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 )

Slides:



Advertisements
Ähnliche Präsentationen
Vom Bildungsplan zum Stundenthema
Advertisements

Matrixmultiplikation
3.2 Subtraktion, Multiplikation, ALU
Kapitel 3 Arithmetische Schaltkreise
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.
Kapitel 3 Gleichungen.
Kapitel 2 Die rationalen und die irrationalen Zahlen.
Quali- Aufgaben.
Beispiele für Gleichungssysteme
V. Algebra und Geometrie
Mathematische Phantasiebegriffe Reflexives Magnetthema
DVG Gaußscher Algorithmus1 Gaußscher Algorithmus.
Gaußscher Algorithmus
Lineare Algebra – Rechnen mit Matrizen
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
Zahlenmengen.
Effiziente Algorithmen
Bruchrechenregeln Los geht´s Klick auf mich! Melanie Gräbner.
Rechnen im Binärsystem
5. Erweiterungen der Zahlenmenge
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 § 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
Einführung in die Matrizenrechnung
Polynome und schnelle Fourier-Transformation
Lineare Gleichungen Beispiel: 7x – 2 = 40 Eine Gleichung muss man sich so vorstellen wie eine Waage. Legt man auf die eine Seite Äpfel, so muss man auf.
Vorzeichenregeln Plus mal Plus = Plus Minus mal Minus = Plus
?? +.
Die quadratische Ergänzung - Wiederholung der 1. binomischen Formel
Fuzzymengen – Was ist das?
Technische Informatik Reihungen – Felder - Arrays.
Problem: Es soll die Gesamtgröße eines Gartens ermittelt werden, der aus vier rechteckigen Teilflächen besteht.
Adam Ries - Rechenbücher
Determinanten und Cramer‘sche Regel
Rechnen mit Brüchen Kamyla A. Barrientos P, 5B.
Multivariate Statistische Verfahren
Multivariate Statistische 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
Vertauschungs-, Verbindungs-, Verteilungsgesetz
Scaffold 29S: Komplexe Zahlen
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)
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)
Theorie, Anwendungen, Verallgemeinerungen
Prof. Dr. Walter Kiel Fachhochschule Ansbach
6. Thema: Arbeiten mit Feldern
Graphische Datenverarbeitung
Übung 12 - MdMT Methoden der Medizintechnik Übung zur Vorlesung Folge 12 – Abschluss Wiederholung für die Klausur © Jamie Zawinski,
Ägyptisch multiplizieren
VERRÜCKT ! Dies ist eine kleine Mathe Übung die Dich mehr als einmal staunen lassen wird !!!
Vorstellen und Herleiten der Horner Schemas
1 Matrizenrechnung 1Einführung 2Begriff der Matrix und spezielle Matrizen 3Relationen 4Operationen 1Transponierte Matrix 2Addition (Subtraktion) 3Multiplikation.
Signifikanz – was ist das überhaupt?
VERRÜCKT ! Dies ist eine kleine Mathe Übung die Dich mehr als einmal staunen lassen wird !!!
Grundlagen und Grundbegriffe
Christian Scheideler WS 2008
Gauss-Algorithmus.
Kapitel IV. Matrizen Inhalt:
Schriftliche Multiplikation
Rechenausdrücke (Terme) – Fachbegriffe - Rechenregeln
 Präsentation transkript:

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 )

Addition von Matrizen A = (a ij ) und B = (b ij ) seien zwei m  n-Matrizen. elementweise A + B = C mitc ij = a ij + b ij A - B = C mitc ij = a ij – b ij Man kann nur solche Matrizen addieren und subtrahieren, die gleiche Zeilenzahl m und gleiche Spaltenzahl n besitzen. Matrixaddition ist assoziativ und kommutativ. = +

Addition von Matrizen A = (a ij ) und B = (b ij ) seien zwei m  n-Matrizen. elementweise A + B = C mitc ij = a ij + b ij A - B = C mitc ij = a ij – b ij Man kann nur solche Matrizen addieren und subtrahieren, die gleiche Zeilenzahl m und gleiche Spaltenzahl n besitzen. Matrixaddition ist assoziativ und kommutativ. = -

Man kann 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 Multiplikation von Matrizen

a b c d e f 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, 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

a b c d e f 1a+2c+3e1b+2d+3f 4a+5c+6e4b+5d+6f

a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b (S) a m1 x 1 + a m2 x a mn x n = b m