§22 Invertierbare Matrizen und Äquivalenz von Matrizen

Slides:



Advertisements
Ähnliche Präsentationen
Motivation Bisher: Codes mit möglichst kurzer Codelänge.
Advertisements

Programmierung 1 - Repetitorium
Schnelle Matrizenoperationen von Christian Büttner
Prof. Dr. W. Conen 15. November 2004
13. Transformationen mit Matrizen
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.
Es sei SPEC = (, E) eine Spezifikation mit einer
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 4 / 1 Termalgebren Definition "Freie Algebra" Die -Algebra A = [A, F ] heißt.
Seminar Stochastik im WS 02/03
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (06 – Reduktion endlicher Automaten) Prof. Dr. Th. Ottmann.
Kapitel 1 Die natürlichen und die ganze Zahlen. Kapitel 1: Die natürlichen und die ganzen Zahlen © Beutelspacher/Zschiegner April 2005 Seite 2 Inhalt.
Kapitel 4 Geometrische Abbildungen
Beispiele für Gleichungssysteme
Christian Schindelhauer
Quaternionen Eugenia Schwamberger.
Folie 1 Kapitel II. Vom Raumbegriff zu algebraischen Strukturen Neubeginn: Herleitung des Begriffs Vektorraum aus intuitiven Vorstellungen über den Raumbegriff.
§14 Basis und Dimension (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§9 Der affine Raum – Teil 2: Geraden
§ 28 Multilineare und Alternierende Abbildungen
§9 Der affine Raum – Teil 2: Geraden
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
§11 Skalarprodukt. Euklidische Räume
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Kapitel V. Determinanten
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
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
§10 Vektorraum. Definition und Beispiele
§17 Produkte und Quotienten von Vektorräumen
§24 Affine Koordinatensysteme
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
§10 Vektorraum. Definition und Beispiele
§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 §15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn.
§15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn für alle.
Folie 1 § 28 Multilineare und Alternierende Abbildungen (28.1) Definition: V und W seien wieder ein K-Vektorräume. Eine Abbildung von V nach W stets linear.
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Einführung in die Matrizenrechnung
Institut für Theoretische Informatik
Lineare Algebra, Teil 2 Abbildungen
Technische Informatik Reihungen – Felder - Arrays.
Kapitel 10 Multikollinearität
Formale Sprachen Mathematische Grundlagen Rudolf FREUND, Marian KOGLER.
Multivariate Statistische Verfahren
Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
§ 27 Permutationen Zur Beschreibung von alternierenden multilinearen Abbildungen und insbesondere für den begriff der Determinante benötigen wir die Permutationen.
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 )
Testtheorie (Vorlesung 4: ) Wiederholung/Zusammenfassung
Kapitel 4 Restklassen (die modulo-Rechnung)
6. Thema: Arbeiten mit Feldern
Graphische Datenverarbeitung
Folie 1 §8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein.
1 Matrizenrechnung 1Einführung 2Begriff der Matrix und spezielle Matrizen 3Relationen 4Operationen 1Transponierte Matrix 2Addition (Subtraktion) 3Multiplikation.
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Christian Scheideler WS 2008
Kapitel IV. Matrizen Inhalt:
§17 Produkte und Quotienten von Vektorräumen
Schriftliche Multiplikation
§23 Basiswechsel und allgemeine lineare Gruppe
§ 25 Bilinearformen und spezielle Koordinaten
§19 Matrizen als lineare Abbildungen
 Präsentation transkript:

§22 Invertierbare Matrizen und Äquivalenz von Matrizen Wir beginnen mit einer formalen Präzisierung der elementaren Umformungen von Matrizen. (22.1) Definition: Unter einer Elementarmatrix versteht man jede (n,n)-Matrix der Form oder (22.2) Lemma: Jede Elementarmatrix F ist invertierbar, d.h. es gibt eine (n,n)-Matrix G mit FG =GF = E . Notation: F-1 := G .

Kapitel IV, §22 Wegen (22.3) Lemma: Die Inverse einer Elementarmatrix ist wieder eine Elementarmatrix. (22.4) Elementarmatrizen und elementare Umformungen von Matrizen: Sei A eine (m,n)-Matrix. Dann gilt: 1o AFk(t) entsteht aus A durch Multiplikation der k-ten Spalte mit t (hier ist Fk(t) eine (n,n)-Matrix). 2o entsteht aus A durch Addition der k-ten Spalte zur j-ten Spalte. 3o Fk(t)A entsteht aus A durch Multiplikation der k-ten Zeile mit t (hier ist Fk(t) eine (m,m)-Matrix). 4o entsteht aus A durch Addition der j-ten Zeile zur k-ten Zeile. Jede elementare Umformung einer Matrix lässt sich also durch Heran- multiplizieren von Elementarmatrizen beschreiben. Daher nach 20.11:

Kapitel IV, §22 (22.5) Normalformensatz: Zu jeder Matrix A gibt es (m,m)-Matrizen U und (n,n)-Matrizen V , die jeweils Produkte von Elementarmatrizen sind, so dass gilt: (22.6) Korollar: Für eine (n,n)-Matrix A eine gilt: A ist genau dann invertierbar, wenn A ein Produkt von Elementarmatrizen ist. Andere Kriterien für „Invertierbarkeit“: Die durch A gegebene lineare Abbildung ist bijektiv (oder injektiv, oder surjektiv) oder rg(A) = n. (22.7) Definition: Zwei (m,n)-Matrizen A und B heißen äquivalent, wenn es invertierbare Matrizen P und Q gibt, so dass A = PBQ. Diese „Äquivalenz“ liefert eine Äquivalenzrelation auf Kmxn . (22.8) Äquivalenzsatz: Zwei (m,n)-Matrizen A und B sind äquivalent, wenn sie den gleichen Rang haben.  14.01.02 Daher: Knxn/~ = {0,1,2, ... ,n} und Kmxn/~ = {0,1,2, ... ,max{n,m}} .