Die Treppennormalform
|
|
- Norbert Albrecht
- vor 6 Jahren
- Abrufe
Transkript
1 Die Treppennormalform Lineare Algebra I Kapitel 5 9 Mai 22
2 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: wwwmathtu-berlinde/ holtz Assistent: Sadegh Jokar, MA 62, Sprechstunden Donnerstag :3-3 Tutoren: Cronjäger, Guzy, Kourimska, Rudolf Anmeldung: über MOSES Fragen? Studentische Studienfachberatung, MA 847 Telefon: (3) Vorlesungen: VL am Dienstag -2 im MA4, Mittwoch 8- im H4 Klausur? 722 Mittwoch 8- H4 Der Kurs gilt mit 5% Punkten für Hausaufgaben als bestanden
3 Elementarmatrizen Versuchen wir, die Matrix erst auf eine Dreiecksform zu bringen, und zwar durch Multiplikation mit Matrizen, deren Inverse wir leicht berechnen können Diese sogenannten Elementarmatrizen führen elementare Operationen aus: Vertauschung zweier Zeilen, Multiplikation einer Zeile mit einem Skalar, Addition eines Vielfachen einer Zeile zu einer anderen Zeile
4 Es sei P ij R n,n für i < j n die Permutationsmatrix P ij := i j i j
5 Es sei P ij R n,n für i < j n die Permutationsmatrix P ij := i j i j Ist A R n,m, so werden durch die Multiplikation P ij A die Zeilen i und j in A vertauscht Beachte: P ij = Pij T = P ij
6 Es sei M i (λ) R n,n für i n, λ R invertierbar die Matrix M i (λ) := λ i Ist A R n,m, so wird durch die Multiplikation M i (λ)a die i-te Zeile von A mit λ multipliziert Beachte: M i (λ) = M i ( λ ) i
7 Es sei G ij (λ) R n,n für i < j n, λ R die Matrix G ij (λ) := λ i j i j
8 Es sei G ij (λ) R n,n für i < j n, λ R die Matrix G ij (λ) := λ i j i j Es sei A R n,m Durch die Multiplikation G ij (λ)a wird das λ-fache der i-ten Zeile von A zur j-ten Zeile addiert Durch die Multiplikation Gij T (λ)a wird das λ-fache der j-ten Zeile zur i-ten Zeile von A addiert Beachte: [G ij (λ)] = G ij ( λ)
9 Die Treppennormalform Hauptsatz Sei K ein Körper, A K n,m Dann gibt es Elementarmatrizen T,, T t K n,n, so dass T t T A in Treppennormalform ist Insbesondere, falls n = m und A invertierbar ist, so ist T t T A = I, dh, A = T t T oder A = T Tt
10 Satz zur Eindeutigkeit der TNF Satz 2 Es sei K ein Körper und A, B K n,m in Treppennormalform Falls es eine invertierbare Matrix Z K n,n mit A = ZB gibt, so gilt A = B, dh, die Treppennormalform ist invariant unter Multiplikation mit invertierbaren Matrizen von links
11 Satz zur Eindeutigkeit der TNF Satz 2 Es sei K ein Körper und A, B K n,m in Treppennormalform Falls es eine invertierbare Matrix Z K n,n mit A = ZB gibt, so gilt A = B, dh, die Treppennormalform ist invariant unter Multiplikation mit invertierbaren Matrizen von links Beweis Es seien a i, b i, i =,, m, die Spalten von A, B Weiterhin seien (, j ),, (s, j s ) die Pivotpositionen von B Wir zeigen mit vollständiger Induktion über r, r s: Es gilt [ ] Ir Z =, Z n r wobei Z n r invertierbar ist, und die ersten j r+ Spalten von A und B stimmen überein (Wir setzen j s+ := m + )
12 Beweis IA: Es gilt b k = für k j Da A = Z B, gilt auch a k =, k j Weiter ist b j = [,,, ] T, und da Z invertierbar ist, ist auch a j Da A in TNF ist, folgt, dass auch a j = [,,, ] T Weiterhin folgt, dass Z = Z n Damit ist auch a k = b k, k = j +,, j 2
13 Beweis IA: Es gilt b k = für k j Da A = Z B, gilt auch a k =, k j Weiter ist b j = [,,, ] T, und da Z invertierbar ist, ist auch a j Da A in TNF ist, folgt, dass auch a j = [,,, ] T Weiterhin folgt, dass Z = Z n Damit ist auch a k = b k, k = j +,, j 2 IV: Die Aussage gelte für ein r, r s
14 Beweis IA: Es gilt b k = für k j Da A = Z B, gilt auch a k =, k j Weiter ist b j = [,,, ] T, und da Z invertierbar ist, ist auch a j Da A in TNF ist, folgt, dass auch a j = [,,, ] T Weiterhin folgt, dass Z = Z n Damit ist auch a k = b k, k = j +,, j 2 IV: Die Aussage gelte für ein r, r s IS: Wir betrachten die Pivotposition (r +, j r+ ) Da B in TNF ist, folgt
15 b jr+ = r + Wegen a jr+ = Zb jr+ und der Invertierbarkeit von Z n r folgt wie in der Induktionsannahme a jr+ = b jr+ und Z = Z n (r+) r n r r n r, und die ersten j r+2 Spalten von A und B sind gleich
16 Eindeutigkeit der TNF Korollar Für A K n,m gelten: () Es gibt genau eine Matrix C K n,m in TNF, in die sich A durch elementary Zeilenoperationen überführen lässt
17 Eindeutigkeit der TNF Korollar Für A K n,m gelten: () Es gibt genau eine Matrix C K n,m in TNF, in die sich A durch elementary Zeilenoperationen überführen lässt (2) Ist M GL n (K), so ist C auch die TNF von MA, dh die TNF ist invariant unter Linksmultiplikation mit invertierbaren Matrizen
18 Eindeutigkeit der TNF Korollar Für A K n,m gelten: () Es gibt genau eine Matrix C K n,m in TNF, in die sich A durch elementary Zeilenoperationen überführen lässt (2) Ist M GL n (K), so ist C auch die TNF von MA, dh die TNF ist invariant unter Linksmultiplikation mit invertierbaren Matrizen Beweis () Sind S A = C und S 2 A = C 2, wobei C, C 2 in TNF und S, S 2 invertierbar sind, dann gilt C = (S S 2 )C 2 Aus Satz 2 folgt nun C = C 2
19 Eindeutigkeit der TNF Korollar Für A K n,m gelten: () Es gibt genau eine Matrix C K n,m in TNF, in die sich A durch elementary Zeilenoperationen überführen lässt (2) Ist M GL n (K), so ist C auch die TNF von MA, dh die TNF ist invariant unter Linksmultiplikation mit invertierbaren Matrizen Beweis () Sind S A = C und S 2 A = C 2, wobei C, C 2 in TNF und S, S 2 invertierbar sind, dann gilt C = (S S 2 )C 2 Aus Satz 2 folgt nun C = C 2 (2) Ist M GL n (K) und S 3 (MA) = C 3 in TNF, do folgt mit S A = C, dass C 3 = (S 3 MS )C Satz 2 zeigt C 3 = C
Mathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 18. April 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrBeziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
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)
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
MehrRang und Inverses einer Matrix
Rang und Inverses einer Matrix wgnedin@math.uni-koeln.de 29. April 2014 In dieser Notiz werden Methoden und Beispiele zur Berechnung des Rangs einer Matrix sowie der Inversen einer invertierbaren Matrix
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
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
MehrBeispiel vor dem Beweis:
Beispiel vor dem Beweis: Beispiel vor dem Beweis: A = ¼3 6 2 3 11 2½ Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 3 11
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
MehrQuadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
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
MehrKapitel 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
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
Mehr1 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
MehrKapitel 17. Determinanten
Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra
Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)
Mehr5.1 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
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
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
MehrLösung (die Geraden laufen parallel) oder unendlich viele Lösungen.
1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen
MehrVektorräume 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
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
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.
