II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
|
|
- Miriam Ritter
- vor 7 Jahren
- Abrufe
Transkript
1 52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren Der Gaußsche Algorithmus Basen, Dimension und Rang Reguläre Matrizen Determinanten Skalarprodukte Überbestimmte Gleichungssysteme Vektorprodukte Matrizen und Vektoren 101 Lineare Gleichungssysteme Viele konkrete Probleme führen auf lineare Gleichungssysteme der Form 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 = a m1 x 1 +a m2 x 2 + +a mn x n = b m Hierbei sind m,n N sowie die Koeffizienten a ij K = Q, R, C und die rechten Seiten b 1,,b m K gegeben, und Lösungen x 1,,x n K werden gesucht 102 Matrizen a) Die rechten Seiten von 101 faßt man zu einem Tupel b = b 1 b m Km in Spaltenform zusammen, ebenso als x = die gesuchten Lösungen x 1 x n Kn b) Die Koeffizienten von 101 liefern die Matrix a 11 a 12 a 1n a 21 a 22 a 2n A := K n m (1) a m1 a m2 a mn mit n Spalten und m Zeilen Man hat K 1 m = K m c) Die Spalte auf der linken Seite von 101 wird als Produkt der Matrix A K n m mit der Spalte x K n aufgefasst Dies definiert also ein Produkt K n m K n K m (2) d) Im Fall m = 1 sieht das Produkt so aus: (a 1 a n ) x 1 x n = n a j x j K (3) j=1
2 10 Matrizen und Vektoren 53 e) Für A K n m und i = 1,,m bezeichne A Z i := (a i1 a in ) K n 1 (4) die i-te Zeile von A Für x K n gilt dann a 11 x 1 + +a 1n x n Ax = = a m1 x 1 + +a mn x m f) Für A K n m und j = 1,,n bezeichne A S j := a 1j a mj A Z 1x A Z mx Km (5) Km (6) die j-te Spalte von A Mit den Einheitsvektoren 0 e j := 1 K n (7) 0 (die 1 steht in der j-ten Zeile) gilt dann Ae j = A S j für j = 1,,n g) Die Transposition von Matrizen vertauscht Spalten und Zeilen: Für A K n m aus (1) definiert man a 11 a 21 a m1 A a 12 a 22 a m2 := K m n, (8) a 1n a 2n a mn kurz: (a ij ) = (a ji ) Aus Platzgründen werden Spalten ab jetzt so geschrieben: x 1 x n = (x 1x n ) K n h)daslinearegleichungssystem 101kannalsokurzinderFormAx = b geschrieben werden; hierbei sind A K n m und b K m gegeben, während x K n gesucht ist 103 Addition und Skalarmultiplikation a) Für Matrizen A = (a ij ) K n m und B = (b ij ) K n m sowie Zahlen λ K setzt man A+B := (a ij +b ij ) K n m, λa := (λa ij ) K n m (9) b) Für x = (x 1 x n ) K n gilt x = n x j e j (10) j=1
3 54 II Lineare Gleichungssysteme mit den Einheitsvektoren e j aus (7) c) Für A = (a ij ) K n m und x = (x 1 x n ) K n gilt Ax = n x j A S j K m (11) j=1 104 Eigenschaften der Addition und Skalarmultiplikation a) Unter der Addition ist K n m eine kommutative Gruppe (vgl 116); das neutrale Element ist die Nullmatrix 0, und das inverse Element zu A = (a ij ) ist A = ( a ij ) b) Es gelten 1A = A sowie die Assoziativ- und Distributivgesetze (λµ)a = λ(µa) für λ, µ K, A K n m, (12) (λ+µ)a = λa+µa, λ(a+b) = λa+λb für λ, µ K, A,B K n m (13) 105 Punkte und Vektoren a) Die Elemente von R 2 lassen sich als Punkte einer Ebene auffassen, entsprechend die von R 3 als Punkte des Raumes und allgemein die von R n als Punkte eines n-dimensionalen Raumes Entsprechendes gilt auch in den Fällen K = Q und K = C; für die folgenden Veranschaulichungen sei aber K = R b) Tupel im R n können gemäß 103 addiert und mit Skalaren λ R multipliziert werden Zur Veranschaulichung dieser Operationen interpretiert man Tupel auch als Vektoren Ein Vektor v ist eine Translation oder Parallelverschiebung des Raumes R n, dh eine Abbildung v : R n R n der Form v : (x 1 x n ) (x 1 +v 1 x n +v n ) mit v 1,,v n R (14) c) Offenbar ist ein Vektor v durch seine Wirkung auf einen Punkt p R n eindeutig festgelegt; mit v(p) = q kann daher v als gerichtete Strecke pq von p nach q veranschaulicht werden Für jedes feste p liefert v v(p) eine Bijektion zwischen Vektoren und Punkten des Raumes, die im Fall des Nullpunktes p = 0 die Vektoren v mit den Tupeln (v 1 v n ) aus (14) identifiziert Mit q = v(0) = (v 1 v n ) heißt die gerichtete Strecke oq Ortsvektor zum Punkt q d) Für Vektoren entspricht nun die in 103 definierte Addition einfach der Hintereinanderausführung der Abbildungen