2 Matrizenrechnung und Lineare Gleichungssysteme

Größe: px
Ab Seite anzeigen:

Download "2 Matrizenrechnung und Lineare Gleichungssysteme"

Transkript

1 Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung Einführung Vor der Definition der Rechenoperationen mit Matrizen wollen wir uns jeweils zunächst plausibel machen, wieso diese Definitionen sinnvoll und nicht willkürlich gewählt sind. Zur Vereinfachung beschränken wir uns zunächst auf dreidimensionale Vektorräume und verwenden die folgenden Bezeichnungen: v i = x i y i z i, v i K 3 Wobei K für einen Körper steht. Nun betrachten wir die Definition des Vektors als Linearkombination von Basisvektoren: Definition x v = ê x x + ê y y + ê z z =: y z Ein Vektor ist ein mathematisches Objekt das man daraus erhält, dass Basisvektoren auf eine bestimmte Weise gestreckt werden. Durch die Einführung einer neuen Schreibweise als Spaltenvektor erspart man es sich, die Basisvektoren ständig mitschreiben zu müssen. Wenn axiomatisch verwendet wird, dass { 1 i = j ê i ê j = 0 i j, dann wird auch der Sinn der Definition des Skalarprodukts zwischen zwei Vektoren klar: (ê x x 1 + ê y y 1 )(ê x x 2 + ê y y 2 ) = x 1 x 2 ê x ê x + x 1 y 2 ê x ê y + y 1 x 2 ê y ê x + y 1 y 2 ê y ê y = x 1 x 2 + y 1 y 2 Anstatt der kanonischen Basis verwenden wir nun die Basisvektoren v 1, v 2, v 3. Eine Linearkombination aus diesen Basisvektoren lässt sich in gewisser Weise als Skalarprodukt auffassen: v 1 λ 1 v 1 λ 1 + v 2 λ 2 + v 3 λ 3 = v 2 λ 2 v 3 λ 3 1

2 Da die Schreibweise x 1 y 1 v z 1 1 v 2 = x2 v 3 (. ) x3 einigermassen unpraktisch ist, führen wir wieder eine neue Schreibweise ein: v 1 x 1 x 2 x 3 x 1 x 2 x 3 v 2 = ( v 1, v 2, v 3 ) = y 1, y 2, y 3 =: y 1 y 2 y 3 v 3 z 1 z 2 z 3 z 1 z 2 z 3 Dieses wollen wir im Folgenden nun Matrix nennen.. Definition Eine Matrix A K m n ist eine rechteckige Anordnung von Elementen a ij K mit m Zeilen und n Spalten mit der auf eine bestimmte Art und Weise gerechnet werden kann. a 11 a a 21 a A = (a ij ) 0 i m,0 j n =..... amn Wir bezeichnen nun die Matrix, die aus den zuvor verwendeten Basisvektoren v 1, v 2, v 3 gebildet wird als V. Anhand von V λ x 1 x 2 x 3 λ 1 v 1 λ 1 = y 1 y 2 y 3 λ 2 = v 2 λ 2 = v 1 λ 1 + v 2 λ 2 + v 3 λ 3 z 1 z 2 z 3 λ 3 v 3 λ 3 wird klar was eine Matrix macht: Multipliziert man eine Matrix mit einem Vektor, so wird dieser Vektor auf eine bestimmte Weise in einen neuen Vektor transformiert Addition von Matrizen Bei der Addition von Matrizen werden alle Einträge der Matrix, die an der gleichen Position stehen, miteinander addiert. Dies kann man sich daran klar machen, dass die Addition von Matrizen letztendlich auf die Addition von Spaltenvektoren zurückgeführt werden kann. Definition Sei A, B K m n, A = (a ij ), B = (b ij ). A + B = (a ij ) + (b ij ) = ((a + b) ij ) Satz Die Matrizenaddition ist assoziativ und kommutativ. Beweis. Die Addition der einzelnen Komponenten (a ij ) + (b ij ) ist assoziativ und kommutativ. 2

