Vektoren - Basiswechsel - Matrix

Größe: px
Ab Seite anzeigen:

Download "Vektoren - Basiswechsel - Matrix"

Transkript

1 Vektoren - asiswechsel - Matrix 1. Prinzip er Zusammenhang zwischen zwei asissystemen sollen formal eleganter durchgeführt werden. Ein Nachteil des "einfachen" Verfahrens - siehe Seite V0 - ist, dass teilweise umständlich ein Lineares Gleichungssystem zu lösen ist Hinweis 1: Nicht alle Autoren verwenden dieselbe efinition, welche Matrix wofür benutzt wird und welche Reihenfolge bei der Multiplikation vorkommt (von links oder von rechts). Eine genannte "Transformationsmatrix" sollte nicht einfach übernommen werden, sondern diese efinition muss beachtet werden. Hinweis 2: Es kommt die erechnung der inversen Matrix vor. Für eine 2x2-Matrix ist die manuelle erechnung noch kurz. Wenn mit Zahlen gearbeitet wird, sollte man für eine x-matrix eher einen (besseren) Taschenrechner benutzen. Excel und Open Office enthalten auch diese Matrixinversion! 2. Verfahren Es liegen zwei asissystem {x i } und {y i } vor. as sind jeweils 2 asisvektoren in R 2 und in R. Gegeben ist ein Vektor v, der eine Koordinatendarstellung v (X) und v (Y) hat. Ein Vektor hat verschiedene Koordinatendarstellungen, abhängig von der asis. Aber es ist immer noch derselbe Vektor! Eine Transformationsmatrix T beschreibt den Zusammenhang zwischen den asissystemen und den Koordinaten eines Vektors v. {x i }, v (X) Matrix T (oder eine mit T verknüpfte Matrix) {y i }, v (Y) [1] Es folgt dann letztlich, dass die Spalten der Transformationsmatrix T die Koordinaten der asisvektoren y i bezogen auf asisvektoren x i enthalten. ie Summationen laufen in Folgenden alle von 1 bis n (= imension = Anzahl der asisvektoren.) er Vektor v hat zwei verschiedene Koordinatendarstellungen als Linearkombination der jeweiligen asisvektoren: v (x) = x 1 x 1 + x 2 x = i x i x i [2a] v (y) = y 1 y 1 + y 2 y = i y i y i [2b] In R 2 wären dies als eispiel die Vektoren v (X) = ( x 1 x ) bzw. v (Y) = ( y 1 2 y ) 2 Ein asisvektor y i hat Koordinaten, die sich auf das andere asissystem x i beziehen, er ist also eine Linearkombination der asisvektoren x i. (ie Umkehrung gilt für x i als Linearkombination der Vektoren y i.) Wir definieren einen Zusammenhang unter Verwendung der Matrix T: y i = k t ki x k In R könnte ein eispiel dafür so aussehen: y 2 = ( 2) - und das bedeutet y 2 = x 1-2 x 2 + x [b] Eine Spalte i von T enthält die Koordinaten von y i (= Koeffizienten der Linearkombination der Vektoren x k ). Eine mögliche Verständnisschwierigkeit kommt daher, dass wir gewohnt sind, Koordinaten immer auf die Standardbasis zu beziehen. Hier müssen wir genauer auf die efinition achten! ie erste Koordinate "" bedeutet, dass die Komponente " mal asisvektor x 1 " ist. [a] V06 Vektoren - asiswechsel - Matrix - Seite 1 (von )

