Lineare Algebra 1. Roger Burkhardt
|
|
- Christel Böhm
- vor 5 Jahren
- Abrufe
Transkript
1 Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11
2 1
3 Einführung Lineare Gleichungen Definition Unter einer linearen Gleichung mit den n Unbekannten x 1, x 2,..., x n versteht man eine Bestimmungsgleichung für die n Unbekannten, in welcher die Unbekannten nur linear auftreten. D.h. eine Gleichung der Form: a 1 x 1 + a 2 x a n x n = n a k x k = b (1) k=1 dabei nennt man a 1, a 2,..., a n die Koeffizienten und b den Absolutteil der linearen Gleichung.
4 Einführung Beispiel Die Gleichung x 2y + z = 1 ist eine lineare Gleichung mit den drei Unbekannten x, y und z. Aus der Vektorgeometrie wissen wir, dass dies die Koordinatengleichung einer Ebene im dreidimensionalen reellen Raum ist. Bemerkung Unter der Lösungsmenge einer linearen Gleichung versteht man die Menge aller Punkte, die die Gleichung erfüllen. Es versteht sich von selbst, dass die Lösungsmenge einer Gleichung mit n Unbekannten eine Teilmenge des n-dimensionalen Raumes ist.
5 Einführung Beispiel Die Lösung der linearen Gleichung aus dem vorigen Beispiel lautet: L = { (x, y, z) R 3 : x 2y + z = 1 } = {(2y z + 1, y, z)} In der zweiten Darstellung beschreiben wir die Lösungspunkte in Abhängigkeit der beiden Variablen y und z. Wir haben also zwei frei wählbare Variablen und sagen deshalb, dass die Dimension des Lösungsraumes zwei ist. In dieser Schreibweise lassen sich einzelne Elemente der Lösungsmenge einfach durch eine Wahl von Werten für y und z beschreiben. Sei z.b. y = 1 und z = 2, so findet man den Lösungspunkt (1, 1, 2). Natürlich hat unsere Lösungsmenge unendlich viele Elemente (alle Punkte auf der Ebene, die durch diese Koordinatengleichung beschrieben wird).
6 Einführung Matrizen Definition Eine n m-matrix über K ist eine Anordnung von n m Elementen von K nach dem folgenden Schema: a 11 a 12 a 1m a 21 a 22 a 2m a n1 a n2 a nm Die a ij K nennt man die Koeffizienten der Matrix.
7 Einführung Bemerkung Die waagrecht geschriebenen n-tupel ( ) a i1 a i2 a im nennt man die Zeilen und die senkrecht geschriebenen m-tupel a 1j a 2j die Spalten der Matrix. a nj
8 Einführung Multiplikation einer Matrix mit einem Spaltenvektor Definition Für x = x 1 x 2 x m Km 1 = K m wird das Produkt Ax K n der Matrix A K n m mit dem Spaltenvektor x definiert durch: a 11 a 12 a m 1m x k=1 a 1 m 1kx k a 21 a 22 a 2m Ax :=..... x 2. = k=1 a 2kx k m a n1 a n2 a nm x k=1 a nkx k m
9 Einführung Beispiel Gegeben sei die Matrix A = ( das Produkt dieser Matrix mit dem Spaltenvektor bestimmen: = Ax = ( ) ( ( 3) ). Wir wollen nun ) = ( 7 15 )
10 Definition Lineare Gleichungsysteme Definition Ein System aus m linearen Gleichungen mit n Unbekannten nennt man ein lineares Gleichungssystem. Mit der Matrizenrechnung lässt es sich wie folgt schreiben: a 11 a a 1n a 21 a a 2n Ax = a m1 a m2... a mn x 1 x 2. x n = b 1 b 2. b m = b (2)
11 Definition Dabei nennt man die Matrix A = (a ij ) die Koeffizientenmatrix und den Spaltenvektor b = (b i ) die Absolutglieder des Systems. Sind alle Absolutglieder gleich Null, so nennt man das lineare Gleichungssystem homogen, sonst inhomogen. Weiter nennt man die Matrix A b = (a ij b i ) die man aus der Koeffizientenmatrix durch das Anhängen des Spaltenvektors erhält, die erweiterte Koeffizientenmatrix.