3 2.1.3 Multiplikation von Matrizen Schwieriger als die Addition ist dagegen die Multiplikation von Matrizen. Zunächst führen wir die skalare Multiplikation ein. Definition Sei A K m n, α K. A α = (a ij ) α = ((a α) ij ) Den Sinn dieser Definition macht man sich daran klar, dass die Skalarmultiplikation von Matrizen auf die Skalarmultiplikation von Vektoren zurückgeführt werden kann. Nun wollen wir im nächsten Schritt zwei Matrizen miteinander multiplizieren. Sei V = ( v 1, v 2 ) und W = ( w 1, w 2 ) mit v i = (x i, y i ) und w i = (a i, b i ). V W =? Um dieses herzuleiten verwenden wir wieder die Multiplikation eines Vektors λ mit einer Matrix. V W λ Dabei wird anscheinend zuerst λ mit W in einen neuen Vektor transformiert und dieser neue Vektor anschliessend mit V in nocheinmal einen neuen Vektor transformiert. Also muss gelten: (V W ) λ = V ( W λ) Nun schlüsseln wir dieses genauer auf: ( ) = ( v 1 v 2 w 1 w 2 = ) λ1 λ 2 ( v 1 v 2 ) ( w 1 λ 1 + w 2 λ 2 ) = v 1 ( w 1 λ 1 + w 2 λ 2 ) 1 + v 2 ( w 1 λ 1 + w 2 λ 2 ) 2 Dabei steht die Schreibweise ( w 1 λ 1 + w 2 λ 2 ) i für die i-te Komponente des Vektors ( w 1 λ 1 + w 2 λ 2 ). Also gilt: V W = = v 1 (a 1 λ 1 + a 2 λ 2 ) + v 2 (b 1 λ 1 + b 2 λ 2 ) = ( v 1 a 1 + v 2 b 1 )λ 1 + ( v 1 a 2 + v 2 b 2 )λ 2 ( ) = ( v 1 a 1 + v 2 b 1 ) ( v 1 a 2 + v 2 b 2 ) λ ) ( ) ( v 1 v 2 w 1 w 2 = ( v 1 a 1 + v 2 b 1 ) ( v 1 a 2 + v 2 b 2 ) x1 x 2 a1 a 2 x1 a = 1 + x 2 b 1 x 1 a 2 + x 2 b 2 y 1 y 2 b 1 b 2 y 1 a 1 + y 2 b 1 y 1 a 2 + y 2 b 2 Bei der Multiplikation zweier Matrizen A und B berechnet sich das Element in der i-ten Zeile und der j-ten Spalte aus dem Skalarprodukt der i-ten Zeile von A mit der j-ten Spalte von B. 3

4 Definition Sei A K m n, B K n p, A = (a ij ), B = (b ij ). Dann gilt für C = (c ij ) = A B: c ij = a i1 b 1j + + a in b nj Hierzu geben wir ein Beispiel an: ( 1) ( 3) = = ( 1) ( 3) Satz Zwei Matrizen A und B können genau dann miteinander multipliziert werden, wenn die Spaltenanzahl von A mit der Zeilenanzahl von B übereinstimmt. Beweis. Wenn dieses nicht erfüllt ist, so ist das Skalarprodukt des Zeilen- mit dem Spaltenvektor nicht definiert. Satz Es gelten die folgenden Rechenregeln: 1) (A 1 + A 2 ) B = A 1 B + A 2 B 2) A (B 1 + B 2 ) = A B 1 + A B 2 3) α (A B) = (α A) B = A (α B) 4) A (B C) = (A B) C Beweis. Nachrechnen. Satz Die Multiplikation von Matrizen ist im Allgemeinen nicht kommutativ. Beweis. Damit überhaupt sowohl A B als auch B A definiert sind, müssen A und B quadratisch sein. Behauptung: Die Multiplikation von quadratischen Matrizen ist kommutativ. Gegenbeweis durch Gegenbeispiel: 1 1 Aber: 1 1 = = Damit ist gezeigt, dass die Matrizenmultiplikation im Allgemeinen nicht kommutativ ist Die transponierte Matrix Definition Sei A K m n, A = (a ij ). Wir bezeichnen A t K n m, A t = (a ji ) als die zu A transponierte Matrix. Hierzu ein Beispiel: t 1 2 =

