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)

Slides:



Advertisements
Ähnliche Präsentationen
Christian Scheideler SS 2009
Advertisements

3. 3D-Betrachtungstransformationen
Schnelle Matrizenoperationen von Christian Büttner
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.
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
Ein Modellansatz zur Beschreibung von Vagheiten
Algorithmentheorie 02 – Polynomprodukt und Fast Fourier Transformation
Kapitel 5 Stetigkeit.
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
Kapitel 2 Die rationalen und die irrationalen Zahlen.
Beispiele für Gleichungssysteme
V. Algebra und Geometrie
Quaternionen Eugenia Schwamberger.
Mathematische Grundlagen und Rechnen mit algebraischen Zahlen
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
Computergrafik – Inhalt Achtung! Kapitel ist relevant für CG-2!
§17 Produkte und Quotienten von Vektorräumen
§24 Affine Koordinatensysteme
Vektoren Grundbegriffe für das Information Retrieval
5. Erweiterungen der Zahlenmenge
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Zeit: 13h-15h Datum: Raum: IFW B42
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
§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
Polynome und schnelle Fourier-Transformation
Fuzzymengen – Was ist das?
Inhalt Vorbemerkung Vorstellung einer Unterrichtssequenz Kritik
ENDLICHE KÖRPER RSA – VERFAHREN.
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
§22 Invertierbare Matrizen und Äquivalenz von Matrizen
Stetige Kleinste-Quadrate-Approximation
§ 27 Permutationen Zur Beschreibung von alternierenden multilinearen Abbildungen und insbesondere für den begriff der Determinante benötigen wir die Permutationen.
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 )
Prof. Dr. Walter Kiel Fachhochschule Ansbach
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 3 / 1 Algebraische Hülle und Homomorphie A = [A, F ] sei  -Algebra. Eine.
Graphische Datenverarbeitung
 Sortigkeit oder Arität
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.
§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 IV. Matrizen Inhalt:
§17 Produkte und Quotienten von Vektorräumen
§23 Basiswechsel und allgemeine lineare Gruppe
§11 Skalarprodukt. Euklidische Räume
Kapitel I. Vorspann zum Begriff Vektorraum
§19 Matrizen als lineare Abbildungen
 Präsentation transkript:

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) Regeln: Die folgenden Regeln ergeben sich unmittelbar durch Einsetzen: Die Matrix C = AB ist also die (m,s)-Matrix mit den Koeffizienten Beachte: Die Spaltenanzahl (hier n )von A muss mit der Zeilenan- zahl von B übereinstimmen, damit das Produkt überhaupt gebildet werden kann.

Folie 2 Kapitel IV, §21 1 o t(AB) = (tA)B = A(tB) Beachte: Im Allgemeinen gilt nicht AB = BA. Zum Beispiel: 2 o A(B + C) = AB + AC 3 o (A + B)C = AC + BC 5 o (AB) T = B T A T 4 o A(BC) = (AB)C Oder: (21.3) Lineare Abbildungen als Matrizenprodukt: Aus dem vorletzten Paragrafen ist bekannt, dass sich jede lineare Abbildung

Folie 3 Kapitel IV, §21 ist daher Y = f(X) als Spaltenvektor in K mx1 – -- (21.4) Komposition und Matrizenprodukt: Bezüglich der Standard- einheitsbasen in K n = K nx1, K m = K mx1 und K s = K sx1 liefert bezüglich der Standardbasen durch die Matrix A mit eindeutig darstellen lässt. Für den Vektor als Spaltenvektor von der Form Y = AX als Matrizenprodukt AX der (m,n)-Matrix A mit der (n,1)-Matrix X 

Folie 4 Kapitel IV, §21 Facit: Matrizen beschreiben die linearen Abbildungen (§19), ihre Wirkung wird durch das Produkt AX gegeben (21.3) und die Komposition durch AB (21.4). (21.5) Definition: Eine K-Algebra ist ein K-Vektorraum R zusammen mit einer Multiplikation eine (m,n)-Matrix A die lineare Abbildung f = f(A) von K n nach K m und eine (n,s)-Matrix B die lineare Abbildung g = f(B) von K s nach K n. Die Komposition ist wieder linear und wird gegeben durch das Produkt AB der Matrizen: Das Produkt definiert auf K nxn (m = n !) die Struktur einer K-Algebra: mit: 1 o t(hk) = (th)k = h(tk) 2 o h(k + l) = hk + hl, (h + k)l = hl + kl 

Folie 5 Kapitel IV, §21 K nxn mit dem Matrizenprodukt ist eine assoziative K-Algebra; ebenso Hom(V,V) für einen K-Vektorraume V. für alle t aus K und alle h,k,l aus H. Die Algebra heißt assoziativ, wenn stets 3 o (hk)l = h(kl). Die Algebra heißt kommutativ, wenn stets 4 o hk = kh. Sei H eine K-Algebra. Ein Element e aus H heißt Eins (-element), wenn stets 5 o he = eh = h. In einer K-Algebra H mit Eins e heißt k eine Inverse zu h aus H, wenn 6 o hk = kh = e. Ein Element h einer K-Algebra H mit Eins heißt invertierbar, falls eine Inverse zu h gibt.

Folie 6 Kapitel IV, §21 (21.6) Beispiele: 1 o C(I), der R-Vektorraum der stetigen Funktionen auf einem Intervall I mit Werten in R mit der üblichen Multiplikation (punktweise) 2 o Im Falle der Existenz ist die Inverse zu h eindeutig bestimmt und wird auch mit h -1 bezeichnet. In dem für uns wichtigen Falle der Algebra K nxn der (n,n)-Matrizen ist die Einheitsmatrix E (= E (n) ) mit. Bemerkung:. 1 o Eine Eins ist im Falle der Existenz eindeutig bestimmt und wird auch mit 1 bezeichnet (nicht verwechseln mit 1 in K !). Die invertierbaren Matrizen in K nxn sind die Matrizen, die einen Isomorphismus definieren, und das sind die Matrizen mit Rang n. ist eine assoziative und kommutative R-Algebra mit Eins: 1(x) = 1. Die invertierbaren Elemente sind genau die Funktionen f ohne Nullstelle und die Inverse ist dann

Folie 7 Kapitel IV, §21 2 o Analog liefern die stetigen C-wertigen Funktionen C(I,C) auf I eine assoziative und kommutative C-Algebra. 3 o Der K-Vektorraum K[T] der Polynome wird mit der Multiplikation zu einer kommutativen und assoziativen K-Algebra mit Eins. 4 o R 3 mit dem Vektorprodukt Die Eins ist das konstante Polynom P = a 0 mit a 0 = 1. Die invertierbaren Elemente sind die konstanten Polynome P = a 0, wobei a 0 von 0 verschieden ist ist eine R-Algebra. Diese Algebra hat keine Eins, denn XY steht immer senkrecht auf Y.

Folie 8 Kapitel IV, §21 5 o Die Quaternionenalgebra: H := R 4 mit der üblichen Vektorraumstruktur und der folgenden Multiplikation: Die Algebra ist nicht assoziativ, man teste mit e 1 + e 2, e 1, e 2. Die Algebra ist nicht kommutativ, es gilt aber stets XY + YX = 0. Die Algebra erfüllt stets ((XY)Z) + ((YZ)X) + (ZX)Y) = 0. Das ist die Jacobi-Identität, die für Lie-Algebren eine wichtige Rolle spielt. H ist eine assoziative R-Algebra mit 1 (= e 1 ), H ist nicht kommutativ. Jedes von Null verschiedene Element in H ist invertierbar. Verbreitete Notation: 1 = e 1, i = e 2, j = e 3, k = e 4. Dann: i 2 = j 2 = k 2 = -1, 1 2 = 1, ij = k = -ji, jk = i = - kj, ki = j = - ik und 1i = i1 = i, 1j = j1 = j, 1k = k1 = k. XY durch bilineare Fortsetzung.