2 Jetzt wird [] in [2b] eingesetzt: v = v (y) = = y i y i = i y i i v Entwicklung nach der asis {y i } = i t ki k t ki x k Linearkombination für y i eingesetzt y i k x k Umordnung v = v (x) = k x k x k v Entwicklung nach der asis {x i } er Vergleich zeigt x k = i t ki y i [4] Wenn die Koordinaten x i und y i als Spalten geschrieben werden, ist dies die Multiplikation der k-ten Zeile der Matrix T mit dem Vektor der Koordinaten von v (Y). Mit dem Spaltenvektor der Koordinaten von v (X) und dem Spaltenvektor der Koordinaten von v (Y) ist die Vektorgleichung für alle Koordinaten v (X) = T v (Y). [] In der efinition [a] für die Transformation der asisvektoren ist im Produkt k t ki x k eine Spalte der Matrix T enthalten. (Erster Index läuft, zweiter Index fest). ie Spalte enthält die Koordinaten von y i. (Angabe, welche Koeffizienten die Linearkombination der x i enthält.) Wird die Summation in eine Matrixoperation übersetzt, wird daraus eine Multiplikation "Zeile mal Matrix". (y 1... y n ) = (x 1... x n ) T [6a] Unter Verwendung der transponierten Matrix T' lässt sich die gewohnte Art "Matrix mal Spalte" herstellen. y 1... x 1 ( ) = (. T. y n... ) ( ) x n Prinzipiell besteht daher eine Wahlmöglichkeit, welche Variante benutzt werden soll. Zur efinition einer kürzeren Matrixgleichung werden als Vektoren x und y definiert. x 1 y 1 x = ( ) und y = ( ) [7] x n y n iese Vektoren enthalten als Komponenten selbst wieder Vektoren (die asisvektoren x 1,...)! amit sind [6a] und [6b] kompakter zu schreiben: y ' = x ' T y = T' x [6b] [8a] [8b] emerkung: [8a] ist, zusammen mit [7] und [6a], die direkte Umsetzung der grundlegenden efinition des Zusammenhangs in [a]. er Zusammenhang [8b] mit [8a] ist auch formal zu verstehen. (Transponieren erzeugt aus einer 1-spaltigen Matrix - für einen "üblichen" Vektor als Spalte - eine 1-zeilige Matrix - für einen "Zeilenvektor".) y ' = x ' T y '' = y = (x ' T)' = T' x '' = T' x. ie jeweils umgekehrten Transformationen werden mit der inversen Matrix T -1 bzw. (T') -1 = (T -1 )' durchgeführt. Prinzipiell können in [8a] die Vektoren jeweils zu einer Matrix erweitert werden. Für x ' und y ' - mit jeweils 1 Zeile - entstehen so die Matrizen X und Y mit n Zeilen. 1 Spalte enthält dann die Koordinatendarstellung eines Vektors x i bzw. y i. Für x und y in [8b] wird die analoge Erweiterung spaltenweise durchgeführt. V06 Vektoren - asiswechsel - Matrix - Seite 2 (von )

3 Zur Veranschaulichung für [6a], [8a]: y ' = x ' T mit Vektoren x i, y i (y 1... y n ) = (x 1... x n ) T (y 1 ) 1 (y n ) 1 (x 1 ) 1 (x n ) 1 t 11 t 1n mit Koordinaten ( ) = ( ) ( ) (y 1 ) n (y n ) n (x 1 ) n (x n ) n t n1 t nn ie efinition [a], y i = k t ki x k, ist damit erweitert zu (y i ) z = k t ki (x k ) z. Als Matrixgleichung: Y = X T [9] ei dieser Erweiterung ist aber eine exakte Überlegung, was die Koordinaten bedeuten, notwendig! ei der Gleichung mit den Vektoren, y ' = x ' T, ist die Situation eindeutig. ie Komponenten von x sind die asisvektoren x 1, x 2,..., x n und analog für y. Wie ein y i als Linearkombination von den x i abhängt, ist in T enthalten. Wenn als Koordinaten von y i auch diese Information benutzt wird, ist das nur redundant. (Y = T!) Welche Koordinatendarstellung hat dann x i? Siehe dazu die Erklärung in Nr. 7! Y und X müssen sich auf dieselbe asis beziehen! Wichtig wird die Matrixdarstellung nach [9], wenn für x i und y i Koordinatendarstellungen jeweils in einer dritten asis angegeben werden. Für die Koordinaten der asisvektoren x i, y i ist auch in Gebrauch, dass die Koordinaten sich jeweils auf ein drittes System beziehen. Im Regelfall ist das die Standardbasis. (In der bisher benutzten Erklärung haben sich die Koordinaten jeweils auf das andere der beiden asissysteme bezogen.) Für den Zusammenhang der Vektoren x i y i gilt immer noch [a]. Am einfachsten ist dann estimmung von T mit zwei Matrizen X () und Y () für die Koordinaten der asisvektoren x i und y i im System. abei werden die Vektoren x i, y i spaltenweise angeordnet. (Spalte i enthält also zeilenweise die Koordinaten von x i bzw. y i ). ann ist X () T = Y () und damit T = (X () ) -1 Y (). [] ie bisher benutzten Matrizen (mit ezug auf das jeweils andere System) folgen aus X = (Y () ) -1 X () und Y = (X () ) -1 Y () (Herleitung in allgemeiner Form unter.) Zusammengefasst ist die Vorschrift: x Vektor der asisvektoren x i y Vektor der asisvektoren y i v (X) Vektor der Koordinaten von v im System {x i }, v (Y) Vektor der Koordinaten von v im System {y i } ie Matrix T enthält die Koordinaten der asisvektoren y i bezogen auf x i als Spalten Umwandlung von von nach asis Vektorkoordinaten x y y ' = x ' T y = T' x v (Y) = T -1 v (X) [] y x x ' = y ' T -1 x = (T -1 )' y v (X) = T v (Y) Wenn die Koordinaten der asisvektoren auf ein drittes System bezogen sind, wird T mit T = (X () ) -1 Y () berechnet. X () und Y () enthalten eine spaltenweise Anordnung der Koordinaten. [11] V06 Vektoren - asiswechsel - Matrix - Seite (von )