5 Bei der Transponierung werden also Zeilen mit Spalten vertauscht. Satz Dabei gelten die folgenden Rechenregeln: 1) (A + B) t = A t + B t 2) (α A) t = α A t 3) ( A t) t = A 4) (A B) t = B t A t Beweis. Nachrechnen Definition Falls A = A t so bezeichnen wir A als symmetrisch Einige besondere Matrizen Manche Matrizen, die von einer besonderen Gestalt sind, werden mit einem eigenen Namen bezeichnet. Definition Eine Matrix E n K n n der Form heisst Einheitsmatrix. 1 0 E n = Definition Eine Matrix der Form heisst Nullmatrix. Definition Eine Matrix D K n n, λ i K der Form heisst Diagonalmatrix. λ 1 0 D =... 0 λ n 5

6 Definition Eine Matrix A K n n, K der Form A =... 0 heisst Dreiecksmatrix. Definition Eine Matrix A K n n, K der Form 0... A = heisst echte Dreiecksmatrix Die inverse Matrix Definition Sei A K n n. Eine Matrix A 1 K n n bezeichnen wir als die zu A inverse Matrix falls A A 1 = E n. Merke auf: Nicht jede quadratische Matrix ist invertierbar! Ein erstes Kriterium für die Invertierbarkeit werden wir im Zusammenhang mit den linearen Gleichungssystemen finden. Zwei weitere äquivalente Bedingungen finden sich im Zusammenhang mit den Kapiteln über linearen Abbildungen und Determinanten 1. Definition Wir bezeichnen mit GL(n, K) = {A K n n, A 1 K n n : A A 1 = E n } die Menge der invertierbaren Matrizen. Besonders interessant ist nun, wie man zu einer vorgegebenen invertierbaren Matrix die inverse Matrix berechnet. Hierzu wird das Gauss-Jordan-Verfahren benutzt: Sei A die zu invertierende Matrix. Man schreibt nun zunächst in einer so genannten Blockmatrix nebeneinander A und E n auf. Nun werden so genannte elementare Zeilenumformungen verwendet um A in die Einheitsmatrix umzuwandeln. Wenn dieses geschehen ist, dann steht rechts die inverse Matrix: ( ) A E n E n A 1 Hierfür dürfen die folgenden Zeilenumformungen verwendet werden: Zwei Zeilen werden miteinander vertauscht. 1 Eine schöne Zusammenfassung der Bedingungen zur Invertierbarkeit findet sich auch unter wikipedia.org/wiki/invertible_matrix 6

7 Eine Zeile wird mit einem Skalar ( 0) multipliziert. Zu einer Zeile wird ein vielfaches einer anderen Zeile addiert. Dieses Verfahren demonstrieren wir nun an einem Beispiel. Ein geschicktes Verfahren ist es, zunächst die Matrix in Dreiecksform zu bringen und anschliessend sie in den nächsten Schritten zur Einheitsmatrix umzuformen (II) (II) 2(I) (III) (III) 3(I) (II) 1(II) (1) (I) 2(II) (III) (III) + 2(II) Hierdurch haben wir zu die inverse Matrix gefunden A = A 1 = Für 2 2-Matrizen lässt sich eine allgemeine Formel für die inverse Matrix aufstellen. 7

8 Satz Sei, dann gilt für die inverse Matrix: Beweis. Nachrechnen. A 1 = a b A = c d 1 ad cb ( d ) b c a Besonders einfach lässt sich auch das Inverse einer so genannten orthogonalen Matrix bestimmen. Definition Sei A K n n mit den Spaltenvektoren v i K n und den Zeilenvektoren a i K n. Wenn alle v i und a i paarweise orthonormal sind, d.h. wenn { 1 i = j v i v j = δ ij = 0 i j { 1 i = j a i a j = δ ij = 0 i j, dann bezeichnen wir A als orthogonale Matrix. Satz Sei A K n n eine orthogonale Matrix. Dann ist A GL(n, K) und es gilt: A 1 = A t Satz Für inverse Matrizen gelten die folgenden Rechenregeln: 1) AA 1 = A 1 A = E n 2) (A 1 ) 1 = A 3) (A B) 1 = B 1 A 1 Beweis. 1) und 2) sind klar. Durch Rechnung zeigen wir 3) (AB)(AB) 1? = (AB)(B 1 A 1 ) = A(BB 1 )A 1 = AE n A 1 = AA 1 = E n Mit Rechenregel 3) wird also die Definition der inversen Matrix erfüllt. 2.2 Lineare Gleichungssysteme Einführung Eine lineare Gleichung ist eine Gleichung, in der ausschliesslich Linearkombinationen der Unbekannten vorkommen. Beispielsweise ist die Gleichung 5x = 10 8

9 linear. Man rechnet leicht nach, dass sie durch x = 2 gelöst wird. Die Lösung muss jedoch keineswegs eindeutig sein. Wir betrachten beispielsweise ax + by = c und lösen nach y auf: y = a b x + c b Dabei stellen wir fest, dass es unendlich viele Lösungen gibt, und dass hiermit offenbar eine Gerade beschrieben wird (aus der Schule ist bekannt, dass eine Gerade von der Form y = mx + t ist). Die Gleichung ax+by = c kann als Linearkombination der Unbekannten aufgefasst werden, genauso jedoch auch als Linearkombination der Koeffizienten. Die Koeffizienten wollen wir nun zu Vektoren verallgemeinern: a 1 x a n x n = b Gesucht wird also nach der Menge der Linearkombinationen von a 1,..., a n die b ergeben. Die obige Vektorgleichung kann man auch Komponentenweise ausschreiben, so wird deutlich, dass es sich um System von mehreren Gleichungen handelt: a 11 x a 1n x n = b 1. a m1 x a mn x n = b m Anhand der Ausführungen im Kapitel über Matrizenrechnungen wird klar, dass man die Koeffizienten auch einfacher in einer Matrix A K m n, A = (a ij ) zusammenfassen kann. Dann wird das lineare Gleichungssystem zu: a 11 a x a 21 a x n amn = b 1. b m Oder noch einfacher: A x = b Definition Sei A K m n und x, b K m. Es wird A x = b als lineares Gleichungssystem (LGS) bezeichnet. A ist die Koeffizientenmatrix des LGS. Die Menge Lös(A, b) = { x K m, A x = b} heisst Lösungsmenge des LGS. Definition Die Matrix ( A b ) heisst erweiterte Koeffizientenmatrix Lösung durch Zeilenumformungen Im Allgemeinen ist die Lösung eines linearen Gleichungssystems nicht sofort an der Koeffizientenmatrix ablesbar. Wir wollen nun anhand von einigen Beispielen nach einer Gestalt der Koeffizientenmatrix suchen, für die die Lösung möglichst einfach bestimmt werden kann. 9

10 Zunächst betrachten wir eine Einheitsmatrix: A = E n, b = x 1 = 5 x 2 = 2 x 3 = 7 Lös(A, b) = {(5, 2, 7)} Auch wenn wir überhalb der Hauptdiagonale Zahlen ersetzen bleibt die Lösung eindeutig und leicht feststellbar: x 1 + x 3 = 2 x = 2 x 1 = x 2 + x 3 = 4 x = 4 x 2 = x 3 = 2 x 3 = 2 x 3 = 2 Für die Ablesbarkeit der Lösung scheint es besonders günstig zu sein, wenn die Matrix Dreiecksform hat, da dann sofort die Lösung für eine der Unbekannten ersichtlich ist. Diese Lösung kann dann Schrittweise in die weiter oben liegenden Zeilen eingesetzt werden. Nun betrachten wir einen Fall für den die Lösung nicht eindeutig ist: x x x 3 = 2 0 x x x 3 = 5 0 x x x 3 = 0 Man erhält zunächst aus der zweiten Gleichung x 3 = 5. Löst man die erste Gleichung auf erhält man x 1 = 2 x 2. Da keine weitere verwertbare Bedingung vorhanden ist, muss also entweder x 1 oder x 2 frei gewählt werden können. Wir setzen x 2 = λ, λ R und erhalten damit die Lösung: x 1 = 2 λ x 2 = λ x 3 = 5 Man kann die Lösung auch mit Vektoren aufschreiben: 2 1 x = λ 5 0 Ein LGS scheint sich dann besonders schön lösen zu lassen, wenn im linken unteren Bereich möglichst viele Nullen stehen. Diese Beobachtung kann man formal sauber durch die Definition der so genannten Zeilenstufenform aufschreiben. Definition Eine Matrix A K m n ist in Zeilenstufenform, wenn sie von der Gestalt... a 1j a 2j2... A =. 0.. a rjr.... ist. Dabei wird r als Rang bezeichnet. Die j i heissen Pivots. Für die Pivots gilt die Stufenbedingung j 1 < < j r. 10