12 Definition Beispiel Das folgende lineare Gleichungssystem besteht aus vier Gleichungen mit drei Unbekannten und ist, da nicht alle Absolutglieder gleich Null sind, ein inhomogenes System: x y z = x + 2y + 3z = 1 2x + 3y + 4z = 0 3x + 4y + z = 0 4x + y + 2z =
13 Definition Bemerkung Die Lösungsmenge eines linearen Gleichungssystems ist die Schnittmenge der Lösungsmengen der linearen Gleichungen aus denen sich das linear Gleichungssystem zusammen setzt. Daraus folgt nun sofort, dass die Lösungsmenge eines linearen Gleichungssystems mit n Unbekannten eine Teilmenge des n-dimensionalen reellen Raumes ist.
14 Lösungsverfahren Elementare Zeilenumformungen Theorem Die folgenden Operationen (elementare Zeilenumformungen), angewandt auf ein lineares Gleichungssystem, verändern die Lösungsmenge des Gleichungssystems nicht (sogenannte Äquivalenzumformungen!): Multiplikation einer Gleichung (Zeile der erweiterten Koeffizientenmatrix) mit einer reellen Zahl ungleich Null. Vertauschen zweier Gleichungen (Zeilen der erweiterten Koeffizientenmatrix). Ersetzen der i-ten Gleichung durch eine (nicht triviale) Linearkombination der i-ten und der j-ten Gleichung (Zeilen der erweiterten Koeffizientenmatrix).
15 Lösungsverfahren Bemerkung Die ersten beiden Punkte dürften klar sein. Für den dritten Punkt stelle man sich einmal eine solche Linearkombination vor: s 1 n n a ik x k +s 2 a jk x k = s 1 b i + s 2 b j k=1 } {{ } b i k=1 } {{ } b j Nun gilt sicher, dass alle Lösungen des ursprünglichen Systems diese neue Gleichung auch erfüllen. Fast so einfach lässt sich zeigen, dass keine neuen Lösungspunkte hinzu kommen!
16 Lösungsverfahren Die Gültigkeit des letzten Satzes macht man sich nun zu Nutze um lineare Gleichungssysteme zu lösen. Dazu formt man das lineare Gleichungssystem, bzw. die erweiterte Koeffizientenmatrix mit den elementaren Zeilenumformungen so um, dass man die Lösungen einfacher bestimmen kann. Dazu gehen wir in einem ersten Schritt soweit, dass wir unterhalb der Diagonalen alles Nullen erzeugen, d.h. die erweiterte Koeffizientenmatrix in die sogenannte Zeilenstufenform umformen!
17 Lösungsverfahren Zeilenstufenform Definition Man nennt eine Matrix, für die gilt: a ij = 0 a ii 0 a st = 0 eine Matrix in Zeilenstufenform. i > j i < k s > k t (3) Bemerkung Jede Matrix lässt sich (wenn auch Spaltenvertauschungen zugelassen sind) durch elementare Zeilenumformungen in Zeilenstufenform überführen!
18 Lösungsverfahren Beispiel Wir wollen die nachfolgende Matrix in Zeilenstufenform überführen: Wir wenden folgende Umformungen an: II 4I II III 7I III III 2II III
19 Lösungsverfahren Rang einer Matrix Definition Die Anzahl der linear unabhängigen Zeilen einer Matrix A nennt man den Rang der Matrix A. Man schreibt: rang(a) = rg(a) Theorem Der Rang einer Matrix ist invariant bezüglich elementarer Zeilenumformungen, d.h. der Rang einer durch elementare Zeilenumformungen aus der Matrix A umgeformten Matrix A ist gleich dem Rang der ursprünglichen Matrix A: rg(a) = rg(a ) (4)
20 Lösungsverfahren Bemerkung Der Rang einer Matrix in Zeilenstufenform ist gleich der von Null verschiedener Zeilen. Beispiel Wir wollen den Rang der Matrix A = Mit elementaren Zeilenumformungen finden wir: A A II 2I II III 3I III IV 7II IV bestimmen!