4 . eispiel 1 - R 2 ie Aufgabe wurde "auf normalem Weg" auf Seite V0 gelöst. asis in R 2 : b 1 = ( 2 6 ); b 2 = ( ) (jeweils Koordinaten in der Standardbasis St) a) a in der asis : a = ( 2 2 ). Gesucht a in der Standardbasis a St b) c in der Standardbasis: c St = ( ). Gesucht c in der asis c Zuordnung zur Anwendung der Matrixformeln: b 1 und b 2 entsprechen dann y 1 und y 2. (iese Koordinaten kommen nach T) a entspricht dann v (Y), c St entspricht v (X). Transformationsmatrix T = ( 2 6 ); T' = (2 6 ) In R 2 kann T -1 "von Hand" berechnet werden: A = ( a b c d ) A-1 = T -1 = 1 28 ( 6 2 ) = 1 28 ( 6 2 ) a) v (Y) = ( 2 2 ); gesucht v(x) b) v (X) = ( 29 ); gesucht v(y) 11 a) v (X) = T v (Y) = ( 2 6 ) ( 2 2 ) = ( ) = ( 2 22 ) b) v (Y) = T -1 v (X) = 1 28 ( 6 2 ) ( ) = eispiel 2 - R 14 ( ) = (4 7 ) ie Aufgabe wurde "auf normalem Weg" auf Seite V0 gelöst. 2 2 asis : b 1 = ( 4); b 2 = ( 2); b = ( 4 ); 2 a) a in asis : a = ( 4 b) c in der Standardbasis: c St = ( 0 ); gesucht a in der Standardbasis, a St ); gesucht c in der asis, c 1 ( d et(a) b c a ) Zuordnung zur Anwendung der Matrixformeln: b 1, b 2 und b entsprechen y 1, y 2 und y. (iese Koordinaten kommen nach T) a entspricht dann v (Y), c St entspricht v (X) Transformationsmatrix T = ( ); T' = ( 2 ); T = 1 ( ) (ie inverse Matrix wird mit einem Programm berechnet. Wenn dieser Schritt "manuell" durchgeführt werden muss, ist der Aufwand nicht geringer als mit dem "normalen" Verfahren.) a) v (Y) = ( 2 4 a) v (X) = T y = ( b) v (Y) = T -1 x = 1 0); gesucht v (Y) ) ( ) = ( ) = ( 0) = ( ) ( 0) = 1 ( = 12 ) = ( ) = ); gesucht v (X) b) v (X) = ( (Wenn T -1 bekannt ist, ist das schneller als die Lösung des Linearen Gleichungssystems. er Vorteil ist groß, wenn mehrere Vektoren v (X) zu transformieren sind.) V06 Vektoren - asiswechsel - Matrix - Seite 4 (von )