11 Hierzu einige Beispiele für solche Matrizen: Leider befindet sich nicht jedes gegebene LGS in Zeilenstufenform. Wir müssen es daher zunächst umformen. Hierzu dürfen wir die folgenden Zeilenumformungen verwenden: Zwei Zeilen werden miteinander vertauscht. Eine Zeile wird mit einem Skalar ( 0) multipliziert. Zu einer Zeile wird ein vielfaches einer anderen Zeile addiert. Solche Zeilenumformungen sind erlaubt, da sie nichts an der in den Gleichungen steckenden Information (der Lösungsmenge) ändern, sondern lediglich die Representation ändern, also die Gleichungen in eine andere Gestalt bringen. Man beachte dabei, dass für eine Umformung A Ã gilt: A Ã aber : Lös(A, b) = Lös(Ã, b) Satz Jede Matrix lässt sich durch Zeilenumformungen in Zeilenstufenform bringen. Bei der Lösung eines LGS geht man nun folgenderweise vor: 1) Wir bringen das LGS auf Zeilenstufenform. 2) Wir lesen die Lösung der letzten Gleichung ab. 3) Diese Lösung setzen wir Schrittweise in die darüberliegenden Gleichungen ein. 11

12 Dieses Verfahren wollen wir nun an einem Beispiel demonstrieren: (I) 0.5(I) Nun haben wir zwei Gleichungen erhalten: x 1 = 6 x 2 x 3 = 2 (III) 0.5(III) (II) (II) (I) (II) (II) (I) (III) (III) (I) (III) (III) 2(II) Für x 2 ist keine weitere Bedingung vorhanden, also ist x 2 ein freier Parameter. Hieraus erhalten wir die Lösung: x 1 = 6 λ 6 1 x 2 = λ x = λ, λ R x 3 = Struktur der Lösungsmenge Nun betrachten wir unter welchen Umständen ein LGS lösbar ist, und ob die Lösung eindeutig ist bzw. wie viele freie Parameter sie hat. Hierzu ist auch die Unterscheidung zwischen so genannten homogenen und inhomogenen LGS wichtig. Definition Ein LGS der Form A x = 0 heisst homogen. Ein LGS der Form A x = b mit b 0 heisst inhomogen. 12

13 Für ein homogenes LGS lässt sich zumindest eine Lösung sofort angeben. Satz Ein homogenes LGS ist immer lösbar, es hat immer mindestens die triviale Lösung x = 0. Beweis. Einsetzen und nachrechnen. Für inhomogene LGS lässt sich sofort sagen, dass diese nicht immer lösbar sind. Satz Ein homogenes LGS ist genau dann nicht lösbar wenn der Rang der erweiterten Matrix ( A b ) grösser ist als der Rang von A. Beweis. Sei r := ranga. Wenn r < rang(a, b) dann ist b r+1 0. Es steht in der (r +1)-ten Zeile eine Gleichung der Form 0 x n = b r+1. Diese ist für b r+1 0 unlösbar. Nun wollen wir die Anzahl der freien Parameter für die Lösung eines LGS feststellen. Satz Sei A K m n, also n die Zahl der Spalten der Koeffizientenmatrix. Sei r = ranga = rang(a, b) (also das LGS lösbar). Dann ist n r die Zahl der freien Parameter der Lösung. Beweis. Nachdem A in Zeilenstufenform gebracht wurde sind r Pivots vorhanden. Folglich gibt es n r Spalten ohne Pivots. In den einführenden Beispielen haben wir gesehen, dass die Unbekannten zu diesen Spalten frei gewählt werden dürfen. Aus diesem folgt nun unmittelbar auch eine Bedingung für die Eindeutigkeit der Lösung eines LGS. Satz Ein LGS ist genau dann eindeutig lösbar, wenn n = r und. r = ranga = rang(a, b) Beweis. Wenn n = r hat die Lösung n r = 0 freie Parameter, also ist die Lösung eindeutig. Im Folgenden betrachten wir nun ein LGS mit m Gleichungen und n Unbekannten (die Koeffizientenmatrix hat also m Zeilen und n Spalten) und diskutieren die Lösbarkeit für verschiedene mögliche Fälle. Wir setzen jeweils voraus, dass wir das LGS in Zeilenstufenform gebracht haben. m < n, LGS homogen Für ein homogenes LGS ist Lös(A, b). Es steht jedes der r Pivot-Elemente in einer eigenen Zeile. Also gilt r m < n und folglich n r 1. Die Lösung ist also nicht eindeutig, es gibt mindestens so viele Lösungen, wie der zugrunde gelegte Körper Elemente hat. m < n, LGS inhomogen Ein solches LGS muss nicht lösbar sein wie man an folgendem Beispiel sieht: (A, b) = (m = 2, n = 3, r = 1)

14 Falls ein inhomogenes LGS mit m < n aber lösbar ist, so hat es genauso wie im homogenen Fall mindestens so viele Lösungen, wie K Elemente hat. m > n, LGS homogen Auch hier gilt Lös(A, b). Über die Anzahl der freien Parameter kann keine Aussage getroffen werden, da man hier über r nur weiss, dass 0 r n. Der Spezialfall r = n ist prinzipiell möglich, dann erhält man eine eindeutige Lösung (und zwar die eindeutige Lösung Lös(A, b) = { 0}). m > n, LGS inhomogen Das LGS muss hier nicht lösbar sein. Wenn es lösbar ist, kann auch wieder keine allgemeine Aussage über die Eindeutigkeit getroffen werden, da auch hier 0 r n gilt. m = n = r Aus r = m folgt Lös(A, b) da i > r : b i 0. Aus r = n folgt n r = 0, also die Eindeutigkeit der Lösung. Ein LGS mit m = n = r ist also immer eindeutig lösbar LGS und Invertierbarkeit Anhand der Betrachtungen zu LGS wollen wir nun ein erstes Kriterium für die Invertierbarkeit von Matrizen aufstellen. Sei im Folgenden nun A immer quadratisch (sonst ist von vornherein keine Invertierbarkeit gegeben). Wir betrachten das LGS A x = b und gehen davon aus, dass A invertierbar ist. Nun multiplizieren wir A 1 von links heran: A 1 A x = A 1 b x = A 1 b Wir haben quasi nach x aufgelöst. Die Rechnung x = A 1 b liefert genau einen Vektor als Ergebnis, die Lösung des LGS ist also eindeutig. Die Existenz der inversen Matrix ist also äquivalent dazu, dass das zugehörige LGS eindeutig lösbar ist. Um dieses zu überprüfen genügt es, den Rang der Matrix zu bestimmen, denn das zu einer quadratischen Matrix gehörende LGS ist genau dann eindeutig lösbar, wenn r = m = n. 14

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

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

1 Transponieren, Diagonal- und Dreiecksmatrizen

1 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

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

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

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

2.2 Lineare Gleichungssysteme (LGS)

2.2 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 +

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

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare 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

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

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 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

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs 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

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

2.3 Lineare Abbildungen und Matrizen

2.3 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

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 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

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 Lineare Abhängigkeit, Basis und Dimension 8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n

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

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

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 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs 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

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte Lösungen zu den Übungsblättern 4-5 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit

Mehr

2.4 Matrizen und Lineare Abbildungen

2.4 Matrizen und Lineare Abbildungen Lineare Algebra I WS 2015/16 c Rudolf Scharlau 73 2.4 Matrizen und Lineare Abbildungen Zum Schluss von Abschnitt 2.2 hatten wir Matrizen eingeführt, und zwar im Zusammenhang mit der abgekürzten Schreibweise

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik 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

Mehr

Tutorium: Diskrete Mathematik. Matrizen

Tutorium: 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

Mehr

Erneut: Matrizen und lineare Abbildungen

Erneut: 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

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

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

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

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

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Prof. 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

Mehr

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben 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

Mehr

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

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

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

Lineare 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

Mehr

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Allgemeines 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

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme.2 Determinanten 3 iii 2 LINEARE GLEIHUNGSSYSTEME UND DETERMINANTEN KAPITEL

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Der Kern einer Matrix

Der Kern einer Matrix Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis

Mehr

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K). Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen

Mehr

5 Die Allgemeine Lineare Gruppe

5 Die Allgemeine Lineare Gruppe 5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche

Mehr

Mathematik IT 2 (Lineare Algebra)

Mathematik 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

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare 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 +...