21 Lösungsverfahren Fortsetzung A A III III 2II IV 7II IV A A IV III IV Nun gilt gemäss letztem Satz: rg(a) = rg(a ) = rg(a ) = rg(a ) Da die Matrix A (in Zeilenstufenform) drei nicht verschwindende Zeilen besitzt, ist ihr Rang gleich 3. Also: rg(a) = rg(a ) = 3
22 Lösungsfälle Rang und lineare Gleichungssysteme Theorem Sei Ax = b ein lineares Gleichungssystem mit n Unbekannten, so gilt: reguläres System rg(a) = n singuläres System rg(a) < n eindeutiger Lösungspunkt (dim(l) = 0) rg(a) = rg(a b) rg(a) < rg(a b) unendlich viele Lösungspunkte dim(l) = n rg(a) leere Lösungsmenge L = {}
23 Lösungsfälle Beispiel Wir suchen die Lösung des nachfolgenden Gleichungssystems: x y = z 1 Wir formen dazu die erweiterte Koeffizientenmatrix um: II II 2I III 2I III I I II III III 2II I 7I 2III II 7II + 2III
24 Lösungsfälle Fortsetzung I 1 7 I II 1 7 II III 1 7 III Wir erhalten also das äquivalente System: x y = z x y z = Der Rang der Koeffizientenmatrix ist 3, also ist das System regulär und es existiert ein eindeutiger Lösungspunkt. Diesen Lösungspunkt kann aus dem umgeformten System einfach berechnet werden:
25 Lösungsfälle Fortsetzung L = {( 4 7, 10 7, 5 )} 7 In der Grafik sind die drei Ebenen eingezeichnet, welche durch die drei linearen Gleichungen beschrieben werden. Diese drei Ebenen schneiden sich im Lösungspunkt des linearen Gleichungssystems!
26 Lösungsfälle Beispiel Wir suchen die Lösung des nachfolgenden Gleichungssystems: x y = z 2 Wir formen dazu die erweiterte Koeffizientenmatrix um: II 3II 2I III 4I 3III I 5I + II III III II I 1 15 I II 1 5 II
27 Lösungsfälle Fortsetzung Wir erhalten also das äquivalente System: x y = z Der Rang der Koeffizientenmatrix ist 2, also ist das System singulär. Da der Rang der erweiterten Koeffizientenmatrix ebenfalls 2 ist, gibt es unendlich viele Lösungspunkte. Diese Lösungspunkte können aus dem umgeformten System einfach berechnet werden:
28 Lösungsfälle Fortsetzung L = {( 15, 25 )} + 2t, t Die drei Ebenen schneiden sich in einer gemeinsamen Schnittgeraden! Es gibt also unendlich viele Lösungspunkte!
29 Lösungsfälle Beispiel Wir suchen die Lösung des nachfolgenden Gleichungssystems: x y = z 0 Wir formen dazu die erweiterte Koeffizientenmatrix um: II 2II I III III 2I I 9I II III III II
30 Lösungsfälle Fortsetzung Wir erhalten also das äquivalente System: x y = z Der Rang der Koeffizientenmatrix ist 2, also ist das System singulär. Da der Rang der erweiterten Koeffizientenmatrix grösser ist, gibt es eine widersprüchliche Gleichung (0 = 5) und somit hat das System eine leere Lösungsmenge: L = {}
31 Lösungsfälle Fortsetzung Die drei Ebenen haben keine gemeinsamen Schnittpunkte!
32 Gauss scher Algorithmus Gauss scher Algorithmus Das in den letzten Beispielen angewandte Verfahren nennt man den Gauss-Jordan Algorithmus. Dabei wird verucht mittels elementarer Zeilenumformungen eine Matrix in Diagonalform zu erzeugen. Bevor wir dieses Verfahren ausführlicher diskutieren, soll hier zuerst der Gauss sche Algorithmus kurz skizziert werden. Das Verfahren nach Gauss formt eine Matrix (z.b. erweiterte Koeffizientenmatrix eines linearen Gleichungssystems) in Zeilenstufenform um. Das Verfahren kann sprachlich folgendermassen als Rezept beschrieben werden:
33 Gauss scher Algorithmus Gauss scher Algorithmus Beginne in der ersten Spalte Finde eine Zeile ohne führende Null. Ist dies nicht die erste Zeile vertausche die erste mit der gefundenen Zeile. Sollte in der ganzen Spalte alles Nullen stehen, so vertausche diese Spalte mit einer anderen (Variablen müssen entsprechend vertauscht werden) oder fahre einfach in der nächsten Spalte weiter (ein Element oberhalb der Diagonalen!). Führe mit allen Zeilen unterhalb der Ersten eine Ersetzung der Zeile mittels einer Linearkombination der entsprechenden Zeile und der ersten Zeile durch, so dass in der ersten Spalte eine Null zu stehen kommt. Verfahre analog weiter für die weiteren Spalten, indem spaltenweise unterhalb des Diagonalelements Nullen erzeugt werden. Zum Schluss liegt die Matrix in Zeilenstufenform vor!
34 Gauss scher Algorithmus Beispiel Wir betrachten den Algorithmus an einem Beispiel ausführlich: A = II II 9I Wir starten in der ersten Spalte. Da das Diagonalelement (erste Zeile erste Spalte) ungleich Null ist, können wir in allen Zeilen unter dem Diagonalelement Nullen erzeugen.
35 Gauss scher Algorithmus Fortsetzung Für die zweite Zeile verwenden wir die folgende Ersetzung (Linearkombination) II II 9I : A = III III I, IV IV 15I, V V I, VI VI 8I
36 Gauss scher Algorithmus Fortsetzung Für die restlichen Zeilen analog III III I, IV IV 15I, V V I und VI VI 8I : A = III II 2III, IV 5II 2IV, V 3II 2V, VI VI II
37 Gauss scher Algorithmus Fortsetzung Nun folgt die zweite Spalte. Auch hier ist das Diagonalelement ungleich Null und mittels geeigneter Ersetzungen können die Elemente unterhalb der Diagonalen auf Null gesetzt werden: (III II 2III, IV 5II 2IV, V 3II 2V und VI VI II ): A = IV 11III 5IV, V 21III 5V
38 Gauss scher Algorithmus Fortsetzung Weiter mit der dritten Spalte. Auch hier ist das Diagonalelement ungleich Null und mittels geeigneter Ersetzungen können die Elemente unterhalb der Diagonalen auf Null gesetzt werden (IV 11III 5IV, V 21III 5V ): A = V 4VI + V
39 Gauss scher Algorithmus Fortsetzung In der vierten Spalte ist nun das Diagonalelement gleich Null und zudem auch alle Elemente unterhalb dem Diagonalelement. Nun fahren wir in der fünften Spalte weiter (aber mit der vierten Zeile). (V 4VI + V ): A = II 1 2 II, III 1 5 III, IV 1 4 IV
40 Gauss scher Algorithmus Fortsetzung Nun können unterhalb der Diagonalen keine weiteren Nullen erzeugt werden. Zum Abschluss werden die führenden Werte jeder Zeile meistens noch normiert: A =
41 Gauss scher Algorithmus Nachdem die erweiterte Koeffizientenmatrix mit dem Gauss schen Algorithmus in Zeilenstufenform umgeformt wurde, kann die Lösungsmenge von unten her berechnet werden! Bei einem regulären System kann die hinterste Variable aus der untersten Zeile bestimmt werden. Diesen Wert kann dann in der zweituntersten Zeile eingesetzt werden um die nächste Variable zu berechnen, usw. Bei einem singulären System mit einer unendlichen Lösungsmenge verfährt man analog, doch werden für die Nullzeilen Parameter für die entsprechenden Unbekannten eingesetzt. Es folgen zwei Beispiele:
42 Gauss scher Algorithmus Beispiel Bestimme die Lösungsmenge des Systems: x y = z Nun kann aus der dritten Gleichung (6z = 1) die Lösung für z berechnet werden: z = 1 6. Diesen Wert setzen wir nun in der zweiten Gleichung ein (2y = 1) und berechnen y: y = 1 3. Und nun noch den Wert für x: x = = 1 6.
43 Gauss scher Algorithmus Beispiel Bestimme die Lösungsmenge des Systems: x y = z
44 Gauss scher Algorithmus Fortsetzung Da wir eine Nullzeile haben, gibt es unendlich viele Lösungspunkte. Für die Variablen ohne führenden Wert ungleich Null (hier z), setzt man einen Parameter (frei wählbare Variable) ein. Also z = t. Dies setzen wir nun in der zweiten Gleichung ein (5y 10t = 2) und berechnen y: y = 2+10t 5. Und nun noch die Variable x: 2+10t 1 2t+ 5 x = 3 = 1 5. {( L = 1 5, t )}, t 5
45 Gauss scher Algorithmus Gauss-Jordan-Verfahren Da die Berechnung der Lösungsmenge aus der Zeilenstufenform recht umständlich ist, wird oft mit den elementaren Zeilenumformungen gerade eine Matrix in Diagonalform erzeugt. Dieses Verfahren nennt man Gauss-Jordan-Algorithmus. Betrachten wir dazu noch einmal die vorigen beiden Beispiele: Beispiel Bestimme die Lösungsmenge des Systems: x y = z 1 1 1
46 Gauss scher Algorithmus Fortsetzung {( 1 6, 1 3, 1 )} 6
47 Gauss scher Algorithmus Beispiel Bestimme die Lösungsmenge des Systems: x y = z
48 Gauss scher Algorithmus Fortsetzung x y z = t 0 {( L = , t, t 5 = )} t t
49 Gauss scher Algorithmus 1 Einführung Lineare Gleichungen Matrizen Multiplikation einer Matrix mit einem Spaltenvektor Definition Lineare Gleichungsysteme Lösungsverfahren Elementare Zeilenumformungen Zeilenstufenform Rang einer Matrix Lösungsfälle Rang und lineare Gleichungssysteme Gauss scher Algorithmus Gauss scher Algorithmus Gauss-Jordan-Verfahren
Lineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 Roger Burkhardt roger.burkhardt@fhnw.ch
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 2 Rechenoperationen und Gesetze Gleichheit
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 3 und lineare Gleichungssysteme und
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
Mehr6 Lineare Gleichungssysteme
6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrLineare Gleichungssysteme
Technische Universität München Christoph Niehoff Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 009/00 Die beiden Hauptthemen von diesem Teil des Ferienkurses sind Lineare Gleichungssysteme
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
MehrLösungen Test 1 - Lineare Algebra
Name: Seite: Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Test - Lineare Algebra Dozent: R. Burkhardt Büro: 4. Klasse:. Studienjahr Semester: Datum: HS 8/9 Bemerkung Alle Aufgaben
MehrAufgabe 1 (a) Bestimmen Sie die Schnittgerade der beiden Ebenen gegeben durch 3x y 2z 5 = 0 und x y 4z 3 = 0.
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 22.11.18 Übung 10 (für Pharma/Geo/Bio) Uni Basel Besprechung der Lösungen: 26. November 2018 in den Übungsstunden Aufgabe 1 (a) Bestimmen Sie die
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
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
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 2008/09 4 Einführung Vektoren und Translationen
MehrKapitel 9: Lineare Gleichungssysteme
Kapitel 9: Lineare Gleichungssysteme Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) Kapitel 9: Lineare Gleichungssysteme 1 / 15 Gliederung 1 Grundbegriffe
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrZeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.
Zeilenstufenform Wir beweisen nun den schon früher angekündigten Satz. Satz. Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen
MehrZu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik =
H 6. Die Matrizen A, B, C und D seien gegeben durch 5 A =, B =, C = 4 5 4, D =. 5 7 5 4 4 Berechnen Sie (sofern möglich) alle Matrizenprodukte X Y mit X, Y {A, B, C, D}. Zu zwei Matrizen A R m n und B
Mehr10.2 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
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
MehrDer 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
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
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.4 Lineare Gleichungssysteme
Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 84 Lineare Gleichungssysteme wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 74 Lineare Gleichungssysteme Prof Dr Erich Walter Farkas Mathematik I+II, 74 Lin Glsyst 1 / 83 1 Allgemeine Vorbetrachtungen
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System 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
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
MehrLineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya
Lineare Gleichungssysteme 1-E Ma 1 Lubov Vassilevskaya Systeme linearer Funktionen und Gleichungen y = a 1 a 2... a n lineare Funktion Funktion ersten Grades,,..., unabhängige Variablen y abhängige Variable
Mehr4 Der Gauß Algorithmus
4 Der Gauß Algorithmus Rechenverfahren zur Lösung homogener linearer Gleichungssysteme Wir betrachten ein GLS (1) a 11 x 1 + a 1 x + + a 1n x n = a 1 x 1 + a x + + a n x n = a m1 x 1 + a m x + + a mn x
Mehr18. Matrizen 2: Gleichungssysteme, Gauß-Algorithmus
18. Matrizen 2: Gleichungssysteme, Gauß-Algorithmus Conrad Donau 8. Oktober 2010 Conrad Donau 18. Matrizen 2: Gleichungssysteme, Gauß-Algorithmus 8. Oktober 2010 1 / 7 18.1 Wiederholung: Ebenen in R 3
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
MehrRang 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(c) x 2 + 3x 3 = 1 3x 1 + 6x 2 3x 3 = 2 6x 1 + 6x x 3 = 5
Musterlösungen zu Mathematik II (Elementare Lineare Algebra) Blatt Nathan Bowler A: Präsenzaufgaben. Zeilenstufenform und reduzierte Zeilenstufenform erkennen Welche der folgenden Matrizen sind in Zeilenstufenform?
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2
MehrA = α α 0 2α α
Aufgabe 8. Berechnen Sie abhängig von α R die Dimension dim(f(r 4 )) und die Dimension dim(kern(f)) sowie je eine Basis von f(r 4 ) und Kern(f) der linearen Abbildung f : R 4 R 4, x Ax mit der Matrix A
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 22.10.2013 Alexander Lytchak 1 / 16 Wiederholung des Beispiels 3x 6 + x 7 = 2 2x 2 + 4x 4 + 6x 5 + 5x 7 = 3 2x 2 + x
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Einführung I Mathematik für Studierende der Biologie und des Lehramtes Chemie Dominik Schillo Universität des Saarlandes 007 (Stand: 007, 4:9 Uhr) Wie viel Kilogramm Salzsäure der Konzentration % muss
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 +
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
Mehr7 Lineare Gleichungssysteme
118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie
D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5
Mehr2 Vektorräume und Gleichungssysteme
2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
Mehr( ) Lineare Gleichungssysteme
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
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 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
MehrKlausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2
Mehra i j (B + C ) j k = n (a i j b j k + a i j b j k ) =
Lösungen Lineare Algebra für Physiker, Serie 2 Abgabe am 25.10.2007 1. Es seien A K m n, B,C K n p und D K p q gegeben. 9 P (a) Beweisen Sie das Distributivgesetz A(B + C ) = A B + AC. (b) Beweisen Sie
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 =
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 26 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 2 Aufgabe 2 Welche der folgenden Aussagen sind korrekt? (i) Jedes
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
Mehr3. 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
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition Als lineare Gleichungssysteme bezeichnet man in der linearen Algebra Gleichungssysteme der folgenden
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
Mehr5.7 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
MehrDie Lösungsmenge besteht aus allen n-tupeln reeller Zahlen x 1
III. Lineare Gleichungssysteme ================================================================= 3. Einführung ---------------------------------------------------------------------------------------------------------------
MehrLineare Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 5. Dezember 2007 Definition : Tomographie (Fortsetzung) : Tomographie Definition: Ein lineares Gleichungssystem (LGS) ist ein System von n
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n = b a 2 x + a 22 x 2 +...
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
Mehr6 Lineare Algebra. 6.1 Einführung
6 Lineare Algebra 6.1 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung. Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
MehrMathematik 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,...,
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrDas Lösen linearer Gleichungssysteme
Das Lösen linearer Gleichungssysteme Lineare Gleichungen Die Gleichung a 1 x 1 + a 2 x 2 +... + a n x n = b ist eine lineare Gleichung in den n Variablen x 1, x 2,..., x n. Die Zahlen a 1, a 2,..., a n
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrA wird in diesem Fall invertierbar oder regulär genannt. Beispiel
Inverse Matrizen Definition Sei A eine quadratische Matrix vom yp (n,n) Existiert zu A eine Matrix X gleichen yps mit AX = XA = E (E: (n,n) Einheitsmatrix), so nennt man X die zu A inverse Matrix, oder
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Definition. Sei K ein Körper, a ij K für 1 i m, 1 j n und b 1,..., b m K. Dann heißt 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......
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 12. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 12. Übung: Woche vom 16. 1.-20. 1. 2017 (Lin.Alg. I): Heft Ü 3: 2.1.11; 2.1.8; 2.1.17; 2.2.1; 2.2.3; 1.1.1; 1.1.4; Hinweis 1: 3. Test (Integration, analyt. Geom.) ist seit 9.1. freigeschalten
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8. Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang. Somit hat
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrAufgaben 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
MehrZeilenstufenform eines Gleichungssystems
Zeilenstufenform eines Gleichungssystems Ein lineares Gleichungssystem mit einer m n-koeffizientenmatrix lässt sich mit Gauß-Transformationen auf Zeilenstufenform (Echelon-Form) transformieren: Ax = b...
MehrMathematik 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
Mehr3 Lineare Gleichungen
Aufgabe 3. Man löse die lineare Gleichung a 2 x b 2 a a(b ax) b + b2 a = a, a b nach der Unbekannten x auf und diskutiere die möglichen Fälle. a 2 x b 2 a a(b ax) b + b2 a = a a b a 2 bx b 3 a 2 b + a
MehrLineare 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
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
Mehr