5 . Allgemeine Herleitung von [] und [11] Allgemein: ezug auf eine dritte asis P. ie Entwicklung der x i in der asis P ist: x 1 = x 11 p 1 + x 12 p x 1n p n x i = x i1 p 1 + x i2 p x in p n... x n = x n1 p 1 + x n2 p x nn p n x 11 x n1 Als Matrixgleichung (x 1... x n ) = (p 1... p n ) ( ) x 1n x nn (P) Mit den Zeilenvektoren x ' = (x 1... x n ) und p' = (p 1... p n ) kürzer x ' = p' X ie Matrix X (P) enthält spaltenweise angeordnet die Entwicklung (Linearkombination) der asisvektoren x i in den asisvektoren p i. as sind die Koordinaten von x i als Spalte i; die Koordinaten sind dann in den Zeilen dazu abzulesen. Analog gilt für die Entwicklung der y i in der asis P: y i = y i1 p 1 + y i2 p y in p n und schließlich y ' = p' Y (P) Y (P) enthält spaltenweise die Entwicklung der y i in p i. Es gibt auch immer noch die Entwicklung nach dem jeweils anderen asisvektor: x i = x i1 y 1 + x i2 y x in y n und y i = y i1 x 1 + x i2 x y in x n In kurzer Form x ' = y ' X (Y) und y ' = x ' Y (X) ie Matrix X (Y) enthält spaltenweise die Entwicklung der x i in y i, die Matrix Y (X) die Entwicklung der y i in x i. Nun der Zusammenhang zwischen den arstellungen: x ' = p' X (P) p' = x ' (X (P) ) -1 eingesetzt in y ' = p' Y (P) y ' = x ' (X (P) ) -1 Y (P) Verglichen mit y ' = x ' Y (X) folgt Y (X) = (X (P) ) -1 Y (P) ie Indizierung "(X)" lassen wir weg. Ohne weitere Angabe soll bei der Angabe von zwei asissystemen der ezug bei den Koordinaten jeweils auf das andere erfolgen. Vorher hatten wir den allgemeinen ezug "(P)" als ezug auf ein drittes System gekennzeichnet. ann ist Y = (X () ) -1 Y () Aus y ' = p' Y (P) folgt ebenso durch Vergleich mit x ' = y ' X (Y) die eziehung X (Y) = (Y (P) ) -1 X (P) und mit der anderen Indizierung X = (Y () ) -1 X () ie Formel für die Transformationsmatrix T ist aus diesen Resultaten unmittelbar abzulesen. Laut efinition enthält T spaltenweise die Koordinaten der asisvektoren y i bezogen auf x i. as ist die Matrix Y. aher T = Y = (X () ) -1 Y () V06 Vektoren - asiswechsel - Matrix - Seite (von )

6 6. eispiel - R 2 ie asisvektoren sind hier mit Koordinaten bezogen auf ein. asissystem (= Standardbasis) angegeben. asis X: x 1 = ( 1 4 ); x 2 = ( 2 ); asis Y: y 1 = ( 4 4 ); y 2 = ( 4 ) Vektor v in der asis X: v (X) = ( 6 7 ) a) Gesucht: v in der asis Y b) Gesucht: v in der Standardbasis St - aus v (X) und v (Y) c) Kontrolle: Stimmt die Rücktransformation v (y) v (x)? d) Wie löst man a) ohne den Matrixformalismus (wenn nur das Ergebnis interessiert)? e) Zu überprüfen: ie Transformationsregeln gelten für die asisvektoren f) Abhängigkeit der asisvektoren x i von y i (und umgekehrt) - "erechnung" der entsprechenden Koordinaten g) Überprüfung der Linearkombination von f) - durch Umrechnen in Koordinaten der Standardbasis h) Überprüfung der Linearkombination von f) - durch Anwendung der Matrix- Transformationsformeln a) erechnung der Transformationsmatrix T X (St) = ( ); Y (St) = ( ) Anwendung von A = ( a b c d ) A-1 1 = ( d b et(a) c a ) (X (St) ) -1 = 1 ( ) = 1 ( ) Einsetzen: T = (X (St) ) -1 Y (St) = 1 ( ( erechnung: T -1 = 1 40 Transformation: y = T -1 x = ( b) v (St) aus v (X) : v (St) = 6 ( 1 4 ) - 7 ( 2 ) = ( 1 ) v (St) aus v (Y) : v (St) = 2 ( 4 4 ) - ( 4 ) = ( 1 ie geforderte Gleichheit wird bestätigt. 4 1 ) ( ) = ) /2 ( ) = ( 6 ) /2 ) ( /2 ) = ( ) = (/2 ) ) c) Rücktransformation: x = T y = ( ) (/ ) = ( 12 ) = ( 6 7 ) d) er Matrixformalismus wird hier benutzt, um die Anwendung der Formeln zu zeigen. Wenn nur das Ergebnis gefragt ist, ist ein direkter Weg viel einfacher! v (St) berechnet wie in b) aus v (X). ann v (Y) aus v (St). v (Y) = ( a b ); ( 1 ) = a ( 4 4 ) + b ( 4 ) 4a + b = -1 4a = -1 - b = 1 + b - 4b b = - a = (-1 +2)/4 = /2 v (Y) = ( /2 ) e) er Zusammenhang zwischen den asissystemen X und Y ist in der Matrix T enthalten. Mit den Zeilenvektoren gilt (y 1... y n ) = (x 1... x n ) T. Für die Matrixformulierung in Koordinaten wird anstelle der Vektoren jeweils die Koordinatendarstellung als Spalte eingesetzt. araus folgen die Matrizen X und Y. Wenn in beiden Koordinatendarstellungen ezug auf dieselbe. asis genommen wird, müssen die Transformationsgleichungen auch erfüllt sein. Y (St) = X (St) T und X (St) = Y (St) T -1. V06 Vektoren - asiswechsel - Matrix - Seite 6 (von )