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. Übungsblatt zur Lineare Algebra I für Physiker Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte

Mehr

Mathematik 2 für ET. Vektoren in R n und C n. Addition von Vektoren Multiplikation von Vektor und Skalar. Der Nullvektor 0 =

Mathematik 2 für ET. Vektoren in R n und C n. Addition von Vektoren Multiplikation von Vektor und Skalar. Der Nullvektor 0 = Mathematik 2 für ET # 0 by Clifford Wolf # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit Das Lernen mit Lernkarten funktioniert

Mehr

Das Lösen linearer Gleichungssysteme

Das 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

Mehr

Invertierbarkeit von Matrizen

Invertierbarkeit von Matrizen Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de

Mehr

Matrizen und Determinanten

Matrizen 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

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014 Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man

Mehr

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle 2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische

Mehr

Ergänzung zum HM Tutorium

Ergänzung zum HM Tutorium Ergänzung zum HM Tutorium Patrik Hlobil Niko Kainaris Dieses Dokument erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit. Es stellt keine Vorlesungszusammenfassung dar, sondern soll euch lediglich

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

Mehr

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation . Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 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

Mehr

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik 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

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme 52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

Lineare Algebra. Teil III. Inhaltsangabe Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24

Mehr

Matrizen Definition: Typ einer Matrix

Matrizen Definition: Typ einer Matrix Matrizen Definition: Eine Matrix ist ein rechteckiges Zahlenschema. Die Matrix (Mehrzahl: Matrizen) besteht aus waagerecht verlaufenden Zeilen und senkrecht verlaufenden Spalten. Verdeutlichung am Beispiel:

Mehr

2.2 Lineare Gleichungssysteme

2.2 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

Mehr

8 Lineare Gleichungssysteme

8 Lineare Gleichungssysteme $Id: lgs.tex,v 1.6 2010/12/20 12:57:04 hk Exp $ $Id: matrix.tex,v 1.3 2010/12/20 13:12:44 hk Exp hk $ 8 Lineare Gleichungssysteme In der letzten Sitzung hatten wir mit der Besprechung linearer Gleichungssysteme

Mehr

[5], [0] v 4 = + λ 3

[5], [0] v 4 = + λ 3 Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$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

Mehr

3.9 Elementarmatrizen

3.9 Elementarmatrizen 90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare

Mehr

36 2 Lineare Algebra

36 2 Lineare Algebra 6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix.

Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix. LINEARE ALGEBRA Lösbarkeit von linearen Gleichungssystemen Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix Gleichungssysteme

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

7 Lineare Gleichungssysteme

7 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,

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

Lineare Gleichungssysteme

Lineare 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

Mehr

Kap 5: Rang, Koordinatentransformationen

Kap 5: Rang, Koordinatentransformationen Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13

Corinne Schenka Vorkurs Mathematik WiSe 2012/13 4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:

Mehr

Theoretische Fragen zu ausgewählten Themen in Lineare Algebra

Theoretische Fragen zu ausgewählten Themen in Lineare Algebra Theoretische Fragen zu ausgewählten Themen in Lineare Algebra { Oren Halvani, Jonathan Weinberger } TU Darmstadt 25. Juni 2009 Inhaltsverzeichnis 1 Determinanten................................................

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

3.4 Der Gaußsche Algorithmus

3.4 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,

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

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

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,

Mehr

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

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

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

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

Mehr

MLAN1 1 MATRIZEN 1 0 = A T =

MLAN1 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

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Lineare Algebra 1. . a n1 a n2 a n3 a nm

Lineare Algebra 1. . a n1 a n2 a n3 a nm Lineare Algebra 1 Lineare Algebra Hilfreiche Konzepte zur Vereinfachung der Darstellung und Berechnung stellt die lineare Algebra bereit. Auch wenn sie nur an wenigen Stellen des Buches verwendet wurden,

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 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

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr