Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Größe: px
Ab Seite anzeigen:

Download "Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben"

Transkript

1 Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen A B = B A für n n-matrizen A und B. Gilt det(ab) = det(ba)? Aufgabe 16.3 Hat eine Matrix A R n n mit n 2N + 1 und A = A T die Determinante 0? Aufgabe 16.4 Gilt für invertierbare Matrizen A, B K n n ad(ab) = ad(b) ad(a)? Aufgabe 16.5 Ist das Produkt symmetrischer Matrizen stets wieder eine symmetrische Matrix? Aufgabe 16.6 Ist das Inverse einer invertierbaren symmetrischen Matrix wieder symmetrisch? Aufgabe 16.7 Folgt aus der Invertierbarkeit einer Matrix A stets die Invertierbarkeit der Matix A T? Aufgabe 16.8 Wir betrachten eine Blockdreiecksmatrix, d. h. eine Matrix der Form ( ) A C M = K n n, 0 B wobei 0 K (n m) m die Nullmatrix ist und A K m m, C K m (n m), B K (n m) (n m) sind. Zeigen Sie: det M = det A det B. Rechenaufgaben Aufgabe 16.9 Berechnen Sie alle möglichen Matrizenprodukte mit jeweils zwei der Matrizen ( ) A =, B = 0 4, ( ) C = , D = Aufgabe Gegeben sind drei Matrizen A, B, C R 3 3 mit der Eigenschaft AB = C, ausführlich a b c 13 a b 22 2 = 4 3 c 23. a b c 33 Man ergänze die unbestimmten Komponenten.

2 Aufgaben zu Kapitel Aufgabe Sind die folgenden Matrizen invertierbar? Bestimmen Sie gegebenenfalls das Inverse A = 1 1 2, B = R 3 3, C = , D = R Aufgabe Bestimmen Sie ein lineares Gleichungssystem, dessen Lösungsmenge L = 1 0 0, 1 R 3 ist. 1 1 Aufgabe Bestimmen Sie eine LR-Zerlegung der Matrix 1/2 1/3 1/4 1/5 A = 1/3 1/4 1/5 1/6 1/4 1/5 1/6 1/7 1/5 1/6 1/7 1/8 und mit deren Hilfe die Determinante det A. Aufgabe Vervollständigen Sie die folgende Matrix A so, dass A R 3 3 eine orthogonale Matrix ist: 1/2 1/ 2 A = 1/2 1/2 1/ 2 Aufgabe Berechnen Sie die Determinanten der folgenden reellen Matrizen: A = , B = Aufgabe Berechnen Sie die Determinante der reellen n n-matrix d 1 A =. d d n... Anwendungsprobleme Aufgabe Für ein aus drei produzierenden Abteilungen bestehendes Unternehmen hat man durch praktische Erfahrung die folgenden Matrizen P R 3 3 für die Produktherstellung und R R 3 3 für die Rohstoffverteilung ermittelt: P = und R =

3 248 Aufgaben zu Kapitel 16 (a) Welche Nachfrage v kann das Unternehmen befriedigen, wenn die Gesamtproduktion g durch g = bei Auslastung aller Maschinen vorgegeben ist? Welcher Rohstoffverbrauch r fällt dabei an? (b) Durch eine Marktforschung wurde der Verkaufsvektor v = 54 ermittelt. Welche Gesamtproduktion 36 g ist nötig, um diese Nachfrage zu befriedigen? Mit welchem Rohstoffverbrauch r ist dabei zu rechnen? 200 (c) Nun ist die Rohstoffmenge r = 100 vorgegeben. Welche Gesamtproduktion g kann erzielt werden? 200 Welche Nachfrage v wird dabei befriedigt? Aufgabe In einer Population von Ameisen kann man Individuen mit drei verschiedenen Markmalen m 1, m 2 und m 3 unterscheiden. Die Wahrscheinlichkeit dafür, dass das Merkmal m i auf das Merkmal m j bei einem Fortpflanzungszyklus übergeht, bezeichnen wir mit p ij. Diese Zahlen sind in der Tabelle 16.2 gegeben. Tabelle 16.2 Die Übergangswahrscheinlichkeiten der Merkmale m 1, m 2, m 3. m 1 m 2 m 3 m m m Diese Zahlen bilden eine sogenannte stochastische Matrix P = (p ij ) R 3 3. (a) Wie groß ist der Anteil der drei Merkmale nach einem Zyklus, wenn am Anfang Gleichverteilung vorliegt? (b) Welche Anfangsverteilung der drei Merkmale ändert sich nach einem Zyklus nicht? Aufgabe Für die Bewegungsgleichungen der beiden in der Abbildung skizzierten Massen m 1 und m 2 gilt ( ) m 1 ẍ 1 = (k 1 + k 2 )x 1 + k 2 x 2 m 2 ẍ 2 = k 2 x 1 (k 2 + k 3 )x 2 mit den Federkonstanten k 1,k 2,k 3 > 0. k 1 k 2 k 3 m 1 m 2 x 1 x 2 Abbildung Zwei Massen m 1 und m 2 sind mit Federn an einer Wand befestigt und miteinander mit einer weiteren Feder verbunden. Die Federkonstanten sind k 1, k 2 und k 3. Bestimmen Sie mit dem Ansatz z 1 (t) x 1 (t) z = z 2 (t) z 3 (t) = ẋ 1 (t) x 2 (t) z 4 (t) ẋ 2 (t)

4 Hinweise zu Kapitel eine Matrix A mittels der sich das Differenzialgleichungssystem ( ) als Differenzialgleichungssystem ż = A z 1. Ordnung formulieren lässt. Hinweise Verständnisfragen Aufgabe 16.1 Man prüfe dies an oberen und unteren 2 2-Matrizen nach und verallgemeinere die Beobachtung. Aufgabe 16.2 Man beachte den Determinantenmultiplikationssatz auf Seite 550. Aufgabe 16.3 Man beachte die Regeln in der Übersicht auf Seite 551. Aufgabe 16.4 Man beachte die Formel auf Seite 553. Aufgabe 16.5 Prüfen Sie, ob (AB) T = ABfür alle symmetrischen 2 2-Matrizen A und B gilt. Aufgabe 16.6 Prüfen Sie, ob für eine symmetrische Matrix A die Gleichung (A 1 ) T = (A T ) 1 gilt. Aufgabe 16.7 Beachte die Übersicht auf Seite 551. Aufgabe 16.8 Führen Sie Zeilenumformungen an der Matrix M durch. Rechenaufgaben Aufgabe 16.9 Berechnen Sie AB, AC, BA, CB, BD, DAund CC, DD. Aufgabe Führen Sie die Multiplikation durch und vergleichen Sie die Komponenten. Aufgabe Man verwende das auf Seite 529 beschriebene Verfahren. Aufgabe Das Gleichungssystem ist homogen, besteht nur aus einer Zeile und hat drei Unbekannte. Aufgabe Verwenden Sie den ab Seite 539 beschriebenen Algorithmus. Aufgabe Die Spalten bzw. Zeilen einer orthogonalen Matrix haben die Länge 1 und stehen senkrecht aufeinander. Aufgabe Verwenden Sie die Regeln in der Übersicht auf Seite 551. Aufgabe Unterscheiden Sie nach den Fällen n gerade und n ungerade. Anwendungsprobleme Aufgabe Man beachte die Anwendung auf Seite 532. Aufgabe Keine Veränderung der Verteilung heißt, dass nach einem Zyklus die Verteilung gleich ist. Machen Sie einen entsprechenden Ansatz. Aufgabe Beachten Sie die Methoden in der Anwendung auf Seite 524.

5 250 Lösungen zu Kapitel 16 Lösungen Verständnisfragen Aufgabe 16.1 Ja. Aufgabe 16.2 Ja. Aufgabe 16.3 Ja. Aufgabe 16.4 Ja. Aufgabe 16.5 Nein. Aufgabe 16.6 Ja. Aufgabe 16.7 Ja. Aufgabe 16.8 Rechenaufgaben ( ) ( ) Aufgabe 16.9 AB =, AC =, BA = , CB = 2 6, ( ) ( ) BD= , DA=, CC= , DD= Aufgabe A = 2 1 3, B = 0 2 2, C = Aufgabe Die Matrizen A, B, C sind invertierbar, die Matrix D nicht. Es gilt A 1 = /4 1/ , B 1 = 1 1/2 0, C 1 = /4 1/ Aufgabe x 1 + x 2 + x 3 = 0. Aufgabe ( ) 2/ A = 1/2 6/ /5 6/5 12/7 1 }{{} =:L 1 det A = /2 1/2 1/ 2 Aufgabe A = 1/2 1/2 1/ 2 1/ 2 1/. 2 0 Aufgabe det A = 21, det B = 0. Aufgabe det A = ( 1) n(n 1) 2 d 1 d 2...d n. ( 1/2 1/3 1/4 1/5 0 1/36 1/30 1/ /600 1/ /9 800 ) } {{ } =:R,

6 Lösungswege zu Kapitel Anwendungsprobleme Aufgabe (a) v = , r = 231 ; (b) g = 570, r = Aufgabe (a) 15 : 8 : 7. (b) 28 : 10 : Aufgabe A = m 1 (k 1 + k 2 ) 0 m 1 k R m 2 k 2 0 m 1 2 (k 2 + k 3 ) ; (c) g = 918 Lösungswege Verständnisfragen Aufgabe 16.1 Die Aussage stimmt. Wir betrachten zwei Matrizen A, B K n n. Sind beide Matrizen obere Dreiecksmatrizen, so haben der i-te Zeilenvektor z i von A und der j-te Spaltenvektor s j von A die Gestalt b j1.. z i = (0,..., 0, a ii,..., a in ) und s j = b jj Also gilt für i>jdie Gleichung z i s j = 0, und damit hat die Matrix ABunterhalb der Diagonalen, d. h. an den Stellen (i, j) mit i>j, nur Nullen als Komponenten, da an diesen Stellen die Produkte von z i mit s j stehen. Für untere Dreiecksmatrizen schließt man analog. Aufgabe 16.2 Die Aussage stimmt. Mit dem Determinantenmultiplikationssatz auf Seite 550 gilt nämlich det(ab) = det A det B = det B det A = det(ba). Aufgabe 16.3 Ja, denn mit den Regeln auf Seite 551 gilt sodass also det A = det A, d.h.deta = 0 gilt. det A = det( A T ) = ( 1) n det A = det A, Aufgabe 16.4 Die Aussage stimmt. Es gilt nämlich: ad(ab) = (AB) 1 det(ab) = B 1 A 1 det A det B = det BB 1 det AA 1 = ad(b) ad(a)

7 252 Lösungswege zu Kapitel 16 Aufgabe 16.5 Die Aussage ist falsch. Das Produkt ABder symmetrischen Matrizen A = ( ) 1 0 und B = ist nämlich nicht symmetrisch. 0 1 ( ) Aufgabe 16.6 Weil die Einheitsmatrix symmetrisch ist, gilt für jede invertierbare Matrix A K n n (A 1 A) T = E T n = E n, also A T (A 1 ) T = E n, sodass (A T ) 1 = (A 1 ) T gilt. Ist A zudem symmetrisch, gilt also A T = A, so folgt also Also ist A 1 wieder symmetrisch. (A 1 ) T = (A T ) 1 = A 1. Aufgabe 16.7 Weil A invertierbar ist, gilt det A = 0. Aus det A = det A T folgt det A T = 0. Dies wiederum besagt, dass A T invertierbar ist, also ist die Aussage richtig. Aufgabe 16.8 Durch Zeilenumformungen an M macht man A zu einer oberen Dreiecksmatrix A. Dabei bleibt B unverändert, und aus C wird dabei C. Ist k die Anzahl der dabei ausgeführten Zeilenvertauschungen, so gilt det A = ( 1) k det A. Nun mache man B durch Zeilenumformungen an M zu einer oberen Dreiecksmatrix B. Dabei bleiben A und C unverändert. Ist l die Anzahl der dabei ausgeführten Zeilenvertauschungen, so gilt det B = ( 1) l det B. Damit haben wir nun insgesamt eine obere Dreiecksmatrix ( M A C = ) 0 B K n n konstruiert. Nach den Regeln in der Übersicht auf Seite 551 gilt det M = det A det B. Wegen det M = ( 1) k+l det M folgt die Behauptung. Rechenaufgaben Aufgabe 16.9 Zwei Matrizen sind nur dann miteinander multiplizierbar, wenn der erste Faktor des Produktes so viele Spalten wie der zweite Faktor Zeilen hat. Damit erhalten wir die folgenden Produkte: ( ) ( ) AB =, AC =, BA = , CB = 2 6, BD = 0 16, ( ) ( ) DA=, CC= , DD= Aufgabe Wir führen die Multiplikation der Matrix A mit B durch und erhalten die Gleichung: 2 a 11 a 11 b b b a 11 2 a 21 a 21 b 12 + b b a 21 2 a 31 a 31 b 12 b 22 2 b a c 13 = 4 3 c c 33

8 Lösungswege zu Kapitel Zwei Matrizen sind genau dann gleich, wenn sie gleich viele Zeilen und Spalten haben und komponentenweise übereinstimmen. Da beide Matrizen gleich viele Zeilen und Spalten haben, führen wir nun einen Vergleich der Komponenten durch. Dies sind neun Gleichungen: 2 a 11 = 2 2 a 21 = 4 2 a 31 = 0 a 11 b b b 32 = 3 a 21 b 12 + b b 32 = 3 a 31 b 12 b 22 2 b 32 = a 11 = c a 21 = c a 31 = c 33 Aus diesem (nicht-linearen) Gleichungssystem erhalten wir der Reihe nach a 11 = 1, a 21 = 2, a 31 = 0 und hieraus, indem wir diese Werte in die rechten drei Gleichungen einsetzen, c 13 = 11, c 23 = 10, c 33 = 6. Nun setzen wir diese sechs bekannten Werte in die mittleren drei Gleichungen ein und erhalten das lineare Gleichungssystem b b b 32 = 3 2 b 12 +b b 32 = 3 b 22 2 b 32 = 0 mit der eindeutig bestimmten Lösung b 12 = 2, b 22 = 2, b 32 = Also gilt A = 2 1 3, B = 0 2 2, C = Aufgabe Wir wenden das Verfahren an, das auf Seite 529 beschrieben wurde. Für die Matrix A erhalten wir:

9 254 Lösungswege zu Kapitel Es ist also A invertierbar und A 1 = Für die Matrix B erhalten wir: Also ist B invertierbar und /4 1/2 B 1 = 1 1/ /4 1/2

10 Lösungswege zu Kapitel Bei der Matrix C gehen wir analog vor: Es ist also C invertierbar und C 1 = Bei der Matrix D wird das Verfahren abbrechen. Denn die Summe der ersten drei Zeilen ergibt die vierte Zeile. Also sind die Zeilen linear abhängig, sodass beim Anwenden von elementaren Zeilenumformungen eine Nullzeile entstehen wird. Wir führen das Verfahren dennoch durch: Es ist also D nicht invertierbar, da rg D = 3 gilt Aufgabe Das gesuchte lineare Gleichungssystem muss homogen sein, da der Nullvektor eine Lösung ist. Weil die Dimension des Lösungsraumes 2 ist und die Lösungen im R 3 liegen, muss die Koeffizientenmatrix des Gleichungssystems den Rang 1 (= 3 2) und drei Spalten haben. Also können wir für das gesuchte Gleichungssystem annehmen, dass es von der folgenden Form ist: a 1 x 1 + a 2 x 2 + a 3 x 3 = 0. Die Homogenität des Gleichungssystems besagt, dass alle Lösungen senkrecht auf dem Vektor a = a 1 a 2 R 3 stehen. Dies liefert, wenn wir die zwei linear unabhängigen, erzeugenden Vektoren des a 3

11 256 Lösungswege zu Kapitel 16 Lösungsraumes L betrachten, die Bedingungen: a 1 a 3 = 0 a 2 a 3 = 0 Also können wir a 1 = a 2 = a 3 = 1 wählen. Damit ist also x 1 + x 2 + x 3 = 0 ein lineares Gleichungssystem, das L als Lösungsmenge hat. Aufgabe Zunächst berechnen wir eine LR-Zerlegung von A. Dabei tragen wir die Eliminationsfaktoren m ij anstelle der Nullen an den entsprechenden Stellen ein: 1/2 1/3 1/4 1/5 1/3 1/4 1/5 1/6 1/4 1/5 1/6 1/7 1/5 1/6 1/7 1/8 }{{} =A 1/2 1/3 1/4 1/5 2/3 1/36 1/30 1/30 1/2 1/30 1/24 3/70 2/5 1/30 3/70 9/200 Somit besitzt A die LR-Zerlegung: 1/2 1/3 1/4 1/5 2/ /2 6/5 1/600 1/350 2/5 6/5 1/350 1/200 1/2 1/3 1/4 1/5 2/3 1/36 1/30 1/30 1/2 6/5 1/600 1/350 2/5 6/5 12/7 1/9 800 ( ) 2/ A = 1/2 6/ /5 6/5 12/7 1 }{{} =:L ( 1/2 1/3 1/4 1/5 0 1/36 1/30 1/ /600 1/ /9 800 ) } {{ } =:R Für die Determinante det A gilt wegen des Determinantenmultiplikationssatzes det A = det L det R = det R = Aufgabe Wir bezeichnen die gesuchten Elemente: 1/2 a 1/ 2 A = 1/2 1/2 b c 1/ 2 d und nehmen nun an, dass die Matrix A orthogonal ist

12 Lösungswege zu Kapitel Weil die Zeilen einer orthogonalen Matrix normiert sind, gelten für a und b: 1/4 + a 2 + 1/2 = 1 a =±1/2 1/4 + 1/4 + b 2 = 1 b =±1/ 2 Nehmen wir an, dass a = 1/2 gilt. Dann folgt ein Widerspruch zur Orthogonalität der Matrix A, weil das Skalarprodukt zwischen erster und zweiter Zeile den Wert Null ergeben muss: 1/4 1/4 + 1/ 2 b = 0 Also ist a = 1/2. Damit folgt für b mittels des Skalarproduktes der ersten beiden Zeilen, sogleich b = 1/ 2. 1/4 + 1/4 + 1/ 2 b = 0, Nun kommen wir zu c. Weil die erste Spalte die Länge 1 haben muss, gilt 1/4 + 1/4 + c 2 = 1 c =±1/ 2. Wir nehmen an, dass c = 1/ 2 gilt. Dann folgt durch Bildung des Skalarproduktes der ersten beiden Spalten ein Widerspruch zur Orthogonalität der Matrix A: Also ist c = 1/ 2. 1/4 1/4 1/2 = 0 Um schließlich d zu ermitteln, nutzen wir aus, dass die dritte Zeile die Länge 1 haben muss: Hieran erkennen wir, dass d = 0 gelten muss. 1/2 + 1/2 + d 2 = 1 Nun haben wir alle Komponenten der Matrix A bestimmt: 1/2 1/2 1/ 2 A = 1/2 1/2 1/ 2 1/ 2 1/ 2 0 Jetzt ist noch nachzuprüfen, dass die Matrix tatsächlich orthogonal ist. In der Tat gilt für das Produkt A T A: 1/2 1/2 1/ 2 1/2 1/2 1/ 1/2 1/2 1/ 2 2 1/ 2 1/ 1/2 1/2 1/ / 2 1/ 2 0 = E 3 Aufgabe Da A eine Blockdreiecksmatrix (siehe Aufgabe 9) ist, ergibt sich det A = = = ( )( ) = ( 3)( 7) = 21. Da B zwei identische Zeilen (z. B. die erste und die letzte Zeile) hat, ist det B = 0.

13 258 Lösungswege zu Kapitel 16 Aufgabe Zunächst sei n = 2 m gerade. Durch die m Zeilenvertauschungen 1 n, 2 n 1,...,m m + 1 entsteht aus d 1. d 2 ( ) 0. d n... die Matrix d n d2, d 1 deren Determinante d 1 d 2 d n ist. Also gilt: d 1. d 2 = ( 1) m d 1 d 2...d n 0. d n... = ( 1) m(2 m 1) d 1 d 2...d n = ( 1) n(n 1) 2 d 1 d 2...d n Als nächstes sei n = 2 m + 1 ungerade. In diesem Fall ergibt sich die Matrix ( ) aus ( ) durch die m Zeilenvertauschungen 1 n, 2 n 1,...,m m + 2, und es folgt genauso: d 1. d 2 = ( 1) m d 1 d 2...d n 0. d n... = ( 1) m(2 m+1) d 1 d 2...d n = ( 1) (n 1)n 2 d 1 d 2...d n ( ) Anwendungsprobleme Aufgabe Wir verwenden die Bezeichnungen von Seite (a) Wegen E 3 P = erhält man für v: v = (E 3 P) g = = Für den Rohstoffvektor erhält man r = R g = =

14 (b) Wegen (E 3 P) 1 = erhält man für g g = (E n P) 1 v = = Dabei ergibt sich der Rohstoffvektor r = R (E n P) 1 v = = = (c) Für den Vektor g, der die Gesamtproduktion darstellt gilt g = R 1 r. Lösungswege zu Kapitel Das Inverse zu R ist die Matrix R 1 = Damit erhalten wir für den gesuchten Vektor g g = R 1 r = = Damit ergibt sich für den zugehörigen Verkaufsvektor v = (E n P) R 1 r v = Aufgabe (a) Wegen der Gleichverteilung ist der Anfangszustand a 1 1/3 a 2 = 1/3. a 3 1/3 Damit erhalten wir nach einem Fortpflanzungszyklus die Verteilung: / /3 = 1/ /3 0.7

15 260 Lösungswege zu Kapitel 16 a 1 (b) Dass sich die Anfangsverteilung a = a 2 nicht ändert, bedeutet a 3 P a = a. Diese Bedingung liefert ein Gleichungssystem für die Zahlen a 1,a 2,a 3 : a 1 a a 2 = a a 3 a 3 Wir geben die erweiterte Koeffizientenmatrix an: Das Eliminationsverfahren von Gauß liefert die Lösungsmenge 28 L = λ λ R. Damit ist also 28 : 10 : 11 die gesuchte Verteilung. Aufgabe Wir setzen z 1 (t) x 1 (t) z = z 2 (t) z 3 (t) = ẋ 1 (t) x 2 (t) z 4 (t) ẋ 2 (t) und erhalten durch komponentenweises Differenzieren: ż 1 (t) ẋ 1 (t) z 2 (t) ż = ż 2 (t) ż 3 (t) = ẍ 1 (t) ẋ 2 (t) = m 1 1 (k 1 + k 2 )x 1 + m 1 1 k 2 x 2 z 4 (t) ż 4 (t) ẍ 2 (t) 1 m 2 k 2 x 1 m 1 2 (k 2 + k 3 )x 2 Damit erfüllt die Matrix A = m 1 (k 1 + k 2 ) 0 m 1 k R4 4 1 m 2 k 2 0 m 1 2 (k 2 + k 3 ) 0 die Eigenschaft ż = A z.

Aufgaben zu Kapitel 16

Aufgaben zu Kapitel 16 Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2

Mehr

Serie 8: Online-Test

Serie 8: Online-Test D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013 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

Mehr

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9 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

Mehr

Serie 8: Fakultativer Online-Test

Serie 8: Fakultativer Online-Test Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Aufgaben zu Kapitel 14

Aufgaben zu Kapitel 14 Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, 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

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. 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

Mehr

Serie 8: Online-Test

Serie 8: Online-Test D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019 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

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht 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.

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen und Determinanten, Aufgaben Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen 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

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

a 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:

a 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

Mehr

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: 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

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von

Mehr

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper)

bzw. 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

Mehr

5.4 Basis, Lineare Abhängigkeit

5.4 Basis, Lineare Abhängigkeit die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)

Mehr

05. Lineare Gleichungssysteme

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

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen 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

Mehr

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 23): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag 3. Mit Hilfe elementarer Zeilenumformungen sowie der Tatsache, daß sich die Determinante

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Mehr

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Serie 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

Mehr

( ) Lineare Gleichungssysteme

( ) Lineare Gleichungssysteme 102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv

Mehr

9 Lineare Gleichungssysteme

9 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

Mehr

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 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

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, 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

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit

Mehr

6.2 Rechnen mit Matrizen

6.2 Rechnen mit Matrizen 62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit 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

Mehr

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,

Mehr

6 Lineare Algebra. 6.1 Einführung

6 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

Mehr

Mathematik I. Vorlesung 14. Rang von Matrizen

Mathematik I. Vorlesung 14. Rang von Matrizen Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten

Mehr

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden: Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 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,

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

Das inhomogene System. A x = b

Das 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

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2

Mehr

a 1 a 1 A = a n . det = λ det a i

a 1 a 1 A = a n . det = λ det a i 49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE 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

Mehr

10.2 Linearkombinationen

10.2 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

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, 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 =

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. 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

Mehr

4. Übungsblatt zur Mathematik II für Inf, WInf

4. Übungsblatt zur Mathematik II für Inf, WInf Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 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

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare 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

Mehr

3 Lineare Gleichungssysteme

3 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

Mehr

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt

Mehr

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018

HM 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

Mehr

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: 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

Mehr

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q: Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) 1 1 1 1 1 2 1 1 1 b) 1 2 1 1 1 1 2 1 1 1 1 2 1 2 3 1 c) 1 3 3 2 2 1 5 3 1 2 6 1 [Lösung]

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein

Mehr

Lineare Algebra für Ingenieure

Lineare Algebra für Ingenieure TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen

Mehr

Zeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.

Zeilenstufenform. 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

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

3 Lineare Gleichungen

3 Lineare Gleichungen Aufgabe 3. Man löse die lineare Gleichung a 2 x b 2 a a(b ax) b + b2 a = a, a b nach der Unbekannten x auf und diskutiere die möglichen Fälle. a 2 x b 2 a a(b ax) b + b2 a = a a b a 2 bx b 3 a 2 b + a

Mehr

Kapitel 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 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.

Mehr

Kapitel 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 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.

Mehr

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

Matrixalgebra. 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):

Mehr

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare 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

Mehr

Ökonometrische Analyse

Ökonometrische Analyse Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 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

Mehr

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist 127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 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

Mehr

1 Matrizenrechnung zweiter Teil

1 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

Mehr

= 9 10 k = 10

= 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

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: Analysis und Lineare Algebra Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218

Mehr

Lineare Algebra - Übungen 7 WS 2017/18

Lineare Algebra - Übungen 7 WS 2017/18 Prof. Dr. A. Maas Institut für Physik N A W I G R A Z Lineare Algebra - Übungen 7 WS 017/18 Aufgabe P0: Paulimatrizen Präsenzaufgaben 14. Dezember 017 Berechnen Sie für die Paulimatrizen σ 1 = ( ) 0 1,

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare 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

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik 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,...,

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.

Mehr

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)

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) 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)

Mehr

3 Matrizen und Lineare Gleichungssysteme

3 Matrizen und Lineare Gleichungssysteme 3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der

Mehr

1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4

1 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

Mehr

Matrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya

Matrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya Matrizen: Grundbegriffe -E Ma Lubov Vassilevskaya Lineares Gleichungssystem Abb. : Der Schnittpunkt P der beiden Geraden ist die graphische Lösung des linearen Gleichungssystem g : y = x, g 2 : y = 3 x,

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A = 3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren

Mehr

Kapitel 15. Aufgaben. Verständnisfragen

Kapitel 15. Aufgaben. Verständnisfragen Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet

Mehr

Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2

Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2 Fakultät Mathematik WS 27/8 Institut für Mathematische Stochastik / Institut für Analysis Dr. W. Kuhlisch, Dr. F. Morherr Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie

Mehr

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2

Mehr

7 Matrizen über R und C

7 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

Mehr