7 Y (St) = ( 1 2, ,2 + 7,2 ) ( 2 ) = ( , ,8 + 4,8 ) = ( ) X (St) = ( 4, ) ( 6 ) = ( ) = (1 4 2 ) ie in a) definierten Matrizen folgen auch mit den Transformationsgleichungen. f) Wie hängen die asisvektoren y i von den asisvektoren x i ab? azu ist keine Rechnung nötig! ie Matrix T wurde so erzeugt, dass die Spalten genau diese Abhängigkeit enthalten! amit direkt: y 1 = ( 2 2 ) und y 2 = ( ). Mit y = x T gilt die Umkehrung x = y T -1. ie Abhängigkeit der asisvektoren x i von y i wird durch T -1 beschrieben, in Koordinaten gelten dafür die Spalten der Matrix T -1. amit: x 1 = ( 6 ) und x 2 = ( 11 2). g) Weil x i eine Linearkombination der y i ist (und umgekehrt für y i ) müssen die arstellungen in der Standardbasis bei der Auflösung der Linearkombination entstehen. y 1 = -2 x x 2 = -2 ( 1 4 ) + 2 ( 2 ) = ( 4 4 ) y 2 = -11/ x / x 2 = -11/ ( 1 4 ) + 12/ ( 2 ) = ( 4 ) x 1 = -6 y 1 + y 2 = -6 ( 4 4 ) + ( 4 ) = ( 1 4 ) x 2 = -11/2 y 1 + y 2 = -11/2 ( 4 4 ) + ( 4 ) = ( 2 ) h) Transformationsformeln: X = (Y () ) -1 X (), Y = (X () ) -1 () Y asis "" = "St" X (St) = ( ); Y (St) = ( ); (X (St) ) -1 = 1 ( ) (Y (St) ) -1 = 1 4 ( ) = ( ) X = ( ) (1 /2 ) = ( ) = ( ) Y = 1 ( ) ( ) = ( ) = ( ) iese Rechnungen dienten nur zur Illustration der Formeln! X und Y können direkt aus T und T -1 abgelesen werden! 7. Falsche Anwendung von Y = X T (Für Zahlenwerte Nr. 6 benutzt) Richtig ist y ' = x ' T, T = 1 ( ) In 6. berechnet: y 1 = ( ), y 2 = ( 12 ), x 1 = ( 6 ), x2 = ( 11 2 ). Wir bilden daraus - nach Vorschrift - die Matrizen durch Anordnung der Vektoren in Spalten. Y = ( ), X = ( erechnung X T = ( Also ein falsches Ergebnis! ) ) ( ) = ( ) = ( ) V06 Vektoren - asiswechsel - Matrix - Seite 7 (von )

8 ei der Erweiterung von y ' = x ' T müssen in Y und X die Koordinaten auf dasselbe asissystem bezogen werden! Wenn wir - unter erücksichtigung der Vorschrift - y i auf x i beziehen, müssen wir auch x i auf x i beziehen! as führt für X auf die Einheitsmatrix E. Y = E T gilt, weil Y = T nach der Konstruktionsvorschrift für T. Nur für die richtige Wahl - beides Mal gleiche asis für die Koordinaten - gilt Y = X T und X ist dann gleich E. Allgemein - zuerst "anschaulich": Wenn wir eine Abbildung x y durchführen und dann eine Abbildung y x, kommen wir "an den Anfang zurück". Allgemein - formal (x, y seien Spaltenvektoren): x als Linearkombination von y: x = A y x i = j a ij y j y als Linearkombination von x: y = x y j = k b jk x k kombiniert: x = A y = A x x i = j k a ij b jk x k A = E j k a ij b jk = ik = (E) ik as war auch das obige Resultat. X beschreibt die Linearkombination x i von y i und T die Umkehrung y i von x i. as Produkt muss E sein. 8. Kombination mehrerer Transformationen ("Kettenregel") Mehrere aufeinanderfolgende asistransformationen lassen sich auf eine gesamte Transformation zurückführen. Herleitung im Matrix-Formalismus : ie eziehung v (X) = T v (Y) wird mehrfach angewandt. T ist - wie üblich - über die Verknüpfung der asisvektoren y ' = x ' T definiert. Um die Übersicht zu behalten, werden die beiden asissysteme angegeben: T VON ("X" entspricht dann "von" und "Y" entspricht "nach".) T A beschreibt dann eine Transformation v (A) = T A v () NAH. T A enthält spaltenweise die Entwicklung der asisvektoren von im System A, also von "Nach" im System "Von".! ie asisvektoren und Vektoren in dieser asis werden "entgegengesetzt" transformiert (kontragredient). ie hier gewählte Richtung "von" "nach" bezieht sich auf die asisvektoren, die neuen y i entstehen durch Transformation aus den alten x i. iese Vereinbarung wird in der Festlegung von T benutzt. Wenn man die Transformation des Vektors lieber als "nach" aus "von" schreibt, also "nach" auf der linken Seite, ist die Inverse Matrix T -1 zu verwenden! v () = (T A ) 1 v (A) Eine weitere Transformation führt zur asis, ausgehend von : v () = T v () T enthält nach der üblichen Vorschrift die Entwicklung der asisvektoren von im System, also dem "direkten Vorgänger". ie kombinierte Transformation ist A, v (A) = T A v () bekannt sind die Matrizen für A und. v (A) = T A v () = T A T v () zeigt für die kombinierte Transformation ein Produkt. Um dies zu verifizieren, noch eine weitere Transformation, v () = T v () v (A) = T A v () = T A T v () = T A T T v () V06 Vektoren - asiswechsel - Matrix - Seite 8 (von )

9 Ein Vergleich mit v (A) = T A v () zeigt die "Kette": T A = T A T T (Jeweils "Kürzen von links oben nach rechts unten" oder Erweitern mit aufeinanderfolgenden Transformationen.) Herleitung über Summen: (Nur für den Fall zweier kombinierter Transformationen durchgeführt.) A Vektor v: v = i v i a i = i v i b i = v i i c i Entwicklung in A,, asis : b i = t k ki a k Matrix T A asis : c i = t k ki b i Matrix T a k v = v i i b i = v i i k t ki = v k i i t ki A v =. v k Vergleich: v A k = i t ki v i k a k ies ist die bekannte eziehung v (A) = T v () - evtl. eindeutiger: v (A) = T A v () v = v i i c i = v i t i k ki b k = v i t i k ki m t mk a m = ( t mk t m i k ki v i ) a m = (T A T m i ) mi v i a m a k = [(T A T ) v m ] m a m v = A m v m a m Vergleich: v m A = [(T A T ) v ] m v (A) = T A v () und v (A) = T A T v () T A = T A T eispiel in R 2 : Start in der asis A mit 2 asisvektoren a 1 und a 2. Ausgangspunkt muss also nicht immer die Standardbasis sein! Für die nachfolgenden asisvektoren sind immer die Koordinaten im Vorgänger, in A, in,... angegeben! asis : b 1 = ( 2 2 ); b 2 = ( ) T A = ( 2 2 ) (T A ) 1 = 1 4 ( 2 2 ) asis : c 1 = ( 1 4 ); c 2 = ( 2 ) T = ( ) (T ) 1 = 1 14 ( ) asis : d 1 = ( 2 ); d 2 = ( 1 4 ) T = ( ) (T ) 1 = 1 ( ) Vektor v in asis A: v (A) = ( 2 ) irekte Transformationen A,, : amit v in asis : v () = (T A ) 1 v (A) = 1 4 ( 2 2 ) ( 2 ) = ( 1/4 1/2 ) amit v in asis : v () = (T ) 1 v () = 1 14 ( ) ( 1/4 1/2 ) = ( 1/14 /28 ) amit v in asis : v () = (T ) 1 v () = 1 ( ) ( 1/14 /28 ) = ( /84 1/21 ) V06 Vektoren - asiswechsel - Matrix - Seite 9 (von )

