bisschen aufpassen. Bemerkung. Es gilt auch noch A I = I A = A für die Identitäts Matrizen I. Bemerkung. Man schreibt λ I := λ λ λ falls λ ein Skalar ist und definiert λ A := (λi) A Beispiel. [ ] ( [ ]) [ ] = [ ] [ ] [ ] = = = [ ]
17 6 Rechnen mit Matrizen. 17 Bei einem Produkt einer Matrix mit einem Skalar (von links!) muß man also jeden Eingang der Matrix mit dem Skalar multiplizieren. Bemerkung. Wegen der besonderen Bedeutung für die Lineare Algebra wurde hier für das Matrix Produkt die aufgedickte Version des Multiplikationszeichens von Zahlen gewählt. In diesem Zusammenhang aber noch eine generelle Bemerkung. Beim Umgehen mit Matrizen und Vektoren kommt man schnell in Schwierigkeiten mit der Schreibweise. Soll man z.b. Skalare mit griechischen, Vektoren mit lateinischen und Matrizen mit großen Buchstaben schreiben, oder Vektoren fettgedruckt? Für dieses Problem haben die Mathematiker eine einfache Lösung. Erklärt man vorweg immer durch a λ, a k n, oder a Mat n k was man meint, dann kann man jeden Buchstaben für jeden Bedarf nutzen. Es ist dann klar, ob a ein Skalar, ein Vektor oder eine Matrix ist. Genaugenommen könnte man dann übrigens auch die Produktzeichen und ganz weglassen, denn wenn z. B.
18 18. Lineare Algebra (L2/L5) a k, b k n, c Mat n k ist, dann ist ja theoretisch klar, welche Produkte im folgenden ab, a 3, b 5, ac, cb, c 2, ac oder bc gemeint sind. Es ist z.b. auch klar, dass bc verboten ist (warum?). Gleichungs Systeme noch einmal. Betrachten wir noch einmal das eingangs untersuchte Gleichungs System 1x +2y +3z = 2 2x +5y +3z = 3 1x +1y +8z = 7 - diesmal mit unserer neuen, formalen Technologie (Matrizen und Matrix-Produkt). Hierzu ein kleiner Trick. Man unterscheide zwischen Konstanten und Variablen und schreibe die Konstanten in eine Matrix und die Variablen in eine andere Matrix. Also Koeffizienten Matrix := , Variablen Vektor := x y z
19 6 Rechnen mit Matrizen. 19 Dann können wir mittels unserer Produkte für das obige Gleichungs System schreiben: x y z = oder einfach x y z = Resultat. Aus einem Systems mit vielen Gleichungen ist aus dem Gleichungs System eine einzige Gleichung A x = v zwischen Matritzen geworden. Umgekehrt führt eine einzige Gleichung auf dem Niveau der Matrizen zu einem System von Gleichungen auf dem Niveau der Koordinaten. Es gibt noch einen zweiten schreibtechnischen Vorteil der Matrix Schreibweise. Dazu betrachten wir noch
20 20. Lineare Algebra (L2/L5) einmal das ebenfalls eingangs behandelte Gleichungs System A x = x y z = = w mit nicht-eindeutigen Lösungen. In der Matrix Schreibweise wird aus dem Lösungsvektor x = 2 2s + 2t s t = = x 0 + s u + t v s t Bemerkung. Man beachte, dass u, v, die homogene Gleichung Ax = 0 lösen. Literatur. S. Lang, Linear Algebra D. Wille, Repetitorium der Linearen Algebra, Teil I, Binomi Verlag (2001)
6. Vorlesung. Rechnen mit Matrizen.
6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt
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)
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
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
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
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 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
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrDEMO für www.mathe-cd.de
(1) Rechnen mit Paaren und Tripeln () Eine Gleichung mit oder 3 Unbekannten (3) Zwei Gleichungen mit 3 Unbekannten Datei Nr. 61 011 Stand 19. Oktober 010 Friedrich W. Buckel INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrLineare Gleichungssysteme
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 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
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
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
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
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
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 2008/09 4 Einführung Vektoren und Translationen
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
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrLineare Gleichungssysteme
Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4
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
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
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
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
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
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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
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
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
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 +
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
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
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(
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
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
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
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
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
MehrLineare Gleichungssysteme
KAPITEL 2 Lineare Gleichungssysteme. Beispiele Wir betrachten zunächst vier Gleichungssysteme und bestimmen ihre Lösungsmenge. Dabei geht es uns noch nicht darum, ein Lösungsverfahren für lineare Gleichungssysteme
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
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
MehrMarkus' Formelsammlung für die Vektorgeometrie
Markus' Formelsammlung für die Vektorgeometrie Markus Dangl.4. Zusammenfassung Dieses Dokument soll eine Übersicht über die Vektorgeometrie für die Oberstufe am Gymnasium geben. Ich versuche hier möglichst
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
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.
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
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
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):
MehrVektoren. Vektorrechnung
Vektoren Dieser Text behandelt das Thema Vektoren, sowei es die gymnasiale Oberstufe betrifft. Vektoren können mehr als das, aber das würde in diesem Überblich zu weit führen. Ein großes Defizit der meisten
MehrVektoren und Matrizen
Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,
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
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
MehrMathematik für Naturwissenschaftler II
Mathematik für Naturwissenschaftler II Dr Peter J Bauer Institut für Mathematik Universität Frankfurt am Main Sommersemester 27 Lineare Algebra Der mehrdimensionale Raum Vektoren Im Teil I dieser Vorlesung
MehrKapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)
Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen
MehrMatrizen 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
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
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,...,
Mehr7 Matrizen über R und C
$Id: matrix.tex,v.9 08// :3:7 hk Exp $ 7 Matrizen über R und C In 6 hatten wir Matrizen nur als eine kompakte Schreibweise für lineare Gleichungssysteme eingeführt. In diesem Kapitel wollen wir die Matrizen
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
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
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
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
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
MehrLineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen
Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)
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
MehrEigenwerte und Eigenvektoren
Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen
Mehr1 Definitionen: 6 Punkte gesamt
ANTWORTEN zum KOLLOQIUM zur Einführung in die Lineare Algebra Hans G. Feichtinger Sommersemester 2014 Fr., 25. Juli 2014, 10:00, Fakultät f. Mathematik Punktezahl: (1) 6 (2) 9 (3) 5 (4) 10 TOTAL (von 30):
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..............................
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
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
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
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
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
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
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
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
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
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
Mehr6 Lineare Algebra. 6.1 Einführung
6 Lineare Algebra 6.1 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung. Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler Wintersemester 2018/19 Inhaltsverzeichnis Teil 1 Teil
Mehr8 Lineare Gleichungssysteme
$Id: lgs.tex,v 1.6 2010/12/20 12:57:04 hk Exp $ $Id: matrix.tex,v 1.3 2010/12/20 13:12:44 hk Exp hk $ 8 Lineare Gleichungssysteme In der letzten Sitzung hatten wir mit der Besprechung linearer Gleichungssysteme
MehrKapitel 3. Kapitel 3 Gleichungen
Gleichungen Inhalt 3.1 3.1 Terme, Gleichungen, Lösungen x 2 2 + y 2 2 3.2 3.2 Verfahren zur zur Lösung von von Gleichungen 3x 3x + 5 = 14 14 3.3 3.3 Gleichungssysteme Seite 2 3.1 Terme, Gleichungen, Lösungen
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
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
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
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
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:
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
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
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de c 018 Steven Köhler Wintersemester 018/19 Inhaltsverzeichnis Teil 1 Teil Teil
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
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
Mehr