Man kann x + y auch als Bild des Punktes x unter der Translation y oder umgekehrt als Bild des Punktes y unter der Translation x interpretieren und erhält dann wieder einen Punkt Durch die skalare Multiplikation eines Vektors v mit einer Zahl λ wird dessen Länge mit λ multipliziert sowie dessen Richtung im Fall λ > 0 beibehalten und im Fall λ < 0 umgekehrt e) Im folgenden werden Punkte, Vektoren und Ortsvektoren des R n meist kommentarlos miteinander identifiziert; an einigen Stellen wird sich aber ihre Unterscheidung als sinnvoll erweisen 106 Matrizen, lineare Abbildungen und Unterräume a) Für eine Matrix A K n m wird durch T = L(A) : K n K m, T(x) := Ax für x K n, (15)
4 10 Matrizen und Vektoren 55 eine Abbildung von K n nach K m definiert Diese ist linear, dh es gilt T(x+y) = T(x)+T(y) und T(λx) = λt(x) für x,y K n, λ K (16) Mit L(K n,k m ) wird die Menge aller linearen Abbildungen von K n nach K m bezeichnet Man schreibt L(K n ) := L(K n,k n ) und (K n ) := L(K n,k) b) Eine Menge U K n heißt Unterraum von K n, falls sie unter Addition und Skalarmultiplikation abgeschlossen ist, d h,: x,y U x+y U und x U λx U für λ K (17) c) Der Nullraum oder Kern N(A) := N(L(A)) := {x K n Ax = 0} (18) von A K n m bzw L(A) L(K n,k m ) ist ein Unterraum von K n Man hat N(A) = 0 genau dann, wenn L(A) injektiv ist d) Der Bildraum oder das Bild R(A) := R(L(A)) := {Ax x K n } (19) von A K n m bzw L(A) L(K n,k m ) ist ein Unterraum von K m Man hat R(A) = K m genau dann, wenn L(A) surjektiv ist e) Es sei eine lineare Abbildung T L(K n,k m ) gegeben Dann gibt es genau eine Matrix A K n m mit T = L(A) Diese Matrix besteht aus den Spalten (Te j ), j = 1,,n (vgl 102f)) Man schreibt A = M(T) Es ist also L : K n m L(K n,k m ) (20) eine bijektive Abbildung mit Umkehrabbildung L 1 = M 107 Homogene und inhomogene Systeme a) Ein System Ax = b heißt homogen, falls b = 0 ist, sonst inhomogen Stets ist Ax = 0 das zum System Ax = b gehörende homogene System b) Die Lösungsmenge des homogenen Systems Ax = 0 ist der Kern N(A) von A, also ein Unterraum von K n c) Es sei eine spezielle Lösung s K n des inhomogenen Systems Ax = b gegeben Dann ist die Menge aller Lösungen von Ax = b gegeben durch M = s+n(a) := {s+y y N(A)} (21) 108 Geraden in der Ebene a) Wir betrachten das (2 1)-System ax 1 +bx 2 = c, a,b,c K (22) und nehmen (nach Division durch a 0) oe a = 1 an Offenbar ist x 2 frei wählbar, und dann ist x 1 eindeutig festgelegt Die Lösungsmenge von (22) ist M = {(c bx 2,x 2 ) x 2 K} Mit x 2 := 0 erhält man die spezielle Lösung s = (c,0)
5 56 II Lineare Gleichungssysteme b) Mit u := ( b,1) K 2 hat man N(A) = {( bx 2,x 2 ) x 2 K} = Ku = [u] = {λu λ K} c) Die Lösungsmenge M = s+n(a) = s+[u] = {s+λu λ K} von (22) ist eine Gerade in K 2, die nur für c = 0 durch 0 geht Hier ist s als Punkt und u als Vektor zu interpretieren Dies gilt auch in b) mit dem Punkt Quadratische (2 2)-Systeme a) Wir betrachten das System ax 1 +bx 2 = e (23) cx 1 +dx 2 = f und nehmen a 0 an Dividiert man die ersten Gleichung durch a und zieht dann das c-fache von der zweiten b, so erhält man x 1 + b a x 2 = e a (24) a x 2 = f ce a mit der Determinante = ad bc der Matrix A = ( a b c d b) Für 0 hat das System für alle rechten Seiten (e,f) K 2 genau eine Lösung; den entsprechenden Punkt in K 2 kann man nach 108 als Schnitt der beiden durch die Gleichungen in (23) gegebenen Geraden erhalten In diesem Fall ist N(A) = {0} und R(A) = K 2 c) Im Fall = 0 hat das System genau dann eine Lösung, wenn af ce = 0 gilt; es ist also R(A) = {(e,f) R 2 af ce = 0} (25) nach 108 eine Gerade durch 0 Für (e,f) R(A) ist die zweite Gleichung von (24) automatisch erfüllt, so daß nur die erste Gleichung zu berücksichtigen ist Somit ist die Lösungsmenge M von (23) nach 108 eine Gerade Insbesondere ist N(A) eine Gerade durch 0 d) Im Fall a = b = c = d = e = f = 0 gilt natürlich M = K 2, N(A) = K 2 und R(A) = {0} 1010 Ebenen im Raum a) Wir betrachten das (3 1)-System ax 1 +bx 2 +cx 3 = d, a,b,c,d K (26) ) und nehmen (nach Division durch a 0) oe a = 1 an Offenbar sind x 2 und x 3 frei wählbar, und dann ist x 1 eindeutig festgelegt Die Lösungsmenge von (26) ist M = {(d bx 2 cx 3,x 2,x 3 ) x 2,x 3 K} Mit x 2 := x 3 := 0 erhält man die spezielle Lösung s = (d,0,0) K 3