10 A (A in einer Matrix) "Kette" T A = T A T Mit (X Y) -1 = Y -1 X -1 : (T A ) 1 = (T ) 1 (T A ) 1 = 1 14 ( ) 1 4 ( 2 2 ) v () = (T A ) 1 v (A) = 1 28 ( ) ( 2 ) = ( 1/14 /28 ) A ( A in einer Matrix) v (A) = T A v () = T A T T v () T A T T = ( 2 v (A) = ( 80 = 1 28 ( ) 2 ) (1 4 2 ) ( ) = ( ) ( 1 ) = ( ) ) ( /84 1/21 ) = ( 2 ) Wenn mehrere Vektoren transformiert werden müssten, kommt nur noch die erechnung des letzten Produkts "Matrix Vektor" vor! Rechenintensive Schritte müssen nur einmal durchgeführt werden. as ist - neben der "formalen Eleganz" - ein entscheidender Vorteil. V06 Vektoren - asiswechsel - Matrix - Seite (von )

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

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

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

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

Das lineare Gleichungssystem

Das lineare Gleichungssystem 26/27 Grundwissen Analytische Geometrie I m1 as lineare Gleichungssystem Man startet zuerst mit der Betrachtung eines linearen Gleichungssystem mit zwei Unbekannten.(Genaueres siehe Skript) Einführung

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

Determinanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird,

Determinanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird, Determinanten Wir entwickeln eine Lösungsformel für Gleichungssysteme mit zwei Variablen. ax + cy = e b bx + y = f a } abx bcy = be + abx + ay = af ya bc = af be Man schreibt y = af be a bc = a e b f analog

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

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

Kapitel 12. Lineare Abbildungen und Matrizen

Kapitel 12. Lineare Abbildungen und Matrizen Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

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

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

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

Kapitel 17. Determinanten

Kapitel 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

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

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

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

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

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

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

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

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

Homogenität 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

Homogenität 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

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine 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

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin ([email protected]) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben: Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 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 )

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik 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

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. [email protected] http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 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

Mehr

Mathematik 1, Teil B. Inhalt:

Mathematik 1, Teil B. Inhalt: FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten

Mehr

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11

Mathematik 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)

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

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

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

Vektoren. 2.1 Darstellung. Kapitel Subtraktion und Addition

Vektoren. 2.1 Darstellung. Kapitel Subtraktion und Addition Kapitel 2 Vektoren In diesem Kapitel werden wir im wesentlichen die verschiedenen Formen der Darstellung von Vektoren in MatLab sowie Verknüpfungen zwischen Vektoren betrachten. In letzterem Punkt ist

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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter

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

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung:

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung: Vektorrechnung eine Einführung Einleitung: Um beispielsweise das Dreieck ABC in der Abbildung an die Position A'B'C' zu verschieben, muss jeder Punkt um sieben Einheiten nach rechts und drei nach oben

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

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

Lineare Algebra - alles was man wissen muß

Lineare 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

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

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

KLAUSUR 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

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

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

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

34 Lineare Abbildungen

34 Lineare Abbildungen 34 Lineare Abbildungen 34 Motivation Wir haben wichtige Eigenschaften von Vektorräumen kennen gelernt Damit ist es sinnvoll zu untersuchen, wie Abbildungen zwischen Vektorräumen aussehen können Die wichtigsten

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix

5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix 5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix Jörn Loviscach Versionsstand: 20. März 2012, 16:02 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 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

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.

Lösung (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

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung 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

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,

Mehr

6. Rechnen mit Matrizen.

6. Rechnen mit Matrizen. 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem

Mehr

Basistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=%

Basistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Basistext Lineare Gleichungssysteme Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Mit zwei Unbekannten gibt es die allgemeine Form:! #+% '=( Gelten mehrere dieser Gleichungen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-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

Mehr

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch

Mehr

Gliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung

Gliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung Matrixzerlegungen. 7. Vorlesung 170004 Numerische Methoden I Clemens Brand 29. April 2010 Gliederung Elimination faktorisiert A = L R Die A = L R Faktorisieren: Zerlege A in ein Produkt (einfacherer) Angenommen,

Mehr

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2

Mehr

Mathematik Matrizenrechnung

Mathematik Matrizenrechnung Mathematik Matrizenrechnung Einstufige Prozesse Rechenregeln für Matrizen Mehrstufige Prozesse Inverse Matrix Stochastische Prozesse 6 Zyklisches Verhalten Einstufige Prozesse Einstufige Prozesse Zur Beschreibung

