11. Matrizen. 11. Matrizen Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (aij)1  i  m, 1.

Slides:



Advertisements
Ähnliche Präsentationen
Fast Fourier Transformation
Advertisements

Matrixmultiplikation
3.2 Subtraktion, Multiplikation, ALU
Kapitel 3 Arithmetische Schaltkreise
Mathematik hat Geschichte
Schnelle Matrizenoperationen von Christian Büttner
Heute 1.F – Test zur Varianzhomogenität 2.Bartlett-Test zur Varianzhomogenität 3.Chi – Quadrat Tests für Häufigkeiten 4.Chi – Quadrat Tests zur Verteilungsanpassung.
Das Vertauschungsgesetz
WS Algorithmentheorie 02 - Polynomprodukt und Fast Fourier Transformation Prof. Dr. Th. Ottmann.
Dynamische Programmierung (2) Matrixkettenprodukt
WS Algorithmentheorie 08 – Dynamische Programmierung (2) Matrixkettenprodukt Prof. Dr. Th. Ottmann.
Kapitel 2 Die rationalen und die irrationalen Zahlen.
Beispiele für Gleichungssysteme
Produktform der Inversen 1
V. Algebra und Geometrie
AC Analyse.
AC Analyse. 2Ausgewählte Themen des analogen Schaltungsentwurfs Sprungantwort.
Wir suchen ‘ mit m = m    ‘ c  ‘ mod 26
Quaternionen Eugenia Schwamberger.
Folie 1 § 29 Determinanten: Eigenschaften und Berechnung (29.1) Definition: Eine Determinantenfunktion auf K nxn ist eine Abbildung (im Falle char(K) ungleich.
§ 29 Determinanten: Eigenschaften und Berechnung
Tutorium
Kakuro Regeln und Strategien
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
Zahlenmengen.
Effiziente Algorithmen
Bruchrechenregeln Los geht´s Klick auf mich! Melanie Gräbner.
Rechnen im Binärsystem
Mathematik Sachrechnen
Agenda Motivation Grundlagen der Matrix-Vektor-Multiplikation
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
Einführung in die Matrizenrechnung
Polynome und schnelle Fourier-Transformation
?? +.
Die quadratische Ergänzung - Wiederholung der 1. binomischen Formel
Vektorrechnung in der Schule
Technische Informatik Reihungen – Felder - Arrays.
CRAPS altes englisches Glücksspiel mit zwei Würfeln
Problem: Es soll die Gesamtgröße eines Gartens ermittelt werden, der aus vier rechteckigen Teilflächen besteht.
Adam Ries - Rechenbücher
Technische Informatik II Übung 2: Konvertieren von Zahlen
Determinanten und Cramer‘sche Regel
Analyseprodukte numerischer Modelle
+21 Konjunkturerwartung Europa Dezember 2013 Indikator > +20 Indikator 0 bis +20 Indikator 0 bis -20 Indikator < -20 Europäische Union gesamt: +14 Indikator.
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
§22 Invertierbare Matrizen und Äquivalenz von Matrizen
Scaffold 29S: Komplexe Zahlen
1.6.3 Test auf Verlustfreiheit (Verbundtreue) (4|10)
Zahlen, die nur durch 1 oder durch sich selbst teilbar sind, nennt man Primzahlen. Die 1 ist keine und die 2 ist die einzige gerade Primzahl.
Folie 1 §21 Das Produkt von Matrizen (21.1) Definition: Für eine (m,n)-Matrix A und eine (n,s)-Matrix B ist das (Matrizen-) Produkt AB definiert als (21.2)
Lineare Algebra 11. Matrizen Eine m  n-Matrix ist ein Raster aus m  n Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (a ij )
Dr.-Ing. R. Marklein - GET I - WS 06/07 - V Grundlagen der Elektrotechnik I (GET I) Vorlesung am Fr. 08:30-10:00 Uhr; R (Hörsaal)
Prof. Dr. Walter Kiel Fachhochschule Ansbach
6. Thema: Arbeiten mit Feldern
Graphische Datenverarbeitung
VERRÜCKT ! Dies ist eine kleine Mathe Übung die Dich mehr als einmal staunen lassen wird !!!
Vorstellen und Herleiten der Horner Schemas
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
1 Matrizenrechnung 1Einführung 2Begriff der Matrix und spezielle Matrizen 3Relationen 4Operationen 1Transponierte Matrix 2Addition (Subtraktion) 3Multiplikation.
JPEG Kodierung Farbraum- wechsel Chroma- Subsampling DCTQuantisierung Beispie l 8x8 Pixel Segment ZigZag Huffmann.
Signifikanz – was ist das überhaupt?
VERRÜCKT ! Dies ist eine kleine Mathe Übung die Dich mehr als einmal staunen lassen wird !!!
Christian Scheideler WS 2008
Schriftliche Multiplikation
Rechenausdrücke (Terme) – Fachbegriffe - Rechenregeln
 Präsentation transkript:

11. Matrizen

Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (aij)1  i  m, 1  j  n

Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (aij)

11.1 Addition und Multiplikation von Matrizen A = (aij) und B = (bij) seien zwei mn-Matrizen. A + B = C mit cij = aij + bij A - B = C mit cij = aij – bij elementweise Man kann nur solche Matrizen addieren und subtrahieren, die gleiche Zeilenzahl m und gleiche Spaltenzahl n besitzen. Matrixaddition ist assoziativ und kommutativ. = +

( ) 12 13 22 23 31 32 33 ( ) 12 13 21 22 23 A B

B = C A Da der zweite Index des ersten Faktors ebenso wie der erste Index des zweiten Faktors bis n läuft, kann man nur solche Matrizen A und B miteinander multiplizieren, für die gilt: A = mn-Matrix, B = np-Matrix Das Ergebnis ist eine mp-Matrix.

a b c d e f 1 2 3 4 5 6 1a + 2c + 3e

a b c d e f 1a + 2c + 3e , 1b + 2d + 3f

a b c d e f 1a + 2c + 3e , 1b + 2d + 3f 4a + 5c + 6e

( ) a b c d e f 1a + 2c + 3e , 1b + 2d + 3f 4a + 5c + 6e ( ) 1a + 2c + 3e , 1b + 2d + 3f 4a + 5c + 6e , 4b + 5d + 6f

a b c d e f 1 2 3 4 5 6 1a+2c+3e 1b+2d+3f 4a+5c+6e 4b+5d+6f

= Der zweite Index des ersten Faktors und der erste Index des zweiten Faktors laufen bis n. mn-Matrix  np-Matrix = mp-Matrix

= Der zweite Index des ersten Faktors und der erste Index des zweiten Faktors laufen bis n. mn-Matrix  np-Matrix = mp-Matrix Die Operation  ist nicht kommutativ; im Allgemeinen ist selbst für quadratische Matrizen, also solche mit m = n, die sich überhaupt nur in beiden Fällen als Faktoren eignen A  B ≠ B  A

= Der zweite Index des ersten Faktors und der erste Index des zweiten Faktors laufen bis n. mn-Matrix  np-Matrix = mp-Matrix Die Operation  ist nicht kommutativ; im Allgemeinen ist selbst für quadratische Matrizen, also solche mit m = n, die sich überhaupt nur in beiden Fällen als Faktoren eignen A  B ≠ B  A

Berechnung der Inversen A-1 von A. (En (...(E3  (E2  (E1  A))))) = I (En  ...  E3  E2  E1)  A = I (En  ...  E3  E2  E1  I)  A = I = A-1  A Werden also die Elementarmatrizen in derselben Reihen-folge auf die Einheitsmatrix angewandt, so entsteht daraus die zu A inverse Matrix A-1 = En  ...  E3  E2  E1  I