6 10 Matrizen und Vektoren 57 b) Mit u := ( b,1,0) K 3 und v := ( c,0,1) K 3 hat man N(A) = {( bx 2 cx 3,x 2,x 3 ) x 2,x 3 K} = Ku+Kv = [u,v] c) Die Lösungsmenge = {λu+µv λ,µ K} M = s+n(a) = s+[u,v] = {s+λu+µv λ,µ K} des Systems (26) ist eine Ebene in K 3, die nur für d = 0 durch 0 geht Hier sind wieder s als Punkt und u, v als Vektoren zu interpretieren d) Man beachte, daß u und v linear unabhängig sind (vgl 125), daß also u Kv und v Ku gilt Allgemein wird für linear unabhängige Vektoren u,v K 3 und Punkte p K 3 durch E = p+[u,v] = {p+λu+µv λ,µ K} eine Ebene im Raum K 3 definiert (für linear abhängige Vektoren u,v K 3 erhält man einen Punkt oder eine Gerade) e) Ein lineares System aus 2 bzw 3 Gleichungen in 3 Unbekannten beschreibt also (bis auf Ausnahmefälle) die Schnittmenge von 2 bzw 3 Ebenen im Raum K Bemerkung Man beachte, daß in die Möglichkeit der Division wesentlich ist Lineare Gleichungssysteme über etwa dem Ring der ganzen Zahlen Z oder auch dem Polynomring C[z] können nicht analog zum Fall K = Q,R oder C behandelt werden Aufgabe: Versuchen Sie, analog zu 109 Determinanten für (3 3)-Systeme und sogar für (n n)-systeme zu definieren
V. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra
156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen
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
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
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
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
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
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen In diesem Kapitel geht es um den grundlegenden Zusammenhang zwischen linearen Abbildungen und Matrizen. Die zentrale Aussage ist, dass nach anfänglicher Wahl von Basen
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
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
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen Seien V und W K-Vektorräume mit dimv = n und dimw = m Im folgenden wollen wir jeder m n Matrix eine lineare Abbildung V W zuordnen, und umgekehrt jeder linearen Abbildung
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
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
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
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
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
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
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
MehrKapitel II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
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 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
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
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
MehrLineare Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 5. Dezember 2007 Definition : Tomographie (Fortsetzung) : Tomographie Definition: Ein lineares Gleichungssystem (LGS) ist ein System von n
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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
MehrKapitel V. Affine Geometrie
Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : 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
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
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
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
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
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
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
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,...,
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
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
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
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
