8 Lineare Gleichungssysteme
|
|
- Mina Scholz
- vor 7 Jahren
- Abrufe
Transkript
1 $Id: lgs.tex,v /12/20 12:57:04 hk Exp $ $Id: matrix.tex,v /12/20 13:12:44 hk Exp hk $ 8 Lineare Gleichungssysteme In der letzten Sitzung hatten wir mit der Besprechung linearer Gleichungssysteme a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 (... =. a m1 x 1 + a m2 x a mn x n = b m begonnen, und hatten beispielhaft einige Situationen vorgestellt, in denen diese vorkommen. Bevor wir an die Lösung linearer Gleichungssysteme gehen, ist es hilfreich eine kompakte Schreibweise für diese einzuführen. Definition 8.2: Eine m n Matrix A über K {R, C} ist ein rechteckiges Schema a 11 a 1n A =.. a m1 a mn bestehend aus m Zeilen von je n Elementen von K. Ist dabei m = n, so spricht man auch von einer quadratischen Matrix. Wir können jetzt ein lineares Gleichungssystem wie unser obiges ( als eine Matrix schreiben, indem nur noch die Koeffizienten und die rechte Seite des Systems hingeschrieben werden. Hierbei gehen die Bezeichungen der Unbekannten verloren, aber diese spielen innerhalb der Rechnungen sowieso keine Rolle. Definition 8.3: Sei ( das lineare Gleichungssystem aus Definition 1. Dann nennt man die Matrix a 11 a 1n A =.. a m1 a mn die Koeffizientenmatrix des linearen Gleichungssystems (. Weiter heißt die Matrix a 11 a 1n b 1 A =... a m1 a mn b m die erweiterte Koeffizientenmatrix des linearen Gleichungssystems (. 16-1
2 Gelegentlich wird die rechte Seite des Gleichungssystems in der erweiterten Koeffizientenmatrix durch einen senkrechten Strich von den Koeffizienten getrennt, also a 11 a 1n b 1..., a m1 a mn b m dies hat dann aber keine inhaltliche Bedeutung, sondern dient nur der Optik. Wir wollen uns jetzt auch noch ein erstes konkretes Beispiel eines linearen Gleichungssystems anschauen, nämlich das folgende System von vier Gleichungen in vier Unbekannten: x + 2y u + v = 1 x + 2y + u v = 3 x + 2y + 3u v = 1 3x u = 0 Koeffizientenmatrix A und erweiterte Koeffizientenmatrix A dieses Gleichungssystems entstehen dann indem wir alle redundanten Symbole, also Plus/Minus-Zeichen, Gleichheitszeichen und Unbekannte weglassen, sie sind also die 4 4 beziehungsweise 4 5 Matrix A = , A = Auf einige Randfälle wollen wir besonders hinweisen: Einzeln stehende Variablen werden in der Koeffizientenmatrix zu 1, da beispielsweise das x in der ersten Gleichung als 1 x gelesen werden kann. 2. Subtraktionen im Gleichungssystem werden als Addition mit dem entsprechenden negativen Vielfachen aufgefasst, so wird beispielsweise das u in der ersten Gleichung zu 1 in der Koeffizientenmatrix. 3. Nicht vorkommende Variablen in einer der Gleichungen denken wir uns als Null mal die entsprechende Variable dazu, beispielsweise führt das fehlende y in der vierten Gleichung in der Koeffizientenmatrix zu einer 0 in der zweiten Spalte der vierten Zeile. Wie in diesem Beispiel zu sehen, müssen die Unbekannten nicht x 1,..., x n heißen, für höchstens drei Unbekannte nennen wir diese meist x, y, z und für vier Unbekannte werden wir meistens x, y, u, v als Variablennamen verwenden. Sehr kleine lineare Gleichungssysteme mit n = 2 oder n = 3 Unbekannten kann man einfach durch schrittweises Eliminieren der Unbekannten lösen, sind die Unbekannten etwa x, y und haben wir zwei Gleichungen, so nehmen wir eine der beiden Gleichungen um y durch x auszudrücken, setzen das Ergebnis für y in die andere Gleichung ein, lösen diese 16-2.
3 nach x auf, und berechnen hieraus schließlich y. Dieses Verfahren wird aber schon ab n = 4 Unbekannten unpraktisch. Das Gleichungssystem im obigen Beispiel wäre noch gerade ausreichend klein um direkt durch schrittweises Eliminieren der Unbekannten gelöst zu werden, wir wollen aber lieber ein systematisches, allgemein verwendbares, Lösungsverfahren haben. Als ein solches werden wir das sogenannte Gaußsche Eliminationsverfahren verwenden. Dieses Verfahren beruht darauf ein gegebenes lineares Gleichungssystem von allgemeiner Form in ein äquivalentes System von sehr spezieller Gestalt umzuformen. Diese speziellen linearen Gleichungssysteme sind die linearen Gleichungssysteme die in der sogenannten Stufenform vorliegen: a 11 x a 1i x i + + a 1j x j + = b 1 a 2i x i + + a 2j x j + = b 2 a 3j x j + = b 3. =. mit a 11 0, a 2i 0, a 3j 0 und so weiter. In jeder Gleichung kommen also von links gesehen immer weniger der Unbekannten vor. Ein konkretes Beispiel für ein solches Gleichungssystem mit m = 2 Gleichungen und n = 4 Unbekannten ist x + y + u v = 1 u + v = 2, hier haben wir die beiden unterstrichenen Stufen der Länge 2. Wir lösen ein System in Stufenform indem wir von unten nach oben gehend jeweils eine Gleichung benutzen, die in dieser Gleichung am weitesten links stehende Variable mit von Null verschiedenen Koeffizienten festzulegen. In anderen Worten benutzen wir für die Systeme in Stufenform eine einfache, schrittweise Elimination von Variablen, bei Systemen in Stufenform ist diese aber wesentlich einfacher als für ein allgemeines lineares Gleichungssystem, da von jedem Einsetzungsschritt immer nur Variablen weiter rechts betroffen sind. Im Beispiel ergibt die zweite Gleichung u = 2 v und die Variable u ist festgelegt. An die andere Variable sind keine Bedingungen gestellt. Setzen wir u = 2 v in die erste Gleichung ein, so wird diese zu x + y + 2 v v = 1, also x = 1 y + 2v, d.h. durch diese Gleichung wird x festgelegt und an y gibt es keine Bedingungen. Für die Lösungsmenge ist es nun praktisch, die frei gebliebenen Variablen y und v in t und s umzutaufen. Die Lösungsmenge ist dann 1 s + 2t s 2 t t s, t R. Der Einfachheit halber schreiben wir die Lösungen dabei als einen Spaltenvektor, also als eine 4 1 Matrix, dessen vier Einträge von oben nach unten für x, y, u, v stehen. 16-3
4 Weiter haben wir das lineare Gleichungssystem über K = R interpretiert, wollen wir es als ein komplexes Gleichungssystem auffassen, so muss t, s R durch t, s C ersetzt werden. In einem linearen Gleichungssystem aus r Gleichungen in n Variablen das in Stufenform vorliegt, wird die Lösungsmenge durch n r freie Variablen beschrieben, die die restlichen r Variablen festlegen. Wenn n = m = r ist, es also keine langen Stufen im System gibt, so ist die Lösung eindeutig. Lange Stufen sind dabei solche, die zwei oder mehr Unbekannte umfassen. Nehmen wir beispielsweise x + 2y u + v = 1 4y + 2u = 2 2u 2v = 4 2v = 10 so liefert die vierte Gleichung v = 5, damit wird die dritte zu 2u 10 = 4, also u = 3, die zweite Gleichung ergibt 4y + 6 = 2, also y = 1 und schließlich mit der ersten Gleichung auch x = 1, also x = 1. Die Lösung von Systemen in Stufenform ist also völlig unproblematisch und zwar sowohl wenn die Lösung eindeutig ist als auch wenn es mehrere Lösungen gibt. Ein allgemeines lineares Gleichungssystem wollen wir lösen, indem wir es in ein äquivalentes System in Stufenform umwandeln. Hierzu verwenden wir die folgenden drei elementaren Transformationen eines linearen Gleichungssystems: 1. Vertauschen zweier Gleichungen. 2. Multiplikation einer der Gleichungen mit einer Zahl c Addition eines Vielfachen einer Gleichung zu einer anderen Gleichung. Offenbar verändert keine dieser drei Transformationen die Lösungsmenge des linearen Gleichungssystems. Die Operation (2 wird dabei nicht wirklich benötigt, wir können sie beispielsweise dazu benutzen in der Stufenform zusätzlich a 11 = a 2i = a 3j = = 1 anzunehmen, was gelegentlich bequem ist. In Termen der erweiterten Koeffizientenmatrix werden diese drei Operationen zu 1. Vertauschen zweier Zeilen. 2. Multiplikation einer Zeile mit einer Zahl c Addition eines Vielfachen einer Zeile zu einer anderen Zeile. Diese drei Transformationen einer Matrix werden auch als elementare Zeilenumformungen bezeichnet. Das schon angekündigte Gaußsche Eliminationsverfahren, oft auch als Gauß-Algorithmus bezeichnet, wendet diese drei elementaren Umformungen systematisch auf ein gegebenes lineares Gleichungssystem an, um es in ein System in Stufenform zu überführen. 16-4
5 Wir wollen das Eliminationsverfahren zunächst am obigen Beispiel des linearen Gleichungssystems mit der erweiterten Koeffizientenmatrix durchführen. Das Verfahren startet hier indem wir Vielfache der ersten Zeile zu den anderen drei Zeilen addieren, und zwar so, dass der neue Eintrag in der ersten Spalte dieser drei Gleichungen zu Null wird. Ziehen wir die erste Zeile von der zweiten ab, so erhalten wir ganz links in der zweiten Zeile tatsächlich eine Null. Beachte dabei das ein Abziehen der ersten Zeile von der zweiten auch als Addition des ( 1-fachen der ersten Zeile zur zweiten gedeutet werden kann. Entsprechend müssen wir die erste Zeile zur dritten Zeile addieren, und das dreifache der ersten Zeile von der vierten Zeile abziehen. Mit diesen drei elementaren Zeilenumformungen wird unsere erweiterte Koeffizientenmatrix zu Damit sind wir der Stufenform ein Stück näher gekommen. Nun würden wir gerne mit der zweiten Zeile so fortfahren, also Vielfache der zweiten Zeile zur dritten und vierten addieren so, dass wir in der dritten und vierten Zeile zwei führende Nullen bekommen. Leider geht dies nicht sofort, da der zweite Eintrag der zweiten Zeile ja selbst eine Null ist. Dies können wir aber leicht beheben, wir benutzen die erste unserer elementaren Zeilenumformungen um die zweite und die dritte Zeile der Matrix miteinander zu vertauschen Danach kann es weitergehen, um auch der vierten Zeile eine zweite Null zu geben, muss nur noch das 3/2-fache der zweiten Zeile zur vierten addiert werden
6 Damit ist die Stufenform schon beinahe erreicht. Wir müssen nur noch als letzten Schritt das 5/2-fache der dritten Zeile von der vierten abziehen und erhalten Damit haben wir unser lineares Gleichungssystem in Stufenform gebracht. Tatsächlich ist das erhaltene System in Stufenform gerade x + 2y u + v = 1 4y + 2u = 2 2u 2v = 4 2v = 10 und dies war unser zweites Beispiel eines linearen Gleichungssystems in Stufenform. Die eindeutige Lösung dieses Gleichungssystems hatten wir bereits als x = 1, y = 1, u = 3, v = 5 berechnet. Wir wollen nun noch ein zweites Beispiel durchrechnen. Wir betrachten das folgende lineare Gleichungssystem x + y + z = 1 2x y + 3z = 0 5x y + 7z = b. wobei b R eine Konstante ist. Hier beginnt das Eliminationsverfahren, indem wir das doppelte der ersten Zeile von der zweiten Zeile abziehen und anschließend das fünffache der ersten Zeile von der dritten Zeile abziehen b 5 Jetzt wird das doppelte der zweiten Zeile von der dritten Zeile abgezogen, und es entsteht b b 1 Die unterste Zeile der Koeffizientenmatrix besteht jetzt nur noch aus Nullen, und die Elimination ist beendet. Was jetzt passiert hängt von der Konstanten b ab. Ist b 1 0, also b 1, so ist die unterste Gleichung nicht erfüllbar, denn diese bedeutet ausgeschrieben ja 0 x + 0 y + 0 z = b
7 Das lineare Gleichungssystem hat in diesem Fall also keine Lösung. Dass ein lineares Gleichungssystem nicht lösbar sein muss, sollte keine Überraschung sein, wir hatten als ein Beispiel zu Beginn dieses Kapitels den Schnitt einer Ebene mit einer Gerade als lineares Gleichungssystem ausgedrückt, und ist die Gerade zufällig parallel zur Ebene, so hat dieses System halt keine Lösung. Ist im Beispiel dagegen b = 1, so können wir die unterste Zeile ignorieren, diese besagt ja nur noch 0 = 0, und haben ein System in Stufenform. Die untere Zeile des verkleinerten Systems gibt dann also eingesetzt in die erste Gleichung 3y + z = 2 = y = 1 3 z x = 1 y z = z. In der Beschreibung der Lösungsmenge verwenden wir diesmal z = 3t mit t R und haben 1 4t t 3 3t t R als die Lösungsmenge des linearen Gleichungssystems. Das Gaußsche Eliminationsverfahren für ein lineares Gleichungssystem aus m Gleichungen in n Variablen läuft damit prinzipiell in drei Phasen ab: 1. Bringe das gegebene lineare Gleichungssystem von oben beginnend in Stufenform indem die Einträge der weiter unten liegenden Zeilen in der gerade betrachteten Spalte durch Addition geeigneter Vielfacher der oberen Zeile auf Null gebracht werden. 2. In der Koeffizientenmatrix des so entstandenen linearen Gleichungssystems seien die ersten r m Zeilen von Null verschieden. Es gibt zwei verschiedene Möglichkeiten: (a Ist r < m, sind also unten in der Koeffizientenmatrix nur aus Nullen bestehende Zeilen entstanden, und ist die rechte Seite einer dieser Nullzeilen von Null verschieden, so hat das lineare Gleichungssystem keine Lösung. In diesem Fall sind wir an dieser Stelle fertig. (b Andernfalls ist entweder r = m oder in jeder Nullzeile ist auch die rechte Seite Null. Dann ignorieren wir die unteren m r Zeilen und erhalten ein lineares Gleichungssystem aus r Gleichungen in n Unbekannten das in Stufenform ist. In diesem Fall ist unser Gleichungssystem auf jeden Fall lösbar. 3. Löse das entstandene lineare Gleichungssystem in Stufenform von unter her, indem jede der verbliebenen Gleichungen eine der Unbekannten festlegt, und eventuell verbleibende Unbekannte als freie Parameter behandelt werden. Für r = n haben wir eine eindeutige Lösung und für r < n eine Lösungsmenge, die durch n r Parameter beschrieben wird. 16-7
8 In dieser Form ist das Eliminationsverfahren für die manuelle Bearbeitung linearer Gleichungssysteme moderater Größe geeignet. Außerdem wird es sich für die theoretische Untersuchung linearer Gleichungssysteme völlig beliebiger Größe als günstig erweisen. Zur Implementation auf einem Rechner ist die hier angegebene Form noch etwas ungünstig, da Rundungsfehler sich noch unnötig stark auswirken können. Wie man dies vermeiden kann, ist ein Thema der Numerik und soll hier nicht behandelt werden. Ebenfalls nicht geeignet ist das Verfahren für große Systeme, wie etwa diejenigen die durch Diskretisierung von Differentialgleichungen entstehen, oder die Pagerang- Gleichung. 9 Matrizen über R und C In 8 hatten wir Matrizen nur als eine kompakte Schreibweise für lineare Gleichungssysteme eingeführt. In diesem Kapitel wollen wir die Matrizen in ihren Status etwas aufwerten, und diverse Möglichkeiten einführen mit ihnen zu rechnen. Zunächst brauchen wir eine Bezeichnung für die Menge aller Matrizen einer gegebenen Größe. Definition 9.1: Seien K {R, C} und n, m N mit n, m 1. Dann bezeichne K m n die Menge aller m n Matrizen über K, also aller Matrizen bestehend aus m Zeilen und n Spalten mit Einträgen aus K. Jede reelle Matrix ist natürlich insbesondere eine komplexe Matrix, also R m n C m n und man kann komplexe Matrizen als den allgemeinen Fall auffassen. Manchmal ist es technisch bequem auch m = 0 oder n = 0 zuzulassen, dann wird die Menge K m n als {0} interpretiert. Weiter nennt man 1 n Matrizen auch Zeilenvektoren und m 1 Matrizen werden Spaltenvektoren genannt. Wir werden zwischen diesen beiden meistens keinen Unterschied machen. Sowohl für die Menge K n := K 1 n aller Zeilenvektoren der Länge n als auch für die Menge K m := K m 1 aller Spaltenvektoren der Länge m verwenden wir dasselbe Symbol. Dies ist normalerweise unproblematisch. 9.1 Addition und Multiplikation mit Skalaren Die beiden einfachsten Operationen sind die Addition von Matrizen derselben Größe und die Multiplikation mit reellen beziehungsweise komplexen Zahlen. In diesem Zusammenhang nennt man letztere oft auch Skalare. Definition 9.2: Sei K {R, C} und seien n, m N\{0}. Sind dann A, B zwei m n Matrizen a 11 a 1n b 11 b 1n A =.., B =.. a m1 a mn b m1 b mn 16-8
9 so definieren wir die Summe A + B von A und B als a 11 + b 11 a 1n + b 1n A + B :=... a m1 + b m1 a mn + b mn Sind weiter c K ein Skalar und A K m n wieder die obige Matrix, so definieren wir das Vielfache c A durch a 11 a 1n ca 11 ca 1n c A = c.. :=... a m1 a mn ca m1 ca mn Insbesondere sind die Summen von Zeilen- beziehungsweise Spaltenvektoren gleicher Größe und Produkte von Skalaren mit Zeilen- beziehungsweise Spaltenvektoren definiert. Mit dieser Addition beziehungsweise Multiplikation mit Skalaren haben wir dann die folgenden Rechenregeln: 1. Assoziativgesetz der Addition Für alle m n Matrizen A, B, C gilt (A+B+ C = A + (B + C. 2. Kommutativgesetz der Addition Für alle m n Matrizen A, B gilt A + B = B + A. 3. Existenz des neutralen Elements der Addition Ist 0 K m n die Nullmatrix, deren Einträge alle Null sind, so gilt 0 + A = A für jede m n Matrix A. 4. Existenz additiver Inverser Sind A eine m n Matrix so gilt ( A + A = 0 wobei A := ( 1 A ist. Beachte das wir die Nullmatrix unabhängig von ihrer Größe einfach als 0 schreiben. Diese vier Rechenregeln entsprechen den sich auf die Addition beziehenden ersten vier Körperaxiomen (A1 bis (A4 aus 4.1. Es gibt jetzt einige weitere Rechenregeln über die Multiplikation mit Skalaren und deren Zusammenhang mit der Addition. 1. Assoziativgesetz für die Multiplikation mit Skalaren Für alle Zahlen t, s K und alle m n Matrizen A über K gilt (ts A = t (s A. 2. Eins Für jede m n Matrix A über K ist 1 A = A. 3. Distributivgesetze Für alle m n Matrizen A, B K m n und alle Zahlen t, s K gelten (t + s A = t A + s A und t (A + B = t A + t B. 16-9
10 Beachte das wir all diese Regeln insbesondere auch auf Zeilen- und Spaltenvektoren anwenden können. Auf explizite Beweise dieser Regeln wollen wir hier verzichten, sie sind allesamt trivial da einfach in jeder Komponente das jeweilige Körperaxiom für R oder C angewandt wird. Man kann Matrizen passender Größe auch miteinander multiplizieren, allerdings wird hierzu nicht die zunächst naheliegende komponentenweise Multiplikation verwendet. Warum die Matrixmultiplikation genau wie folgt definiert ist, und auch genau so definiert werden muss, werden wir erst später im Zusammenhang mit den sogenannten linearen Abbildungen sehen. Definition 9.3: Seien n, m, l N\{0}. Sind dann A eine m l Matrix und B eine l n Matrix jeweils über K {R, C} a 11 a 1l b 11 b 1n A =.., B =.., a m1 a ml b l1 b ln so ist das Produkt C := A B = c 11 c 1n.. c m1 c mn die m n Matrix C, deren Eintrag c ij in der i-ten Zeile und der j-ten Spalte (1 i m, 1 j n durch l c ij := a ik b kj = a i1 b 1j + + a il b lj definiert ist. k=1 Zwei Matrizen A, B können also nur dann multipliziert werden, wenn die linke Matrix A genausoviele Spalten hat wie die rechte Matrix B Zeilen hat. Die Formel zur Multiplikation zweier Matrizen sieht zunächst etwas bedrohlich aus, ist in Wahrheit aber sehr einfach. Wir wollen einmal ein kleines Beispiel anschauen, betrachte etwa die beiden Matrizen A = ( , B = Hier sind A eine 2 3 und B eine 3 4 Matrix, d.h. A und B können multipliziert werden und ihr Produkt ist eine 2 4 Matrix. Wie sieht die erste Zeile des Produktes A B aus? Die Formel für den allerersten Eintrag dieser Zeile lautet. c 11 = a 11 b 11 + a 12 b 21 + a 13 b 31 = ( = 2. Übersichtlicher wird dies wenn wir uns die erste Zeile von A zu einer Spalte gedreht denken und diese der ersten Spalte von B gegenüberstellen
11 Gegenüberliegende Zahlen werden dann miteinander multipliziert, und anschließend wird alles aufaddiert. Der zweite Eintrag der ersten Zeile ergibt sich dann ebenso, nur taucht diesmal auf der rechten Seite die zweite Spalte von B auf, also , und wir erhalten c 12 = = 3. Die restlichen Einträge der ersten Zeile von A B ergeben sich analog. Gehen wir dann zur zweiten Zeile des Produkts über, so müssen wir uns die zweite Zeile der linken Matrix A gedreht denken und stellen diese den Spalten von B gegenüber, also etwa für den Eintrag in der ersten Spalte der zweiten Zeile von A B So fortfahrend haben wir dann insgesamt ( = ( Wir wollen nun einige der Rechenregeln für die Matrixmultiplikation festhalten. Dabei sollen alle vorkommenden Matrizen über den reellen oder den komplexen Zahlen definiert sein. Lemma 9.1 (Rechenregeln für Matrizen Seien n, m, p, q N\{0}. (a Assoziativgesetz Sind A eine m p, B eine p q und C eine q n Matrix, so gilt (A B C = A (B C. (b Einheitsmatrizen Ist E n := = }{{} n Spalten. n Zeilen die sogenannte n n Einheitsmatrix, so gelten für jede m n Matrix A die Gleichungen A E n = A und E m A = A. (c Distributivgesetze Sind A eine m p Matrix und B, C zwei p n Matrizen, so gilt A (B + C = A B + A C. Sind ebenso A, B zwei m p Matrizen und C eine p n Matrix, so gilt (A + B C = A C + B C
12 (d Multiplikation mit Skalaren Sind A eine m p Matrix, B eine p n Matrix und c K ein Zahl, so gilt (ca B = A (cb = c (A B. Beweis: Wir wollen hier nur das Assoziativgesetz exemplarisch vorrechnen, die anderen drei Regeln können Sie sich selbst einmal als zusätzliche Übungsaufgaben vornehmen. Seien also A, B, C wie in (a gegeben. Die beiden Produkte (ABC und A(BC sind dann zwei m n Matrizen. Für alle 1 i m, 1 j n ergibt sich der Eintrag von (ABC in der i-ten Zeile und der j-ten Spalte als ( q q p ((ABC ij = (AB ik C kj = A il B lk C kj = A il B lk C kj. k=1 k=1 Auf der anderen Seite haben wir ebenfalls (A(BC ij = p A il (BC lj = l=1 p l=1 l=1 A il ( q k=1 B lk C kj Dies zeigt ((ABC ij = (A(BC ij, und (a ist bewiesen. 1 l p 1 k q = 1 l p 1 k q A il B lk C kj. Genauso wie wir für die Nullmatrix in jeder Größe einfach Null schreiben, werden wir auch die Einheitsmatrizen E n unabhängig von ihrer Größe n einfach als 1 schreiben. Wichtiger noch als die im Lemma aufgeführten Rechenregeln für die Multiplikation von Matrizen, ist es welche Rechenregeln hier nicht stehen. Zum einen ist die Multiplikation von Matrizen nicht kommutativ. Wir haben zum Beispiel ( ( = ( ( = ( ( Die Multiplikation verhält sich auch in einer anderen Hinsicht ungewöhnlich. Für reelle oder komplexe Zahlen x, y wissen wir das aus x y = 0 stets x = 0 oder y = 0 folgt. Für Matrizen ist dies falsch, es gibt sogar von Null verschiedene Matrizen, deren Quadrat gleich Null ist. Beispielsweise gilt ( = ( ( =
6 Lineare Gleichungssysteme
$Id: lgs.tex,v 1.20 2016/12/12 10:51:21 hk Exp $ $Id: matrix.tex,v 1.26 2016/12/16 13:25:06 hk Exp $ 6 Lineare Gleichungssysteme In diesem Kapitel beginnen wir mit der sogenannten linearen Algebra, und
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 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
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
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
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
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
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
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
Mehr9 Matrizen über R und C
Mathematik für Physiker I, WS 00/0 Montag 0 $Id: matrixtex,v 6 0/0/0 :6:7 hk Exp $ $Id: dettex,v 0/0/0 ::59 hk Exp hk $ 9 Matrizen über R und C 9 Transposition von Matrizen Im letzten Abschnitt hatten
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
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
Mehr2.2 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 +
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
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
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
Mehr3 Lineare 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
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 Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
MehrMatrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1
Matrixoperationen Einige spezielle Matrizen: 0 0... 0 Nullmatrix:....... 0 0... 0 1 0... 0 0 1... 0 n-te Einheitsmatrix: E n :=....... 0 0... 1 d 1 0... 0 0 d 2... 0 Diagonalmatrix: diag(d 1,..., d n)
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
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)
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
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
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 +
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
Mehr3 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
MehrLineare Gleichungssysteme
Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare
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
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
MehrKommentiertes Beispiel für das Gaußsche Eliminationsverfahren
Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum
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
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
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.