Mehrx LINEARE GLEICHUNGSSYSTEME In diesem Paragraph beginnen wir mit einer elementaren Behandlung linearer Gleichungssysteme Bevor wir versuchen eine allg
SKRIPTUM { LINEARE ALGEBRA I JB COOPER Inhaltsverzeichnis: x Lineare Gleichungssysteme x Geometrie der Ebene und des Raumes x Vektorraume x Lineare Abbildungen Typeset by AMS-T E X x LINEARE GLEICHUNGSSYSTEME
Mehr4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung
43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder
MehrTechnische 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
MehrMathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11
Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrSpezialgebiet 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
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
MehrInverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
MehrAbschnitt: Determinanten
Abschnitt: Determinanten Bezeichnung Die i-te Zeile werden wir mit [a i ] bezeichnen Die Null-Zeile werden wir mit 0 bezeichnen A = a 11 a 1n a n1 a nn = [a 1 ] [a n] Def Eine Abbildung det : Mat(n, n)
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
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrEuklidische 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
MehrMC-Serie 11: Eigenwerte
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung
MehrLineare Algebra und Geometrie für LehramtskandidatInnen. Andreas Čap
Lineare Algebra und Geometrie für LehramtskandidatInnen (Kapitel 6 9) Wintersemester 2010/11 Andreas Čap Fakultät für Mathematik, Universität Wien, Nordbergstraße 15, A 1090 Wien E-mail address: Andreas.Cap@esi.ac.at
MehrSpezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:
Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
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
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
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrLineare 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
MehrHomogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2
1. Formatbedingungen der Matrixoperationen Die Addition (Subtraktion) A ± B verlangt gleiches Format der Operanden A und B. Das Ergebnis hat das Format der Operanden. Skalarmultiplikation λa: Es gibt keine
MehrV DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren
SKRIPTUM { LINEARE ALGEBRA II JB COOPER Inhaltsverzeichnis: x Determinanten x Eigenwerte x Euklidische Raume x8 Dualitat, Tensorprodukte, Alternierende Formen Anhang: ) Mengen, Abbildungen ) Gruppen )
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrKapitel III. Aufbau des Zahlensystems
Kapitel III. Aufbau des Zahlensystems 1 Addition und Multiplikation natürlicher Zahlen Wir wollen erklären, wie man natürliche Zahlen addiert und multipliziert und dabei nur den Begriff das Zählens verwenden.
MehrLineare Algebra KAPITEL III. 12 Matrizen und der Gauß-Algorithmus. I) Matrizen
KAPITEL III Lineare Algebra 12 Matrizen und der Gauß-Algorithmus I Matrizen Definition 121 Matrizen und der R n Es seien m,n 1 zwei positive ganze Zahlen a Eine m n-matrix über R ist ein rechteckiges Schema
MehrKLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008
KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
MehrQuadratische Matrizen Inverse und Determinante
Kapitel 2 Quadratische Matrizen Inverse und Determinante In diesem Abschnitt sei A M(n, n) stets eine quadratische n n Matrix. Für nicht-quadratische Matrizen ergeben die folgenden Betrachtungen keinen
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrLineare Algebra I Klausur. Klausur - Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrKLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
Mehr( ) 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
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrLineare 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,
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrEs wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form
Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt
Mehr4.4. 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
MehrProf. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1
Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis
MehrLineare Algebra 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 Roger Burkhardt roger.burkhardt@fhnw.ch
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg Argumentationstechniken PLUS Mathematik Direkter Beweis einer Implikation
MehrSkript 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.................................
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrLineare Gleichungssysteme
Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
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
MehrZusammenfassung 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
Mehra 2 (a b)(a + b) h 1 := h, n N h n+1 := h h n. (2) Die Regeln für das Rechnen mit Potenzen übertragen sich dann weitgehend:
1.1.2 Symbolisches Rechnen Taschenrechner und mathematische Software wie Matlab arbeiten in der Regel numerisch, das heißt das Ergebnis eines Rechenausdrucks zum Beispiel der Form (1 1 4 ) 4 9 wird etwa
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
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
MehrWie werden die Vorlesungen/Übungen organisiert?
Wie werden die Vorlesungen/Übungen organisiert? Mein Name: Prof Vladimir Matveev Sprechstunden: nach jeder Vorlesung bzw in der Pause Homepage der Vorlesung: http://usersminetuni-jenade/~matveev/lehre/la13/
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 25 J ai décidé d être heureux parce que c est bon pour la santé Voltaire Trigonalisierbare Abbildungen
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrKapitel 15. Aufgaben. Verständnisfragen
Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrDas Kryptosystem von McEliece. auf der Basis von linearen Codes
Das Kryptosystem von McEliece auf der Basis von linearen Codes Anforderungen Public-Key Kryptosysteme E e (m) = c Verschlüsselung D d (c) = m Entschlüsselung mit Schl. effizient effizient 2/25 Anforderungen
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
Mehr