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
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
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:
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
Mehr12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen
12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn
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
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
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
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
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)
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
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
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem y + z = 1 + y z
MehrPrüfung EM1 28. Jänner 2008 A :=
1. Die Menge der Eigenwerte der Matrix ist Prüfung EM1 28. Jänner 2008 A := ( 0 1 ) 0 1 A. {1, 0} B. { 1} C. {0} D. {0, 1, 1} E. {0, 1} 2. Es seien V ein n-dimensionaler reeller Vektorraum, ein Skalarprodukt
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
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die
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
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
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 +
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..............................
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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrMotivation: Physikalische Kräfte können nicht durch eine Zahl allein beschrieben werden, denn sie besitzen eine Richtung und einen
Höhere Mathematik 40 2 Lineare Algebra I 21 Vektoren und Vektorräume Motivation: Physikalische Kräfte können nicht durch eine Zahl allein beschrieben werden, denn sie besitzen eine Richtung und einen Betrag
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
MehrSBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 2
SBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 2 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
Mehra 11x 1 + a 12x a 1nx n = d 1 a 21x 1 + a 22x a 2nx n = d 2.. =
5 Lineare Algebra 5 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehr5. Matrizen und Determinanten
technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
Mehr2.1 Vektorräume. 1. für alle x, y U ist x + y U und. 2. für alle x U und alle λ R ist λx U. O V (= O U) U, und dass ( 1) x U, also x U.
Vektorräume Definition Eine nicht leere Menge V, für die eine Addition (dh eine Rechenvorschrift + derart, dass a + b V für alle a, b V ist und eine skalare Multiplikation (dh λa V für alle λ R (λ ist
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,...,
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
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
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
MehrEin Skript für Lineare Algebra I und II
Ein Skript für Lineare Algebra I und II Chris Preston 2003/04 1 2 Dies ist ein Skript für die Vorlesungen Lineare Algebra I und II. Die Texte von Jänich [5] und Fischer [3] haben die Darstellung beeinflusst.
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]
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,
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
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
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f(v) = u} (Andere Bezeichnung: f(v) wird in Analysis-Vorlesung
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
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
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
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
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
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
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.
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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
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
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
Mehr