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
MehrDas Lösen linearer Gleichungssysteme
Das Lösen linearer Gleichungssysteme Lineare Gleichungen Die Gleichung a 1 x 1 + a 2 x 2 +... + a n x n = b ist eine lineare Gleichung in den n Variablen x 1, x 2,..., x n. Die Zahlen a 1, a 2,..., a n
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
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):
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
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.
MehrSerie 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
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
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
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
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 55 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
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
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
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
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
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
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
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
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
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
Mehr6. 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
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
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 5 Verwandle große Schwierigkeiten in kleine und kleine in gar keine Chinesische Weisheit Das Lösen von
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
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
Mehr7 Lineare Gleichungssysteme
118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,
MehrZeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.
Zeilenstufenform Wir beweisen nun den schon früher angekündigten Satz. Satz. Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen
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]
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
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
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
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
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 Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
Mehr17. Das Gauß-Verfahren
7 Das Gauß-Verfahren 95 7 Das Gauß-Verfahren Nachdem wir jetzt viele Probleme der linearen Algebra (z B Basen von Vektorräumen zu konstruieren, Morphismen durch lineare Abbildungen darzustellen oder den
MehrANHANG A. Matrizen. 1. Die Definition von Matrizen
ANHANG A Matrizen 1 Die Definition von Matrizen Wir haben bereits Vektoren kennen gelernt; solche Paare reeller Zahlen haben wir benutzt, um Punkte in der Ebene zu beschreiben In der Geometrie brauchen
MehrMatrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
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
MehrChr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =
Chr.Nelius: Lineare Algebra SS 28 4: Matrizenrechnung 4. DEF: a Die Summe A + B zweier m n Matrizen A a ik und B b ik ist definiert als m n Matrix C c ik, wobei c ik : a ik + b ik für alle i, 2,..., m
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra 2016/17 c Rudolf Scharlau 67 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
MehrLineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
MehrLineare 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
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 3 und lineare Gleichungssysteme und
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
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
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
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
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrMusterlösung zum 6. Aufgabenblatt Mathematik I (GST1100) WS 2017/2018
Musterlösung zum 6. Aufgabenblatt Mathematik I (GST1100) WS 017/018 1. Zuerst werden innerhalb jeder Gleichung mehrfach vorkommende Variablen zusammengefasst und auf die linke Seite gebracht sowie alle
Mehr$Id: det.tex,v /01/08 13:59:24 hk Exp $ A = 1 3
$Id: det.tex,v 1.28 2018/01/08 13:59:24 hk Exp $ 8 Determinanten Wir kommen jetzt zum Begriff der Determinante. Determinanten sind merkwürdigerweise über hundert Jahre älter als Matrizen, und sie wurden
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
Mehra i j (B + C ) j k = n (a i j b j k + a i j b j k ) =
Lösungen Lineare Algebra für Physiker, Serie 2 Abgabe am 25.10.2007 1. Es seien A K m n, B,C K n p und D K p q gegeben. 9 P (a) Beweisen Sie das Distributivgesetz A(B + C ) = A B + AC. (b) Beweisen Sie
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrMatrizen. 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$Id: det.tex,v /01/13 14:27:14 hk Exp $ $Id: vektor.tex,v /01/16 12:23:17 hk Exp $
Mathematik für Physiker I, WS 26/27 Montag 6 $Id: dettex,v 26 27//3 4:27:4 hk Exp $ $Id: vektortex,v 3 27//6 2:23:7 hk Exp $ 8 Determinanten 83 Laplace Entwicklung In der letzten Sitzung haben wir die
MehrSerie 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
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10
D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)
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
Mehr