Matrizen. Jörn Loviscach. Versionsstand: 14. April 2009, 00:25

Ähnliche Dokumente
Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.

Matrizen. Jörn Loviscach

In den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha):

In den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha):

Vektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

Vektoren. Jörn Loviscach. Versionsstand: 30. März 2010, 18:06 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

L5 Matrizen I: Allgemeine Theorie

L5 Matrizen I. Matrix: (Plural: Matrizen)

Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen

MLAN1 1 MATRIZEN 1 0 = A T =

2 Die Algebra der Matrizen

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

MATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.

3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18

13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =

35 Matrixschreibweise für lineare Abbildungen

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018

Definition, Rechenoperationen, Lineares Gleichungssystem

Basiswissen Matrizen

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

C A R L V O N O S S I E T Z K Y. Transformationen. Johannes Diemke. Übung im Modul OpenGL mit Java Wintersemester 2010/2011

Formale Matrizenrechnung

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematik für Naturwissenschaftler II SS 2010

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Tutorium: Diskrete Mathematik. Matrizen

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

3 Matrizenrechnung. 3. November

2 Die Algebra der Matrizen

Lineare Algebra. 1 Lineare Abbildungen

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

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

Definition, Rechenoperationen, Lineares Gleichungssystem

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

Lektion 3. 1 Theorie. NTS1-P Natur, Technik und Systeme 1 Praktikum Herbstsemester 2012

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

9.2 Invertierbare Matrizen

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Tutorium: Analysis und Lineare Algebra

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

Länge, Skalarprodukt, Vektorprodukt

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

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

10.2 Linearkombinationen

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

a ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen

1 Überblick über das zweite Semester. Vektorräume

8 Lineare Abbildungen und Matrizen

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

Vorkurs Mathematik B

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)

Matrizen und Determinanten, Aufgaben

2D-Punkt-Transformationen

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

Chr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =

8.2 Invertierbare Matrizen

Multiplikation von Matrizen

2 Matrizenrechnung und Lineare Gleichungssysteme

3 Matrizen und Lineare Gleichungssysteme

5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix

Matrixprodukt und Basiswechsel bei Abbildungen

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

Lineare Gleichungssysteme und Matrizen

oder A = (a ij ), A =

Transformation Allgemeines Die Lage eines Punktes kann durch einen Ortsvektor (ausgehend vom Ursprung des Koordinatensystems

= 9 10 k = 10

Matrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya

Lineare Algebra I (WS 13/14)

Kapitel 8. Elemente der Matrizenrechnung. 8.1 Rechenregeln

1 Matrizenrechnung zweiter Teil

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Übersicht Kapitel 9. Vektorräume

Lineare Algebra. Beni Keller SJ 16/17

Nützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren

3 Systeme linearer Gleichungen

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45

Matrizen Definition: Typ einer Matrix

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

Kapitel 15 Lineare Gleichungssysteme

Serie 8: Online-Test

8.2 Invertierbare Matrizen

A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix

Transkript:

Matrizen Jörn Loviscach Versionsstand: 14. April 2009, 00:25 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten (typischerweise Zahlen) heißt Matrix (Mehrzahl: Matrizen) [matrix, matrices]. Das Wort stammt über Umwege vom latenischen Wort für Mutter (mater) ab. In Europa schreibt man runde Klammern um die rechteckige Anordnung: ( 12 23 π 5 2 98 In den USA verwendet man statt dessen eckige Klammern: [ 12 23 π 5 2 98 Diese Matrix hier ist eine mit zwei Zeilen [rows] und drei Spalten [columns], also eine 2 3-Matrix. Ein Spaltenvektor mit m Komponenten ist eine m 1-Matrix. Ein Zeilenvektor mit n Komponenten ist eine 1 n-matrix. Eine quadratische Matrix [square matrix] hat genau so viele Spalten, wie sie Zeilen hat. Matrizen werden meist mit großen Buchstaben bezeichnet, ihre Einträge [entry, entries] mit dem entsprechenden Kleinbuchstaben mit Indizes [index, indices] für Spalte und Zeile: ) ] 1 A =. Dies entspricht auch der Art, wie man zweidimensionale Arrays in C und C++ anspricht, nur dass man dort mit der Reihe 0 und der Spalte 0 anfängt, also die Matrix als double A[2][3]; definiert und mit A[0][1] = -23.0; auf einen Eintrag zugreift. Die Matrix von oben lässt sich auch direkt zur Aggregat - Initialisierung verwenden: double A[][3] = { {12.0, -23.0, acos(-1.0)}, { 5.0, -sqrt(2.0), 98.0} }; 1

2 MATRIXOPERATIONEN 2 In Octave mischt man die Schreibweisen für Spaltenvektoren (Semikolon) und Zeilenvektoren (Leerzeichen oder Komma): A = [12.0-23.0 pi; 5.0 -sqrt(2.0) 98.0] Matrizen beschreiben (einige) Transformationen zwischen verschiedenen Koordinatensystemen, können benutzt werden, um lineare Gleichungssysteme kompakt aufzuschreiben und treten auch direkt als physikalische Größen auf, zum Beispiel als Trägheitstensor. Oft hilft es, sich die Wirkung von Matrizen als geometrische Umformungen (Transformationen) vorzustellen. Dazu einige Beispiele am Ende. 2 Matrixoperationen Matrizen gleicher Größe (Zahl der Zeilen, Zahl der Spalten) lassen sich addieren, subtrahieren und mit reellen Zahlen multiplizieren: 2 In Octave werden diese Operationen ohne weitere Überraschungen mit +, - und * geschrieben. Das neutrale Element der Matrizenaddition ist die Matrix der passenden Größe, in der nur Nullen stehen. In Octave erhält man die 2 3-Nullmatrix mit zeros(2,3). Die Menge aller Matrizen aus m Zeilen und n Spalten reeller Zahlen bildet einen Vektorraum über den reellen Zahlen. Dieser hat die Dimension 3. Die einfachste Operation mit Matrizen ist das Stürzen, die Transposition, geschrieben als ein hochgestelltes T:

3 MATRIXPRODUKTE 3 4 In Büchern stehen Spaltenvektoren oft als transponierte [transposed] Zeilenvektoren, um Platz zu sparen: 5 In Octave schreibt man A' für das Transponierte der Matrix (oder des Vektors!) A. Eine symmetrische Matrix A ist gleich ihrer Transponierten: A = A T. Symmetrische Matrizen müssen quadratisch sein. Beispiel: 6 Zum Beispiel der Trägheitstensor wird durch eine symmetrische Matrix dargestellt. 3 Matrixprodukte Die wesentliche Operation mit Matrizen ist die Multiplikation einer Matrix mit einem Vektor. Eine m n-matrix kann von rechts mit einem Spaltenvektor mit n Komponenten multipliziert werden. Das Ergebnis ist ein Spaltenvektor mit m Komponenten:

3 MATRIXPRODUKTE 4 7 Dieselbe Matrix kann von links mit einem Zeilenvektor mit m Komponenten multipliziert werden. Das Ergebnis ist ein Zeilenvektor mit n Komponenten: 8 Beide Arten, Vektoren mit Matrizen zu multiplizieren, sind ein Speziallfall der Multiplikation zweier Matrizen miteinander. Eine m n-matrix links und eine n p-matrix rechts werden bei Multiplikation zu einer m p-matrix: 9 In Octave schreibt man ein schlichtes Sternchen * für die Matrixmultiplikation. Die Multiplikation von Matrizen mit Matrizen ist wenn die Matrizen von der Zahl der Spalten/Zeilen her überhaupt multiplizierbar sind assoziativ und distributiv, aber nicht kommutativ ( Seminar, Praktikum). Das neutrale Element der Matrixmultiplikation ist die Einheitsmatrix [identity matrix] 1 oder E in der passenden Größe:

4 SKALIERUNGEN 5 10 In Octave erhält man zum Beispiel die 3 3-Einheitsmatrix mit eye(3). Eine quadratische Matrix A kann man auch mit sich selbst multiplizieren. (Warum muss sie dazu quadratisch sein?) Damit kann man quadratische Matrizen in positive ganze Potenzen setzen: A 4 := AAAA. Später befassen wir uns mit A 1, der inversen Matrix von A. Sinnvollerweise (Warum?) wird damit gelten: A 1 A = 1 = A A 1. Unter bestimmten Voraussetzungen kann man auch A 1/2 und Ähnliches definieren. In Octave verwendet man den Operator ^ zum Potenzieren von Matrizen, wie bei Zahlen. 4 Skalierungen Die einfachste geometrische Operation mit Matrizen ist wohl die Skalierung aus dem Ursprung heraus. Zum Beispiel kann man alle geometrische Figuren um den Faktor 3 entlang der x-achse und um den Faktor 2 entlang der y-achse dehnen: 11 Jeder Ortsvektor der Figur ist als Spaltenvektor rechts an die Matrix zu multiplizieren. Das Ergebnis ist die transformierte Figur. (Was passiert, wenn man einen oder beide der Skalierungsfaktoren negativ wählt?) Um diese und andere Transformationen in Octave nachzuvollziehen, kann man die Spaltenvektoren einer Figur zu einer Matrix zusammenfügen: x = [0 1 1 2 2 1 1 3 3 0 0;\ 0 0 1 1 2 2 3 3 4 4 0]

5 DREHUNGEN 6 und diese Matrix mit y = A*x; rechts an die Transformationsmatrix A multiplizieren. Zum Beispiel mit plot(y(1,:),y(2,:)), axis("square") lässt sich das Ergebnis dann plotten. 5 Drehungen Um die Wirkung einer Matrix zu verstehen, kann man am einfachsten ansehen, wie sie auf die Vektoren der Standardbasis wirkt: 12 Sehen wir uns das für eine Drehung um +42 (mathematisch positiv, also gegen den Uhrzeigersinn) um den Ursprung an: 13 Also ist die zugehörige Drehungsmatrix:

6 VERSCHIEBUNGEN 7 14 Entsprechend lassen sich die Matrizen für beliebige Drehungen um den Ursprung bestimmen. (Kann man auch Drehungen um andere Punkte als den Ursprung so beschreiben?) In drei Dimensionen geht das ähnlich ist aber deutlich schwieriger, weil nicht nur der Drehungswinkel, sondern auch die Drehungsachse festgelegt werden muss. Das Vorgehen bei Spiegelungen ist entsprechend ( Praktikum). 6 Verschiebungen Eine Verschiebung zum Beispiel um 2 in x-richtung und 3 in y-richtung lässt sich nicht ohne Tricks mit Hilfe einer Matrix schreiben. (Warum?) Statt dessen kann man rechnen: 15