§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:

Slides:



Advertisements
Ähnliche Präsentationen
Schnelle Matrizenoperationen von Christian Büttner
Advertisements

Prof. Dr. W. Conen 15. November 2004
13. Transformationen mit Matrizen
Seminar Stochastik im WS 02/03
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (06 – Reduktion endlicher Automaten) Prof. Dr. Th. Ottmann.
Kapitel 5 Stetigkeit.
Kapitel 1 Die natürlichen und die ganze Zahlen. Kapitel 1: Die natürlichen und die ganzen Zahlen © Beutelspacher/Zschiegner April 2005 Seite 2 Inhalt.
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 Zählen (Kombinatorik)
Kapitel 2 Die rationalen und die irrationalen Zahlen.
Kapitel 4 Geometrische Abbildungen
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
Wie Google Webseiten bewertet
§10 Vektorraum. Definition und Beispiele
Determinanten Roland Angst,
§17 Produkte und Quotienten von Vektorräumen
§24 Affine Koordinatensysteme
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Zeit: 13h-15h Datum: Raum: IFW B42
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
§10 Vektorraum. Definition und Beispiele
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
Mehrkriterielle Optimierung mit Metaheuristiken
Institut für Theoretische Informatik
Institut für Theoretische Informatik
Lineare Algebra, Teil 2 Abbildungen
Formale Sprachen Mathematische Grundlagen Rudolf FREUND, Marian KOGLER.
Multivariate Statistische Verfahren
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
§ 27 Permutationen Zur Beschreibung von alternierenden multilinearen Abbildungen und insbesondere für den begriff der Determinante benötigen wir die Permutationen.
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
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 3 / 1 Algebraische Hülle und Homomorphie A = [A, F ] sei  -Algebra. Eine.
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.
§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
§ 25 Bilinearformen und spezielle Koordinaten
§ 27 Permutationen Zur Beschreibung von alternierenden multilinearen Abbildungen und insbesondere für den begriff der Determinante benötigen wir die Permutationen.
Kapitel I. Vorspann zum Begriff Vektorraum
§19 Matrizen als lineare Abbildungen
Kapitel V. Determinanten
 Präsentation transkript:

§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition: Der Spaltenrang von A ist srg(A) := rg {A1, A2, ... , An} = dim Span {A1, A2, ... , An} . Bemerkung: Sei (b1, b2, ... , bn) eine geordnete Basis von V, sei (e1, e2, ... , em) die Standardeinheitsbasis von Km und sei f = f(A,b,e) die durch A definierte lineare Abbildung von V nach Km .

Kapitel IV, §20 Dann gilt f(bj) = Aj . Denn wegen ist Also ist der Spaltenrang von A gleich dem Rang der linearen Abbildung f : srg A = dim Span {A1, A2, ... , An} = dim Im f = rg f , da Span {A1, A2, ... , An} = Im f . Analog: Jede (m,n)-Matrix kann auch als ein m-Tupel von Zeilenvektoren geschrieben werden:

Kapitel IV, §20 (20.2) Definition: Der Zeilenrang von A ist zrg(A) := rg {A1, A2, ... , Am} = dim Span {A1, A2, ... , Am} . Wir werden zeigen, dass für eine Matrix A stets srg(A) = zrg(A) gilt, dass man also von dem Rang einer Matrix sprechen kann. Als wichtiges Hilfsmittel und auch für andere Zwecke wird die Transponierte AT zu einer Matrix benötigt: (20.3) Definition: Sei eine (m,n)-Matrix über dem Körper K . Die zu A transponierte Matrix AT – eine (n,m)-Matrix – ist durch definiert. Beispiel: Ein Spaltenvektor X aus Km mit den Komponenten Xj aus K ist in der Matrixnotation auch als Element von Kmx1 aufzufassen. XT = (X1, X2, ... , Xm) ist dann der entsprechende Zeilenvektor in K1xm, wie schon gelegentlich benutzt.

Kapitel IV, §20 (20.4) Satz: Die Abbildung ist linear und bijektiv, also ein Isomorphismus. Es gilt (AT)T = A . (20.5) Satz: srg(A) = zrg(A) Zu dem Beweis brauchen wir den Hilfssatz: (20.6) Hilfssatz: Sei A eine (m,n)-Matrix. A* gehe aus durch eine Vertauschung von zwei Spalten oder von zwei Zeilen hervor. Dann gilt: srg(A) = srg(A*) und zrg(A) = zrg(A*) . (20.7) Definition: Der Rang rg(A) einer (m,n)-Matrix A ist der Spaltenrang oder der Zeilenrang von A. Kurz: rg(A) := srg(A) = zrg(A) (20.8) Korollar: Für eine (m,n)-Matrix A gilt:

Kapitel IV, §20 (20.9) Definition: Elementare Umformungen. Sei A eine (m,n)-Matrix. Zu den elementaren Umformungen von A gehören: 1o Addition einer Spalte von A zu einer anderen Spalte von A. 2o Multiplikation einer Spalte von A mit einem von Null verschiedenen Skalar aus K. 3o Addition einer Zeile von A zu einer anderen Zeile von A. 4o Multiplikation einer Spalte von A mit einem von Null verschiedenen Skalar aus K. Eine elementare Umformung von A ist jede Hintereinanderaus-führung von endlich vielen der Umformungen 1o-4o. Zu den elementaren Umformungen von A gehören insbesondere die Vertauschungen von Spalten und damit beliebige Permutationen. Ebenso: Permutationen von Zeilen. (20.10) Satz: Bei elementaren Umformungen ändert sich der Rang einer Matrix nicht.

Kapitel IV, §20 Mit diesem Invarianzsatz hat man ein wichtiges und effektives Rechenverfahren zur Ermittlung des Ranges einer Matrix zur Hand. (20.11) Satz: Jede (m,n)-Matrix A kann durch elementare Umformungen auf die Form gebracht werden mit r = rg(A). Hier wird die „Kästchenschreibweise“ benutzt; und E(r) ist die (r,r)-Matrix mit lauter „Einsen“ in der Diagonalen und lauter „Nullen“ sonst. Bemerkung: Der Rang einer Matrix ist inbesondere für lineare Gleichungssysteme von Bedeutung, vgl. die Sätze 16.5 – 16.8 !