Mehr

4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung

4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung 4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax

Mehr

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen) Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

8 Lineare Abbildungen

8 Lineare Abbildungen 80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt

Mehr

Lehrskript Mathematik Q12 Analytische Geometrie

Lehrskript Mathematik Q12 Analytische Geometrie Lehrskript Mathematik Q1 Analytische Geometrie Repetitorium der analytischen Geometrie Eine Zusammenfassung der analytischen Geometrie an bayerischen Gymnasien von Markus Baur, StR Werdenfels-Gymnasium

Mehr

Lineare Gleichungssysteme mit zwei Variablen

Lineare Gleichungssysteme mit zwei Variablen Lineare Gleichungssysteme mit zwei Variablen Anna Heynkes 4.11.2005, Aachen Enthält eine Gleichung mehr als eine Variable, dann gibt es unendlich viele mögliche Lösungen und jede Lösung besteht aus so

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen

Mehr

Microsoft Excel 2010 Matrix-Funktionen

Microsoft Excel 2010 Matrix-Funktionen Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2010 Matrix-Funktionen Matrix-Funktionen in Excel 2010 Seite 1 von 7 Inhaltsverzeichnis Einleitung... 2 Integrierte Matrixfunktionen...

Mehr

y x x y ( 2x 3y + z x + z

y x x y ( 2x 3y + z x + z Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie

Mehr

Jürgen Roth Didaktik der Linearen Algebra & Analytischen Geometrie

Jürgen Roth Didaktik der Linearen Algebra & Analytischen Geometrie Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 3: Modellieren & Angewandte Mathematik 3.1 Inhalte

Mehr

Die Lineare Algebra-Methode. Mahir Kilic

Die Lineare Algebra-Methode. Mahir Kilic Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze

Mehr

Einführung in die Tensorrechnung

Einführung in die Tensorrechnung 1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer

Mehr

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2 Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit

Mehr

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

Ein Beispiel für eine lineare Abbildung

Ein Beispiel für eine lineare Abbildung Inhaltsverzeichnis Ein Beispiel für eine lineare Abbildung Lothar Melching Vorbemerkungen 2 Ein Beispiel 2 2 Definition der Abbildung f 2 22 Die Abbildungsmatrix 3 23 Anwendung 3 Eigenwerte 3 Die neue

Mehr

4.3 Anwendungen auf Differentialgleichungen

4.3 Anwendungen auf Differentialgleichungen 7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x 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

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

DEMO für www.mathe-cd.de

DEMO für www.mathe-cd.de (1) Rechnen mit Paaren und Tripeln () Eine Gleichung mit oder 3 Unbekannten (3) Zwei Gleichungen mit 3 Unbekannten Datei Nr. 61 011 Stand 19. Oktober 010 Friedrich W. Buckel INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Vektorgeometrie Layout: Tibor Stolz

Vektorgeometrie Layout: Tibor Stolz Hanspeter Horlacher Vektorgeometrie Layout: Tibor Stolz 1. Einführung Eine Grösse, zu deren Festlegung ausser einer Zahl auch noch die Angabe einer Richtung nötig ist, heisst VEKTOR. P 2 P 1 P 1 P 2 P

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Lineare Gleichungssysteme: Ein Beispiel aus der Elektrotechnik

Lineare Gleichungssysteme: Ein Beispiel aus der Elektrotechnik Lineare Gleichungssysteme: Ein Beispiel aus der Elektrotechnik Ekkehard Batzies www.hs-furtwangen.de/ batzies 28. März 2008 Unser Beispiel: mit 4 Knoten. R 0,1 := Widerstand zwischen Knoten 0 und Knoten

Mehr

Vorbereitungskurs Mathematik

Vorbereitungskurs Mathematik Vorbereitungskurs Mathematik Grundlagen für das Unterrichtsfach Mathematik für die Fachhochschulreifeprüfung Zweijährige Höhere Berufsfachschule Berufsoberschule I Duale Berufsoberschule Inhalt 0. Vorwort...

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

6. Übungsblatt zur Mathematik I für Maschinenbau

6. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen

Mehr

Lösungen zum 5. Aufgabenblatt

Lösungen zum 5. Aufgabenblatt SS 2012, Lineare Algebra 1 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

Mehr

1 Lineare Gleichungssysteme

1 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

Mehr

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr