Upload
nguyenhuong
View
226
Download
0
Embed Size (px)
Citation preview
GrundsatzlichesRechnen mit Matrizen
Anwendungen
Matrizenrechnung
Fakultat Grundlagen
Juli 2015
Fakultat Grundlagen Matrizenrechnung
GrundsatzlichesRechnen mit Matrizen
Anwendungen
Ubersicht
1 GrundsatzlichesMatrixbegriffRechenregelnSpezielle Matrizen
2 Rechnen mit MatrizenMatrizenrechnungDeterminanten
3 AnwendungenEigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Fakultat Grundlagen Matrizenrechnung Folie: 2
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen
x
y
IR
IR
y = f (x) = a · x
Eigenschaften einer linearen Abbildung:
f (xa + xb) = f (xa) + f (xb)f (t · x) = t · f (x)
zusammengefasst:
f (α · xa + β · xb) = α · f (xa) + β · f (xb)
Verallge-meinerung:
x → ~x ∈ IR2
y → ~y ∈ IR2
(x1
x2
)→(
y1
y2
)analoge Darstellungerfordert IR4
affine Abbildungy1 = 3 · x1
y2 = 2 · x2
bzw.y13 = x1y22 = x2
1
1
x1
x2
3
2y1
y2
Kreis: x21 + x2
2 = 1 geht uber in Ellipse:(y13
)2
+(y22
)2
= 1
Fakultat Grundlagen Matrizenrechnung Folie: 3
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen
x
y
IR
IR
y = f (x) = a · x
Eigenschaften einer linearen Abbildung:
f (xa + xb) = f (xa) + f (xb)f (t · x) = t · f (x)
zusammengefasst:
f (α · xa + β · xb) = α · f (xa) + β · f (xb)
Verallge-meinerung:
x → ~x ∈ IR2
y → ~y ∈ IR2
(x1
x2
)→(
y1
y2
)analoge Darstellungerfordert IR4
affine Abbildungy1 = 3 · x1
y2 = 2 · x2
bzw.y13 = x1y22 = x2
1
1
x1
x2
3
2y1
y2
Kreis: x21 + x2
2 = 1 geht uber in Ellipse:(y13
)2
+(y22
)2
= 1
Fakultat Grundlagen Matrizenrechnung Folie: 3
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen
x
y
IR
IR
y = f (x) = a · x
Eigenschaften einer linearen Abbildung:
f (xa + xb) = f (xa) + f (xb)f (t · x) = t · f (x)
zusammengefasst:
f (α · xa + β · xb) = α · f (xa) + β · f (xb)
Verallge-meinerung:
x → ~x ∈ IR2
y → ~y ∈ IR2
(x1
x2
)→(
y1
y2
)analoge Darstellungerfordert IR4
affine Abbildungy1 = 3 · x1
y2 = 2 · x2
bzw.y13 = x1y22 = x2
1
1
x1
x2
3
2y1
y2
Kreis: x21 + x2
2 = 1 geht uber in Ellipse:(y13
)2
+(y22
)2
= 1
Fakultat Grundlagen Matrizenrechnung Folie: 3
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen
x
y
IR
IR
y = f (x) = a · x
Eigenschaften einer linearen Abbildung:
f (xa + xb) = f (xa) + f (xb)f (t · x) = t · f (x)
zusammengefasst:
f (α · xa + β · xb) = α · f (xa) + β · f (xb)
Verallge-meinerung:
x → ~x ∈ IR2
y → ~y ∈ IR2
(x1
x2
)→(
y1
y2
)analoge Darstellungerfordert IR4
affine Abbildungy1 = 3 · x1
y2 = 2 · x2
bzw.y13 = x1y22 = x2
1
1
x1
x2
3
2y1
y2
Kreis: x21 + x2
2 = 1
geht uber in Ellipse:(y13
)2
+(y22
)2
= 1
Fakultat Grundlagen Matrizenrechnung Folie: 3
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen
x
y
IR
IR
y = f (x) = a · x
Eigenschaften einer linearen Abbildung:
f (xa + xb) = f (xa) + f (xb)f (t · x) = t · f (x)
zusammengefasst:
f (α · xa + β · xb) = α · f (xa) + β · f (xb)
Verallge-meinerung:
x → ~x ∈ IR2
y → ~y ∈ IR2
(x1
x2
)→(
y1
y2
)analoge Darstellungerfordert IR4
affine Abbildungy1 = 3 · x1
y2 = 2 · x2
bzw.y13 = x1y22 = x2
1
1
x1
x2
3
2y1
y2
Kreis: x21 + x2
2 = 1 geht uber in Ellipse:(y13
)2
+(y22
)2
= 1
Fakultat Grundlagen Matrizenrechnung Folie: 3
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)
7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x
~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)
mity1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)
aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x
bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat:
A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)
= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b
A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)
”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)
”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)
”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)
Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Lineare Abbildungen im IR2
~x =
(x1
x2
)7→ ~y =
(y1
y2
)mit
y1 = a11 · x1 + a12 · x2
y2 = a21 · x1 + a22 · x2
~x~y
x1 y1
x2 y2
A
Matrix A =
(a11 a12
a21 a22
)aik Elemente der Matrix
~y = A · ~x bzw.(y1
y2
)=
(a11 a12
a21 a22
)·(x1
x2
)
Linearitat: A ·(α~a + β~b
)= αA · ~a + βA · ~b
A =
(cos 0.7 sin 0.7−2 sin 0.7 2 cos 0.7
)
”Multiplikation“ einer Matrix mit einem Vektor erfolgt mittels:(a11 a12
a21 a22
)·(
x1
x2
)=
(a11x1 + a12x2
a21x1 + a22x2
)Fakultat Grundlagen Matrizenrechnung Folie: 4
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)
=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
)
:Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)
=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)
Bilder der Einheitsvektoren(cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren
(cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)
=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)
(cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕ
ϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)
=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕ
ϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)
Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)
Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)
= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)
Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)
Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣
=
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)
Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣
= cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)
Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiele
~y =
(0 11 0
)·(
x1
x2
)=
(x2
x1
):
Spiegelung an der erstenWinkelhalbierenden.
~y =
(cosϕ − sinϕsinϕ cosϕ
)·(
x1
x2
)=
(x1 cosϕ− x2 sinϕx1 sinϕ+ x2 cosϕ
)Bilder der Einheitsvektoren(
cosϕ − sinϕsinϕ cosϕ
)·(
10
)=
(cosϕsinϕ
)(
cosϕ − sinϕsinϕ cosϕ
)·(
01
)=
(− sinϕcosϕ
)Die Abbildung ergibt eine Drehungum den Winkel ϕ.
ϕϕ
x1
x2
− sinϕ
cosϕ
cosϕ
sinϕ
(cosϕsinϕ
)·(− sinϕcosϕ
)= 0;
∣∣∣∣( cosϕsinϕ
)∣∣∣∣ =
∣∣∣∣( − sinϕcosϕ
)∣∣∣∣ = cos2 ϕ + sin2 ϕ = 1
⊥
Fakultat Grundlagen Matrizenrechnung Folie: 5
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Definition
Eine Matrix kann als verallgemeinerter Vektor aufgefasst werden:
Vektor: Matrix:geordnetes n–Tupel rechteckiges Zahlenschemaeindimensionales Feld zweidimensionales Feld
Definition: Eine Matrix ist ein rechteckiges (oder quadratisches)Zahlenschema:
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
Typ: A(m,n) ist eine m × n–Matrix (m Zeilen, n Spalten).aik ∈ IR: i gibt die Zeile an (Zeilenindex), k gibt die Spalte an(Spaltenindex).
So steht z. B. a43 in der 4. Zeile und 3. Spalte.
Fakultat Grundlagen Matrizenrechnung Folie: 6
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Definition
Eine Matrix kann als verallgemeinerter Vektor aufgefasst werden:
Vektor:
Matrix:
geordnetes n–Tupel
rechteckiges Zahlenschema
eindimensionales Feld
zweidimensionales Feld
Definition: Eine Matrix ist ein rechteckiges (oder quadratisches)Zahlenschema:
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
Typ: A(m,n) ist eine m × n–Matrix (m Zeilen, n Spalten).aik ∈ IR: i gibt die Zeile an (Zeilenindex), k gibt die Spalte an(Spaltenindex).
So steht z. B. a43 in der 4. Zeile und 3. Spalte.
Fakultat Grundlagen Matrizenrechnung Folie: 6
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Definition
Eine Matrix kann als verallgemeinerter Vektor aufgefasst werden:
Vektor: Matrix:geordnetes n–Tupel rechteckiges Zahlenschemaeindimensionales Feld zweidimensionales Feld
Definition: Eine Matrix ist ein rechteckiges (oder quadratisches)Zahlenschema:
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
Typ: A(m,n) ist eine m × n–Matrix (m Zeilen, n Spalten).aik ∈ IR: i gibt die Zeile an (Zeilenindex), k gibt die Spalte an(Spaltenindex).
So steht z. B. a43 in der 4. Zeile und 3. Spalte.
Fakultat Grundlagen Matrizenrechnung Folie: 6
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Definition
Eine Matrix kann als verallgemeinerter Vektor aufgefasst werden:
Vektor: Matrix:geordnetes n–Tupel rechteckiges Zahlenschemaeindimensionales Feld zweidimensionales Feld
Definition: Eine Matrix ist ein rechteckiges (oder quadratisches)Zahlenschema:
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
Typ: A(m,n) ist eine m × n–Matrix (m Zeilen, n Spalten).aik ∈ IR: i gibt die Zeile an (Zeilenindex), k gibt die Spalte an(Spaltenindex).
So steht z. B. a43 in der 4. Zeile und 3. Spalte.
Fakultat Grundlagen Matrizenrechnung Folie: 6
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Definition
Eine Matrix kann als verallgemeinerter Vektor aufgefasst werden:
Vektor: Matrix:geordnetes n–Tupel rechteckiges Zahlenschemaeindimensionales Feld zweidimensionales Feld
Definition: Eine Matrix ist ein rechteckiges (oder quadratisches)Zahlenschema:
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
Typ: A(m,n) ist eine m × n–Matrix (m Zeilen, n Spalten).aik ∈ IR: i gibt die Zeile an (Zeilenindex), k gibt die Spalte an(Spaltenindex).
So steht z. B. a43 in der 4. Zeile und 3. Spalte.
Fakultat Grundlagen Matrizenrechnung Folie: 6
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Definition
Eine Matrix kann als verallgemeinerter Vektor aufgefasst werden:
Vektor: Matrix:geordnetes n–Tupel rechteckiges Zahlenschemaeindimensionales Feld zweidimensionales Feld
Definition: Eine Matrix ist ein rechteckiges (oder quadratisches)Zahlenschema:
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
Typ: A(m,n) ist eine m × n–Matrix (m Zeilen, n Spalten).aik ∈ IR: i gibt die Zeile an (Zeilenindex), k gibt die Spalte an(Spaltenindex).
So steht z. B. a43 in der 4. Zeile und 3. Spalte.
Fakultat Grundlagen Matrizenrechnung Folie: 6
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiel
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 80 % ihrer Kunden und verliert 10 % andie Firma B und 10 % an die Firma C .Die Firma B behalt 70 % ihrer Kunden und verliert 20 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,8 0,2 0,05nach B 0,1 0,7 0,05
C 0,1 0,1 0,9
⇔ T =
0,8 0,2 0,050,1 0,7 0,050,1 0,1 0,9
siehe auch Folie: 31
Fakultat Grundlagen Matrizenrechnung Folie: 7
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiel
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 80 % ihrer Kunden und verliert 10 % andie Firma B und 10 % an die Firma C .
Die Firma B behalt 70 % ihrer Kunden und verliert 20 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,8 0,2 0,05nach B 0,1 0,7 0,05
C 0,1 0,1 0,9
⇔ T =
0,8 0,2 0,050,1 0,7 0,050,1 0,1 0,9
siehe auch Folie: 31
Fakultat Grundlagen Matrizenrechnung Folie: 7
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiel
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 80 % ihrer Kunden und verliert 10 % andie Firma B und 10 % an die Firma C .Die Firma B behalt 70 % ihrer Kunden und verliert 20 % andie Firma A und 10 % an die Firma C .
Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,8 0,2 0,05nach B 0,1 0,7 0,05
C 0,1 0,1 0,9
⇔ T =
0,8 0,2 0,050,1 0,7 0,050,1 0,1 0,9
siehe auch Folie: 31
Fakultat Grundlagen Matrizenrechnung Folie: 7
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiel
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 80 % ihrer Kunden und verliert 10 % andie Firma B und 10 % an die Firma C .Die Firma B behalt 70 % ihrer Kunden und verliert 20 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,8 0,2 0,05nach B 0,1 0,7 0,05
C 0,1 0,1 0,9
⇔ T =
0,8 0,2 0,050,1 0,7 0,050,1 0,1 0,9
siehe auch Folie: 31
Fakultat Grundlagen Matrizenrechnung Folie: 7
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiel
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 80 % ihrer Kunden und verliert 10 % andie Firma B und 10 % an die Firma C .Die Firma B behalt 70 % ihrer Kunden und verliert 20 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,8 0,2 0,05nach B 0,1 0,7 0,05
C 0,1 0,1 0,9
⇔ T =
0,8 0,2 0,050,1 0,7 0,050,1 0,1 0,9
siehe auch Folie: 31
Fakultat Grundlagen Matrizenrechnung Folie: 7
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Beispiel
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 80 % ihrer Kunden und verliert 10 % andie Firma B und 10 % an die Firma C .Die Firma B behalt 70 % ihrer Kunden und verliert 20 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,8 0,2 0,05nach B 0,1 0,7 0,05
C 0,1 0,1 0,9
⇔ T =
0,8 0,2 0,050,1 0,7 0,050,1 0,1 0,9
siehe auch Folie: 31
Fakultat Grundlagen Matrizenrechnung Folie: 7
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Gleichheit
~a =
a1
a2...an
, ~b =
b1
b2...bn
;
~a = ~b wenn
a1 = b1
a2 = b2...
an = bn
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
,
B =
b11 b12 . . . b1n
b21 b22 . . . b2n...
......
bm1 bm2 . . . bmn
A = B wenn aik = bikfur alle i und fur alle k .
Gleichheit in jeder Position!
Dies ist nur moglich bei gleichemTyp der beiden Matrizen.
Fakultat Grundlagen Matrizenrechnung Folie: 8
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Gleichheit
~a =
a1
a2...an
, ~b =
b1
b2...bn
;
~a = ~b wenn
a1 = b1
a2 = b2...
an = bn
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
,
B =
b11 b12 . . . b1n
b21 b22 . . . b2n...
......
bm1 bm2 . . . bmn
A = B wenn aik = bikfur alle i und fur alle k .
Gleichheit in jeder Position!
Dies ist nur moglich bei gleichemTyp der beiden Matrizen.
Fakultat Grundlagen Matrizenrechnung Folie: 8
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Gleichheit
~a =
a1
a2...an
, ~b =
b1
b2...bn
;
~a = ~b wenn
a1 = b1
a2 = b2...
an = bn
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
,
B =
b11 b12 . . . b1n
b21 b22 . . . b2n...
......
bm1 bm2 . . . bmn
A = B wenn aik = bikfur alle i und fur alle k .
Gleichheit in jeder Position!
Dies ist nur moglich bei gleichemTyp der beiden Matrizen.
Fakultat Grundlagen Matrizenrechnung Folie: 8
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Gleichheit
~a =
a1
a2...an
, ~b =
b1
b2...bn
;
~a = ~b wenn
a1 = b1
a2 = b2...
an = bn
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
,
B =
b11 b12 . . . b1n
b21 b22 . . . b2n...
......
bm1 bm2 . . . bmn
A = B wenn aik = bikfur alle i und fur alle k .
Gleichheit in jeder Position!
Dies ist nur moglich bei gleichemTyp der beiden Matrizen.
Fakultat Grundlagen Matrizenrechnung Folie: 8
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Gleichheit
~a =
a1
a2...an
, ~b =
b1
b2...bn
;
~a = ~b wenn
a1 = b1
a2 = b2...
an = bn
A =
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
am1 am2 . . . amn
,
B =
b11 b12 . . . b1n
b21 b22 . . . b2n...
......
bm1 bm2 . . . bmn
A = B wenn aik = bikfur alle i und fur alle k .
Gleichheit in jeder Position!Dies ist nur moglich bei gleichemTyp der beiden Matrizen.
Fakultat Grundlagen Matrizenrechnung Folie: 8
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Addition, Subtraktion
~a± ~b =
a1 ± b1
a2 ± b2...
an ± bn
komponentenweise!!
A± B =
a11 ± b11 a12 ± b12 . . . a1n ± b1n
a21 ± b21 a22 ± b22 . . . a2n ± b2n...
......
am1 ± bm1 am2 ± bm2 . . . amn ± bmn
element-weise!!
Beispiel:
(1 2 34 5 6
)+
(1 −1 10 −5 7
)
=
(2 1 44 0 13
)
Fakultat Grundlagen Matrizenrechnung Folie: 9
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Addition, Subtraktion
~a± ~b =
a1 ± b1
a2 ± b2...
an ± bn
komponentenweise!!
A± B =
a11 ± b11 a12 ± b12 . . . a1n ± b1n
a21 ± b21 a22 ± b22 . . . a2n ± b2n...
......
am1 ± bm1 am2 ± bm2 . . . amn ± bmn
element-weise!!
Beispiel:
(1 2 34 5 6
)+
(1 −1 10 −5 7
)
=
(2 1 44 0 13
)
Fakultat Grundlagen Matrizenrechnung Folie: 9
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Addition, Subtraktion
~a± ~b =
a1 ± b1
a2 ± b2...
an ± bn
komponentenweise!!
A± B =
a11 ± b11 a12 ± b12 . . . a1n ± b1n
a21 ± b21 a22 ± b22 . . . a2n ± b2n...
......
am1 ± bm1 am2 ± bm2 . . . amn ± bmn
element-weise!!
Beispiel:
(1 2 34 5 6
)+
(1 −1 10 −5 7
)
=
(2 1 44 0 13
)
Fakultat Grundlagen Matrizenrechnung Folie: 9
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Addition, Subtraktion
~a± ~b =
a1 ± b1
a2 ± b2...
an ± bn
komponentenweise!!
A± B =
a11 ± b11 a12 ± b12 . . . a1n ± b1n
a21 ± b21 a22 ± b22 . . . a2n ± b2n...
......
am1 ± bm1 am2 ± bm2 . . . amn ± bmn
element-weise!!
Beispiel:
(1 2 34 5 6
)+
(1 −1 10 −5 7
)
=
(2 1 44 0 13
)
Fakultat Grundlagen Matrizenrechnung Folie: 9
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Addition, Subtraktion
~a± ~b =
a1 ± b1
a2 ± b2...
an ± bn
komponentenweise!!
A± B =
a11 ± b11 a12 ± b12 . . . a1n ± b1n
a21 ± b21 a22 ± b22 . . . a2n ± b2n...
......
am1 ± bm1 am2 ± bm2 . . . amn ± bmn
element-weise!!
Beispiel:
(1 2 34 5 6
)+
(1 −1 10 −5 7
)=
(2 1 44 0 13
)
Fakultat Grundlagen Matrizenrechnung Folie: 9
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
s-Multiplikation
r~a =
ra1
ra2...
ran
rA =
ra11 ra12 . . . ra1n
ra21 ra22 . . . ra2n...
......
ram1 ram2 . . . ramn
fur r ∈ IR.
Beispiel: pro km 0,32 C Kilometergeld.
Gefahrene Kilometer:
Mo Di Mi Do FrW1 300 180 220 320 150W2 200 150 180 350 100W3 . . .
Entgeld
Mo Di Mi Do FrW1 96 57,6 70,4 102,4 48W2 64 48 57,6 112 32W3 . . .
Fakultat Grundlagen Matrizenrechnung Folie: 10
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
s-Multiplikation
r~a =
ra1
ra2...
ran
rA =
ra11 ra12 . . . ra1n
ra21 ra22 . . . ra2n...
......
ram1 ram2 . . . ramn
fur r ∈ IR.
Beispiel: pro km 0,32 C Kilometergeld.
Gefahrene Kilometer:
Mo Di Mi Do FrW1 300 180 220 320 150W2 200 150 180 350 100W3 . . .
Entgeld
Mo Di Mi Do FrW1 96 57,6 70,4 102,4 48W2 64 48 57,6 112 32W3 . . .
Fakultat Grundlagen Matrizenrechnung Folie: 10
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
s-Multiplikation
r~a =
ra1
ra2...
ran
rA =
ra11 ra12 . . . ra1n
ra21 ra22 . . . ra2n...
......
ram1 ram2 . . . ramn
fur r ∈ IR.
Beispiel: pro km 0,32 C Kilometergeld.
Gefahrene Kilometer:
Mo Di Mi Do FrW1 300 180 220 320 150W2 200 150 180 350 100W3 . . .
Entgeld
Mo Di Mi Do FrW1 96 57,6 70,4 102,4 48W2 64 48 57,6 112 32W3 . . .
Fakultat Grundlagen Matrizenrechnung Folie: 10
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
s-Multiplikation
r~a =
ra1
ra2...
ran
rA =
ra11 ra12 . . . ra1n
ra21 ra22 . . . ra2n...
......
ram1 ram2 . . . ramn
fur r ∈ IR.
Beispiel: pro km 0,32 C Kilometergeld.
Gefahrene Kilometer:
Mo Di Mi Do FrW1 300 180 220 320 150W2 200 150 180 350 100W3 . . .
Entgeld
Mo Di Mi Do FrW1 96 57,6 70,4 102,4 48W2 64 48 57,6 112 32W3 . . .
Fakultat Grundlagen Matrizenrechnung Folie: 10
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
s-Multiplikation
r~a =
ra1
ra2...
ran
rA =
ra11 ra12 . . . ra1n
ra21 ra22 . . . ra2n...
......
ram1 ram2 . . . ramn
fur r ∈ IR.
Beispiel: pro km 0,32 C Kilometergeld.
Gefahrene Kilometer:
Mo Di Mi Do FrW1 300 180 220 320 150W2 200 150 180 350 100W3 . . .
Entgeld
Mo Di Mi Do FrW1 96 57,6 70,4 102,4 48W2 64 48 57,6 112 32W3 . . .
Fakultat Grundlagen Matrizenrechnung Folie: 10
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
:
AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,
die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,
die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,
...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)
Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Transponieren einer Matrix
~a =
a1
a2...an
(n,1)
~aT = (a1, a2, . . . , an)(1,n)
A =
1 2 34 5 67 8 9
: AT =
1 4 72 5 83 6 9
AT entsteht aus A, indem man
die 1. Zeile als 1. Spalte schreibt,die 2. Zeile als 2. Spalte schreibt,die 3. Zeile als 3. Spalte schreibt,...
Es gilt:(AT)T
= A.
Beispiel:
1 23 45 6
T
=
(1 3 52 4 6
)Fakultat Grundlagen Matrizenrechnung Folie: 11
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}
~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x)
= (B · A)︸ ︷︷ ︸C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2)
= (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2)
= (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
)
(c11 c12
c21 c22
)
Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation I
Hintereinanderaus-fuhrung von lin-earen Abbildungen
~y = A · ~x~z = B · ~y
}~z = B · (A · ~x) = (B · A)︸ ︷︷ ︸
C
·~x
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2
z1 = b11y1 + b12y2
z2 = b21y1 + b22y2
z1 = b11(a11x1 + a12x2) + b12(a21x1 + a22x2) = (b11a11 + b12a21)︸ ︷︷ ︸= c11
x1 + (b11a12 + b12a22)︸ ︷︷ ︸c12
x2
z2 = b21(a11x1 + a12x2) + b22(a21x1 + a22x2) = (b21a11 + b22a21)︸ ︷︷ ︸= c21
x1 + (b21a12 + b22a22)︸ ︷︷ ︸c22
x2
Die einzelnen Positionen inder Produktmatrix entstehenals Skalarprodukt aus Zeilender 1. Matrix und Spalten der2. Matrix.
(a11 a12
a21 a22
)(
b11 b12
b21 b22
) (c11 c12
c21 c22
)Fakultat Grundlagen Matrizenrechnung Folie: 12
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation II
cik = ai1b1k + ai2b2k + . . . + ainbnk
cik = ~a Ti · ~bk
b11 b12 . . . b1k . . . b1r
b21 b22 . . . b2k . . . b2r...
......
...bn1 bn2 . . . bnk . . . bnr
B(n,r)
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
ai1 ai2 . . . ain...
......
am1 am2 . . . amn
A(m,n)
.......... . . . . . . . . . cik
C (m,r) = A · B
cik : Skalarprodukt aus i–tem Zeilenvektor von A und k–temSpaltenvektor von B. Das Ergebnis hat dann so viele Zeilen wie Aund so viele Spalten wie B.
Fakultat Grundlagen Matrizenrechnung Folie: 13
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation II
cik = ai1b1k + ai2b2k + . . . + ainbnk
cik = ~a Ti · ~bk
b11 b12 . . . b1k . . . b1r
b21 b22 . . . b2k . . . b2r...
......
...bn1 bn2 . . . bnk . . . bnr
B(n,r)
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
ai1 ai2 . . . ain...
......
am1 am2 . . . amn
A(m,n)
.......... . . . . . . . . . cik
C (m,r) = A · B
cik : Skalarprodukt aus i–tem Zeilenvektor von A und k–temSpaltenvektor von B. Das Ergebnis hat dann so viele Zeilen wie Aund so viele Spalten wie B.
Fakultat Grundlagen Matrizenrechnung Folie: 13
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation II
cik = ai1b1k + ai2b2k + . . . + ainbnk
cik = ~a Ti · ~bk
b11 b12 . . . b1k . . . b1r
b21 b22 . . . b2k . . . b2r...
......
...bn1 bn2 . . . bnk . . . bnr
B(n,r)
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
ai1 ai2 . . . ain...
......
am1 am2 . . . amn
A(m,n)
.......... . . . . . . . . .
cik
C (m,r) = A · B
cik : Skalarprodukt aus i–tem Zeilenvektor von A und k–temSpaltenvektor von B. Das Ergebnis hat dann so viele Zeilen wie Aund so viele Spalten wie B.
Fakultat Grundlagen Matrizenrechnung Folie: 13
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation II
cik = ai1b1k + ai2b2k + . . . + ainbnk
cik = ~a Ti · ~bk
b11 b12 . . . b1k . . . b1r
b21 b22 . . . b2k . . . b2r...
......
...bn1 bn2 . . . bnk . . . bnr
B(n,r)
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
ai1 ai2 . . . ain...
......
am1 am2 . . . amn
A(m,n)
.......... . . . . . . . . . cik
C (m,r) = A · B
cik : Skalarprodukt aus i–tem Zeilenvektor von A und k–temSpaltenvektor von B. Das Ergebnis hat dann so viele Zeilen wie Aund so viele Spalten wie B.
Fakultat Grundlagen Matrizenrechnung Folie: 13
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation II
cik = ai1b1k + ai2b2k + . . . + ainbnk
cik = ~a Ti · ~bk
b11 b12 . . . b1k . . . b1r
b21 b22 . . . b2k . . . b2r...
......
...bn1 bn2 . . . bnk . . . bnr
B(n,r)
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
ai1 ai2 . . . ain...
......
am1 am2 . . . amn
A(m,n)
.......... . . . . . . . . . cik
C (m,r) = A · B
cik : Skalarprodukt aus i–tem Zeilenvektor von A und k–temSpaltenvektor von B.
Das Ergebnis hat dann so viele Zeilen wie Aund so viele Spalten wie B.
Fakultat Grundlagen Matrizenrechnung Folie: 13
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation II
cik = ai1b1k + ai2b2k + . . . + ainbnk
cik = ~a Ti · ~bk
b11 b12 . . . b1k . . . b1r
b21 b22 . . . b2k . . . b2r...
......
...bn1 bn2 . . . bnk . . . bnr
B(n,r)
a11 a12 . . . a1n
a21 a22 . . . a2n...
......
ai1 ai2 . . . ain...
......
am1 am2 . . . amn
A(m,n)
.......... . . . . . . . . . cik
C (m,r) = A · B
cik : Skalarprodukt aus i–tem Zeilenvektor von A und k–temSpaltenvektor von B. Das Ergebnis hat dann so viele Zeilen wie Aund so viele Spalten wie B.
Fakultat Grundlagen Matrizenrechnung Folie: 13
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation III 1 4 10 5 −33 6 −5
B(3,3) 1 2 3
4 5 67 8 9
A(3,3)
10 32 −2022 77 −4134 122 −62
C (3,3) = A · B
1 2 34 5 67 8 9
A(3,3) 1 4 1
0 5 −33 6 −5
B(3,3)
24 30 36− 1 1 3− 8 −4 0
D(3,3) = B · A
Im Allgemeinen gilt: A · B 6= B · A.
Fakultat Grundlagen Matrizenrechnung Folie: 14
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation III 1 4 10 5 −33 6 −5
B(3,3) 1 2 3
4 5 67 8 9
A(3,3)
10 32 −2022 77 −4134 122 −62
C (3,3) = A · B
1 2 34 5 67 8 9
A(3,3) 1 4 1
0 5 −33 6 −5
B(3,3)
24 30 36− 1 1 3− 8 −4 0
D(3,3) = B · A
Im Allgemeinen gilt: A · B 6= B · A.
Fakultat Grundlagen Matrizenrechnung Folie: 14
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation III 1 4 10 5 −33 6 −5
B(3,3) 1 2 3
4 5 67 8 9
A(3,3)
10 32 −2022 77 −4134 122 −62
C (3,3) = A · B
1 2 34 5 67 8 9
A(3,3) 1 4 1
0 5 −33 6 −5
B(3,3)
24 30 36− 1 1 3− 8 −4 0
D(3,3) = B · A
Im Allgemeinen gilt: A · B 6= B · A.
Fakultat Grundlagen Matrizenrechnung Folie: 14
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation III 1 4 10 5 −33 6 −5
B(3,3) 1 2 3
4 5 67 8 9
A(3,3)
10 32 −2022 77 −4134 122 −62
C (3,3) = A · B
1 2 34 5 67 8 9
A(3,3) 1 4 1
0 5 −33 6 −5
B(3,3)
24 30 36− 1 1 3− 8 −4 0
D(3,3) = B · A
Im Allgemeinen gilt: A · B 6= B · A.
Fakultat Grundlagen Matrizenrechnung Folie: 14
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation III 1 4 10 5 −33 6 −5
B(3,3) 1 2 3
4 5 67 8 9
A(3,3)
10 32 −2022 77 −4134 122 −62
C (3,3) = A · B
1 2 34 5 67 8 9
A(3,3) 1 4 1
0 5 −33 6 −5
B(3,3)
24 30 36− 1 1 3− 8 −4 0
D(3,3) = B · A
Im Allgemeinen gilt: A · B 6= B · A.
Fakultat Grundlagen Matrizenrechnung Folie: 14
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation III 1 4 10 5 −33 6 −5
B(3,3) 1 2 3
4 5 67 8 9
A(3,3)
10 32 −2022 77 −4134 122 −62
C (3,3) = A · B
1 2 34 5 67 8 9
A(3,3) 1 4 1
0 5 −33 6 −5
B(3,3)
24 30 36− 1 1 3− 8 −4 0
D(3,3) = B · A
Im Allgemeinen gilt: A · B 6= B · A.
Fakultat Grundlagen Matrizenrechnung Folie: 14
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Matrizenmultiplikation III 1 4 10 5 −33 6 −5
B(3,3) 1 2 3
4 5 67 8 9
A(3,3)
10 32 −2022 77 −4134 122 −62
C (3,3) = A · B
1 2 34 5 67 8 9
A(3,3) 1 4 1
0 5 −33 6 −5
B(3,3)
24 30 36− 1 1 3− 8 −4 0
D(3,3) = B · A
Im Allgemeinen gilt: A · B 6= B · A.
Fakultat Grundlagen Matrizenrechnung Folie: 14
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Symmetrische Matrizen
Matrizen A(m,m), B(n,n) mit gleicher Spalten- und Zeilenzahlheißen quadratische Matrizen.
Gilt nun zusatzlich AT = A, dann heißt A symmetrische Matrix.
Bemerkung: A(m,n) =⇒(AT)
(n,m): nur quadratische Matrizen
konnen symmetrisch sein.
Symmetrische Matrizen sind zur Diagonalen”spiegelbildlich“.
A =
2 3 −13 0 2−1 2 1
, AT =
2 3 −13 0 2−1 2 1
= A
=⇒ A symmetrisch.
Fakultat Grundlagen Matrizenrechnung Folie: 15
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Symmetrische Matrizen
Matrizen A(m,m), B(n,n) mit gleicher Spalten- und Zeilenzahlheißen quadratische Matrizen.
Gilt nun zusatzlich AT = A, dann heißt A symmetrische Matrix.
Bemerkung: A(m,n) =⇒(AT)
(n,m): nur quadratische Matrizen
konnen symmetrisch sein.
Symmetrische Matrizen sind zur Diagonalen”spiegelbildlich“.
A =
2 3 −13 0 2−1 2 1
, AT =
2 3 −13 0 2−1 2 1
= A
=⇒ A symmetrisch.
Fakultat Grundlagen Matrizenrechnung Folie: 15
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Symmetrische Matrizen
Matrizen A(m,m), B(n,n) mit gleicher Spalten- und Zeilenzahlheißen quadratische Matrizen.
Gilt nun zusatzlich AT = A, dann heißt A symmetrische Matrix.
Bemerkung: A(m,n) =⇒(AT)
(n,m): nur quadratische Matrizen
konnen symmetrisch sein.
Symmetrische Matrizen sind zur Diagonalen”spiegelbildlich“.
A =
2 3 −13 0 2−1 2 1
, AT =
2 3 −13 0 2−1 2 1
= A
=⇒ A symmetrisch.
Fakultat Grundlagen Matrizenrechnung Folie: 15
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Symmetrische Matrizen
Matrizen A(m,m), B(n,n) mit gleicher Spalten- und Zeilenzahlheißen quadratische Matrizen.
Gilt nun zusatzlich AT = A, dann heißt A symmetrische Matrix.
Bemerkung: A(m,n) =⇒(AT)
(n,m): nur quadratische Matrizen
konnen symmetrisch sein.
Symmetrische Matrizen sind zur Diagonalen”spiegelbildlich“.
A =
2 3 −13 0 2−1 2 1
, AT =
2 3 −13 0 2−1 2 1
= A
=⇒ A symmetrisch.
Fakultat Grundlagen Matrizenrechnung Folie: 15
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Symmetrische Matrizen
Matrizen A(m,m), B(n,n) mit gleicher Spalten- und Zeilenzahlheißen quadratische Matrizen.
Gilt nun zusatzlich AT = A, dann heißt A symmetrische Matrix.
Bemerkung: A(m,n) =⇒(AT)
(n,m): nur quadratische Matrizen
konnen symmetrisch sein.
Symmetrische Matrizen sind zur Diagonalen”spiegelbildlich“.
A =
2 3 −13 0 2−1 2 1
,
AT =
2 3 −13 0 2−1 2 1
= A
=⇒ A symmetrisch.
Fakultat Grundlagen Matrizenrechnung Folie: 15
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Symmetrische Matrizen
Matrizen A(m,m), B(n,n) mit gleicher Spalten- und Zeilenzahlheißen quadratische Matrizen.
Gilt nun zusatzlich AT = A, dann heißt A symmetrische Matrix.
Bemerkung: A(m,n) =⇒(AT)
(n,m): nur quadratische Matrizen
konnen symmetrisch sein.
Symmetrische Matrizen sind zur Diagonalen”spiegelbildlich“.
A =
2 3 −13 0 2−1 2 1
, AT =
2 3 −13 0 2−1 2 1
= A
=⇒ A symmetrisch.
Fakultat Grundlagen Matrizenrechnung Folie: 15
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Symmetrische Matrizen
Matrizen A(m,m), B(n,n) mit gleicher Spalten- und Zeilenzahlheißen quadratische Matrizen.
Gilt nun zusatzlich AT = A, dann heißt A symmetrische Matrix.
Bemerkung: A(m,n) =⇒(AT)
(n,m): nur quadratische Matrizen
konnen symmetrisch sein.
Symmetrische Matrizen sind zur Diagonalen”spiegelbildlich“.
A =
2 3 −13 0 2−1 2 1
, AT =
2 3 −13 0 2−1 2 1
= A
=⇒ A symmetrisch.
Fakultat Grundlagen Matrizenrechnung Folie: 15
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A
bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)
=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Nullmatrix, Einheitsmatrix
Nullmatrix
A + 0 = A ,
neutral bezuglich Addition:
0 =
0 0 . . . 00 0 . . . 0...
.... . .
...0 0 . . . 0
Einheitsmatrix:
A · E = A bzw. E · A = A:
neutral bezuglich Multiplikation:
A(m,n) · E (n,n) = A(m,n)
E (m,m) · A(m,n) = A(m,n)
Die Einheitsmatrix ist immer einequadratische Matrix.
E =
1 0 0 . . . 00 1 0 . . . 00 0 1 . . . 0...
......
. . ....
0 0 0 . . . 1
(
2 34 5
)·(
1 00 1
)=
(2 34 5
)
Fakultat Grundlagen Matrizenrechnung Folie: 16
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A
A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A
0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A
im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A
E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · AT
Achtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrixbegriffRechenregelnSpezielle Matrizen
Rechenregeln
(1) A + B = B + A A und B mussen vom gleichen Typ sein.
(2) A + 0 = A 0 muss den gleichen Typ haben wie A .
(3) A + (B + C ) = (A + B) + C
(4) A · B 6= B · A im Allgemeinen
(5) A · (B · C ) = (A · B) · C
(6) A · (B + C ) = A · B + A · C
(7) (A + B) · C = A · C + B · C
(8) A · E = E · A = A E muss geeignete Große haben (s. o.).
(9) A · 0 = 0 · A = 0
(10) (A + B)T = AT + BT
(11) (A · B)T = BT · ATAchtung: Die Reihenfolge andert sich!
Fakultat Grundlagen Matrizenrechnung Folie: 17
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A = −A + B
(−A = (−1)A: Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A
= −A + B
(−A = (−1)A: Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A = −A + B
(−A = (−1)A: Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A = −A + B
(−A = (−1)A:
Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A = −A + B
(−A = (−1)A: Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A = −A + B
(−A = (−1)A: Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)
X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A = −A + B
(−A = (−1)A: Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)
⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I
A + X = B (A, B gegeben, X gesucht)
X = B − A = −A + B
(−A = (−1)A: Multiplikation von A mit (−1))
(1 3 −2−1 5 1
)+ X =
(7 4 −26 1 1
)X =
(7 4 −26 1 1
)−(
1 3 −2−1 5 1
)⇒ X =
(6 1 07 −4 0
)
Fakultat Grundlagen Matrizenrechnung Folie: 18
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I (Beispiel)
X − Y =
(0 12 4
)= D1
X + 2Y =
(3 45 4
)= D2
ergibt LGS fur X und Y
(1 −1 D1
1 2 D2
)∼(
1 −1 D1
0 3 D2 −D1
)
Y = 13 [D2 −D1]
= 13
[(3 45 4
)−(
0 12 4
) ]=
(1 11 0
)
X = Y + D1 =
(1 11 0
)+
(0 12 4
)=
(1 23 4
)
Fakultat Grundlagen Matrizenrechnung Folie: 19
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I (Beispiel)
X − Y =
(0 12 4
)= D1
X + 2Y =
(3 45 4
)= D2
ergibt LGS fur X und Y
(1 −1 D1
1 2 D2
)∼(
1 −1 D1
0 3 D2 −D1
)
Y = 13 [D2 −D1]
= 13
[(3 45 4
)−(
0 12 4
) ]=
(1 11 0
)
X = Y + D1 =
(1 11 0
)+
(0 12 4
)=
(1 23 4
)
Fakultat Grundlagen Matrizenrechnung Folie: 19
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I (Beispiel)
X − Y =
(0 12 4
)= D1
X + 2Y =
(3 45 4
)= D2
ergibt LGS fur X und Y
(1 −1 D1
1 2 D2
)∼(
1 −1 D1
0 3 D2 −D1
)
Y = 13 [D2 −D1]
= 13
[(3 45 4
)−(
0 12 4
) ]=
(1 11 0
)
X = Y + D1 =
(1 11 0
)+
(0 12 4
)=
(1 23 4
)
Fakultat Grundlagen Matrizenrechnung Folie: 19
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I (Beispiel)
X − Y =
(0 12 4
)= D1
X + 2Y =
(3 45 4
)= D2
ergibt LGS fur X und Y
(1 −1 D1
1 2 D2
)∼(
1 −1 D1
0 3 D2 −D1
)
Y = 13 [D2 −D1]
= 13
[(3 45 4
)−(
0 12 4
) ]=
(1 11 0
)
X = Y + D1 =
(1 11 0
)+
(0 12 4
)=
(1 23 4
)
Fakultat Grundlagen Matrizenrechnung Folie: 19
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I (Beispiel)
X − Y =
(0 12 4
)= D1
X + 2Y =
(3 45 4
)= D2
ergibt LGS fur X und Y
(1 −1 D1
1 2 D2
)∼(
1 −1 D1
0 3 D2 −D1
)
Y = 13 [D2 −D1] = 1
3
[(3 45 4
)−(
0 12 4
) ]=
(1 11 0
)
X = Y + D1 =
(1 11 0
)+
(0 12 4
)=
(1 23 4
)
Fakultat Grundlagen Matrizenrechnung Folie: 19
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen I (Beispiel)
X − Y =
(0 12 4
)= D1
X + 2Y =
(3 45 4
)= D2
ergibt LGS fur X und Y
(1 −1 D1
1 2 D2
)∼(
1 −1 D1
0 3 D2 −D1
)
Y = 13 [D2 −D1] = 1
3
[(3 45 4
)−(
0 12 4
) ]=
(1 11 0
)
X = Y + D1 =
(1 11 0
)+
(0 12 4
)=
(1 23 4
)
Fakultat Grundlagen Matrizenrechnung Folie: 19
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸
= (A−1 · A) · X = E · X = X
= A−1 · B
⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸
= (A−1 · A) · X = E · X = X
= A−1 · B
⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸
= (A−1 · A) · X = E · X = X
= A−1 · B
⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸
= (A−1 · A) · X = E · X = X
= A−1 · B
⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸
= (A−1 · A) · X = E · X = X
= A−1 · B
⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸= (A−1 · A) · X = E · X = X
= A−1 · B
⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸= (A−1 · A) · X = E · X = X
= A−1 · B ⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸= (A−1 · A) · X = E · X = X
= A−1 · B ⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.
Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Matrizengleichungen II, Inverse Matrix
A · X = B: Problem schwieriger.Man kann nicht wie bei Zahlen auf beiden Seiten durch A teilen!
Bei Zahlen:ax = b (auf beiden Seiten mit a−1 multiplizieren)
a−1ax = a−1b ⇐⇒ x = a−1b (da a−1a = 1)
Analog versucht man, eine Matrix A−1 zu finden mit derEigenschaft
A−1 · A = A · A−1 = E .
Multiplikation der Gleichung A · X = B mit A−1 von links:
A−1 · (A · X )︸ ︷︷ ︸= (A−1 · A) · X = E · X = X
= A−1 · B ⇒ X = A−1B .
Bemerkung: Die inverse Matrix A−1 ist nur fur quadratische
Matrizen definiert. A−1 hat dieselbe Große wie A.Es gibt nicht zu jeder quadratischen Matrix eine inverse Matrix.
Fakultat Grundlagen Matrizenrechnung Folie: 20
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
)
, gesucht A−1.(1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.
(1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E
(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel
A =
(1 12 3
), gesucht A−1.(
1 12 3
)︸ ︷︷ ︸
A
·(b11 b12
b21 b22
)︸ ︷︷ ︸
A−1
=
(1 00 1
)︸ ︷︷ ︸
E
fuhrt auf folgende Gleichungssysteme:
b11 + b21 = 12b11 + 3b21 = 0
b12 + b22 = 02b12 + 3b22 = 1
simultane Losung
A E(1 12 3
) (1 00 1
)
(1 10 1
) (1 0−2 1
)
(1 00 1
) (3 −1−2 1
)
E A−1
A · A−1 =
(1 12 3
)·(
3 −1−2 1
)=
(1 00 1
)= E
Fakultat Grundlagen Matrizenrechnung Folie: 21
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix,Rechenregel
Regel zur Erzeu-gung der Inversengilt allgemein:
A E
E A−1
Start: links A, rechts E .So lange umformen, bis linksE entsteht; dann steht rechtsautomatisch A−1.
Fur n = 2 ergibt sich die Merkregel:1(a11 a12
a21 a22
)−1
= 1a11a22 − a12a21
(a22 −a12
−a21 a11
), a11a22 − a12a21 6= 0
Bemerkung: Mit A · A−1 = E gilt auch A−1 · A = E .
1
Der Ausdruck a11a22 − a12a21 fuhrt im nachsten Abschnitt zum Begriffder Determinante.
Fakultat Grundlagen Matrizenrechnung Folie: 22
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix,Rechenregel
Regel zur Erzeu-gung der Inversengilt allgemein:
A E
E A−1
Start: links A, rechts E .
So lange umformen, bis linksE entsteht; dann steht rechtsautomatisch A−1.
Fur n = 2 ergibt sich die Merkregel:1(a11 a12
a21 a22
)−1
= 1a11a22 − a12a21
(a22 −a12
−a21 a11
), a11a22 − a12a21 6= 0
Bemerkung: Mit A · A−1 = E gilt auch A−1 · A = E .
1
Der Ausdruck a11a22 − a12a21 fuhrt im nachsten Abschnitt zum Begriffder Determinante.
Fakultat Grundlagen Matrizenrechnung Folie: 22
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix,Rechenregel
Regel zur Erzeu-gung der Inversengilt allgemein:
A E
E A−1
Start: links A, rechts E .So lange umformen, bis linksE entsteht;
dann steht rechtsautomatisch A−1.
Fur n = 2 ergibt sich die Merkregel:1(a11 a12
a21 a22
)−1
= 1a11a22 − a12a21
(a22 −a12
−a21 a11
), a11a22 − a12a21 6= 0
Bemerkung: Mit A · A−1 = E gilt auch A−1 · A = E .
1
Der Ausdruck a11a22 − a12a21 fuhrt im nachsten Abschnitt zum Begriffder Determinante.
Fakultat Grundlagen Matrizenrechnung Folie: 22
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix,Rechenregel
Regel zur Erzeu-gung der Inversengilt allgemein:
A E
E A−1
Start: links A, rechts E .So lange umformen, bis linksE entsteht; dann steht rechtsautomatisch A−1.
Fur n = 2 ergibt sich die Merkregel:1(a11 a12
a21 a22
)−1
= 1a11a22 − a12a21
(a22 −a12
−a21 a11
), a11a22 − a12a21 6= 0
Bemerkung: Mit A · A−1 = E gilt auch A−1 · A = E .
1
Der Ausdruck a11a22 − a12a21 fuhrt im nachsten Abschnitt zum Begriffder Determinante.
Fakultat Grundlagen Matrizenrechnung Folie: 22
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix,Rechenregel
Regel zur Erzeu-gung der Inversengilt allgemein:
A E
E A−1
Start: links A, rechts E .So lange umformen, bis linksE entsteht; dann steht rechtsautomatisch A−1.
Fur n = 2 ergibt sich die Merkregel:
1
(a11 a12
a21 a22
)−1
= 1a11a22 − a12a21
(a22 −a12
−a21 a11
), a11a22 − a12a21 6= 0
Bemerkung: Mit A · A−1 = E gilt auch A−1 · A = E .
1
Der Ausdruck a11a22 − a12a21 fuhrt im nachsten Abschnitt zum Begriffder Determinante.
Fakultat Grundlagen Matrizenrechnung Folie: 22
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix,Rechenregel
Regel zur Erzeu-gung der Inversengilt allgemein:
A E
E A−1
Start: links A, rechts E .So lange umformen, bis linksE entsteht; dann steht rechtsautomatisch A−1.
Fur n = 2 ergibt sich die Merkregel:1(a11 a12
a21 a22
)−1
= 1a11a22 − a12a21
(a22 −a12
−a21 a11
), a11a22 − a12a21 6= 0
Bemerkung: Mit A · A−1 = E gilt auch A−1 · A = E .
1Der Ausdruck a11a22 − a12a21 fuhrt im nachsten Abschnitt zum Begriffder Determinante.
Fakultat Grundlagen Matrizenrechnung Folie: 22
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix,Rechenregel
Regel zur Erzeu-gung der Inversengilt allgemein:
A E
E A−1
Start: links A, rechts E .So lange umformen, bis linksE entsteht; dann steht rechtsautomatisch A−1.
Fur n = 2 ergibt sich die Merkregel:1(a11 a12
a21 a22
)−1
= 1a11a22 − a12a21
(a22 −a12
−a21 a11
), a11a22 − a12a21 6= 0
Bemerkung: Mit A · A−1 = E gilt auch A−1 · A = E .
1Der Ausdruck a11a22 − a12a21 fuhrt im nachsten Abschnitt zum Begriffder Determinante.
Fakultat Grundlagen Matrizenrechnung Folie: 22
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel I
Zur Herstellung diverser Produkte werden ver-
schiedene Rohstoffe benotigt. Den Zusam-
menhang liefert die Matrix der Rohstoffkoef-
fizienten.
Der Rohstoffkoeffizient rjk gibt an,
wieviel Einheiten des j-ten Rohstoffs fur die
Produktion einer Einheit des k-ten Produkts
benotigt werden. Dann gilt zwischen dem Pro-
duktionsvektor ~x und dem Rohstoffvektor ~s
der Zusammenhang:
Produkt
Rohstoff-typ
1 . . . k . . . n
1 r11 · · · r1k · · · r1n...
......
...j rj1 · · · rjk · · · rjn...
......
...m rm1 · · · rmk · · · rmn
sj =n∑
k=1
rjkxk , j = 1, 2, . . . ,m oder ~s = R · ~x
Falls R quadratisch ist und R−1 existiert, erhalt man den umgekehrten
Zusammenhang durch: ~x = R−1 · ~s
Dabei ist zusatzlich zu beachten, dass keine negativen Produktionszahlen entstehen.
Fakultat Grundlagen Matrizenrechnung Folie: 23
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel I
Zur Herstellung diverser Produkte werden ver-
schiedene Rohstoffe benotigt. Den Zusam-
menhang liefert die Matrix der Rohstoffkoef-
fizienten. Der Rohstoffkoeffizient rjk gibt an,
wieviel Einheiten des j-ten Rohstoffs fur die
Produktion einer Einheit des k-ten Produkts
benotigt werden.
Dann gilt zwischen dem Pro-
duktionsvektor ~x und dem Rohstoffvektor ~s
der Zusammenhang:
Produkt
Rohstoff-typ
1 . . . k . . . n
1 r11 · · · r1k · · · r1n...
......
...j rj1 · · · rjk · · · rjn...
......
...m rm1 · · · rmk · · · rmn
sj =n∑
k=1
rjkxk , j = 1, 2, . . . ,m oder ~s = R · ~x
Falls R quadratisch ist und R−1 existiert, erhalt man den umgekehrten
Zusammenhang durch: ~x = R−1 · ~s
Dabei ist zusatzlich zu beachten, dass keine negativen Produktionszahlen entstehen.
Fakultat Grundlagen Matrizenrechnung Folie: 23
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel I
Zur Herstellung diverser Produkte werden ver-
schiedene Rohstoffe benotigt. Den Zusam-
menhang liefert die Matrix der Rohstoffkoef-
fizienten. Der Rohstoffkoeffizient rjk gibt an,
wieviel Einheiten des j-ten Rohstoffs fur die
Produktion einer Einheit des k-ten Produkts
benotigt werden.
Dann gilt zwischen dem Pro-
duktionsvektor ~x und dem Rohstoffvektor ~s
der Zusammenhang:
Produkt
Rohstoff-typ
1 . . . k . . . n
1 r11 · · · r1k · · · r1n...
......
...j rj1 · · · rjk · · · rjn...
......
...m rm1 · · · rmk · · · rmn
sj =n∑
k=1
rjkxk , j = 1, 2, . . . ,m oder ~s = R · ~x
Falls R quadratisch ist und R−1 existiert, erhalt man den umgekehrten
Zusammenhang durch: ~x = R−1 · ~s
Dabei ist zusatzlich zu beachten, dass keine negativen Produktionszahlen entstehen.
Fakultat Grundlagen Matrizenrechnung Folie: 23
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel I
Zur Herstellung diverser Produkte werden ver-
schiedene Rohstoffe benotigt. Den Zusam-
menhang liefert die Matrix der Rohstoffkoef-
fizienten. Der Rohstoffkoeffizient rjk gibt an,
wieviel Einheiten des j-ten Rohstoffs fur die
Produktion einer Einheit des k-ten Produkts
benotigt werden. Dann gilt zwischen dem Pro-
duktionsvektor ~x und dem Rohstoffvektor ~s
der Zusammenhang:
Produkt
Rohstoff-typ
1 . . . k . . . n
1 r11 · · · r1k · · · r1n...
......
...j rj1 · · · rjk · · · rjn...
......
...m rm1 · · · rmk · · · rmn
sj =n∑
k=1
rjkxk , j = 1, 2, . . . ,m oder ~s = R · ~x
Falls R quadratisch ist und R−1 existiert, erhalt man den umgekehrten
Zusammenhang durch: ~x = R−1 · ~s
Dabei ist zusatzlich zu beachten, dass keine negativen Produktionszahlen entstehen.
Fakultat Grundlagen Matrizenrechnung Folie: 23
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel I
Zur Herstellung diverser Produkte werden ver-
schiedene Rohstoffe benotigt. Den Zusam-
menhang liefert die Matrix der Rohstoffkoef-
fizienten. Der Rohstoffkoeffizient rjk gibt an,
wieviel Einheiten des j-ten Rohstoffs fur die
Produktion einer Einheit des k-ten Produkts
benotigt werden. Dann gilt zwischen dem Pro-
duktionsvektor ~x und dem Rohstoffvektor ~s
der Zusammenhang:
Produkt
Rohstoff-typ
1 . . . k . . . n
1 r11 · · · r1k · · · r1n...
......
...j rj1 · · · rjk · · · rjn...
......
...m rm1 · · · rmk · · · rmn
sj =n∑
k=1
rjkxk , j = 1, 2, . . . ,m oder ~s = R · ~x
Falls R quadratisch ist und R−1 existiert, erhalt man den umgekehrten
Zusammenhang durch: ~x = R−1 · ~s
Dabei ist zusatzlich zu beachten, dass keine negativen Produktionszahlen entstehen.
Fakultat Grundlagen Matrizenrechnung Folie: 23
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel I
Zur Herstellung diverser Produkte werden ver-
schiedene Rohstoffe benotigt. Den Zusam-
menhang liefert die Matrix der Rohstoffkoef-
fizienten. Der Rohstoffkoeffizient rjk gibt an,
wieviel Einheiten des j-ten Rohstoffs fur die
Produktion einer Einheit des k-ten Produkts
benotigt werden. Dann gilt zwischen dem Pro-
duktionsvektor ~x und dem Rohstoffvektor ~s
der Zusammenhang:
Produkt
Rohstoff-typ
1 . . . k . . . n
1 r11 · · · r1k · · · r1n...
......
...j rj1 · · · rjk · · · rjn...
......
...m rm1 · · · rmk · · · rmn
sj =n∑
k=1
rjkxk , j = 1, 2, . . . ,m oder ~s = R · ~x
Falls R quadratisch ist und R−1 existiert, erhalt man den umgekehrten
Zusammenhang durch: ~x = R−1 · ~s
Dabei ist zusatzlich zu beachten, dass keine negativen Produktionszahlen entstehen.
Fakultat Grundlagen Matrizenrechnung Folie: 23
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1
2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
)
, B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
)
, B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3
2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
)
, B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 3
1
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
)
, B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)
~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E
~R = A · B︸ ︷︷ ︸= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)
~E = C−1 · ~R mit C−1 = 16
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R
mit C−1 = 16
(15 −11−9 7
)
Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Inverse Matrix, Beispiel II
In einem zweistufigen Produktionsprozess werden inStufe 1 aus zwei Rohstoffen (R1, R2) drei Zwischenpro-dukte (Z1, Z2, Z3) und in Stufe 2 aus den Zwischenpro-dukten zwei Endprodukte (E1, E2) gefertigt.
Die jeweils benotigten Mengeneinheiten fur die Produk-
tion einer Einheit des End- bzw. Zwischenprodukts
ergeben sich aus dem sogenannten Gozinto-Graph.
~R =
(r1r2
), ~Z =
z1
z2
z3
, ~E =
(e1
e2
)~R = A · ~Z , ~Z = B · ~E ~R = A · B︸ ︷︷ ︸
= C
·~E
A =
(1 2 12 1 3
), B =
2 32 31 2
,
E1 E2
Z1 Z2 Z3
R1 R2
12
1 2
13
2
3 2 31
2
C = A · B =
(7 119 15
)~E = C−1 · ~R mit C−1 = 1
6
(15 −11−9 7
)Fakultat Grundlagen Matrizenrechnung Folie: 24
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)
⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)
Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)
Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)
Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22
p p p p p p p p@@Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22
p p p p p p p p
@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 2(a11 a12
a21 a22
)·(x1
x2
)=
(b1
b2
)⇔ a11 · x1 + a12 · x2 = b1
a21 · x1 + a22 · x2 = b2
Gauß-Algorithmus.(a11 a12 b1
a21 a22 b2
)| · (−a21) +��| · (a11)
∼(
a11 a12 b1
0 a11 · a22 − a12 · a21 b2 · a11 − b1 · a21
)Fur D = a11 · a22 − a12 · a21 6= 0 erhalt eine eindeutige Losung:
x2 =a11 · b2 − a21 · b1
a11 · a22 − a12 · a21
x1 =b1 · a22 − b2 · a12
a11 · a22 − a12 · a21
Definition: |A| =
∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ = a11a22 − a12a21
Merkregel:
|A| =a11
a21
a12
a22p p p p p p p p@@
Die Elemente auf der durchgezogenen Liniewerden multipliziert und mit einem ’+’ versehen: +a11a22
Die Elemente auf der punktierten Liniewerden multipliziert und mit einem ’−’ versehen: −a12a21
|A| = Summe = +a11a22 − a12a21.
Fakultat Grundlagen Matrizenrechnung Folie: 25
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante
2
n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣
= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a33
2
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante
2
n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a332
In der Vektorrechnung entsprichtdie Determinante dem Spatprodukt.
Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten der Ordnung 3 a11 a12 a13
a21 a22 a23
a31 a32 a33
| · (−a11)| · (−a11)
∼
a11 a12 a13
−a11 · a21 −a11 · a22 −a11 · a23
−a11 · a31 −a11 · a32 −a11 · a33
· a21�� · a31��
∼
a11 a12 a13
0 a12 · a21 − a11 · a22 a13 · a21 − a11 · a23
0 a12 · a31 − a11 · a32 a13 · a31 − a11 · a33
o. B. d. A. a11 6= 0
Losbarkeit:
N = [ a12 · a21 − a11 · a22 ] · [ a13 · a31 − a11 · a33 ] −[ a12 · a31 − a11 · a32 ] · [ a13 · a21 − a11 · a23 ]
= a11 · [ a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32
−a13 · a22 · a31 − a11 · a23 · a32 − a12 · a21 · a33 ]
6= 0
Determinante2 n = 3:
|A| =
∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣= a11a22a33 + a12a23a31 + a13a21a32
− a13a22a31 − a11a23a32 − a12a21a332In der Vektorrechnung entspricht
die Determinante dem Spatprodukt.Fakultat Grundlagen Matrizenrechnung Folie: 26
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten fur n = 3; Entwicklungssatz
Wir konnen die Berechnung auf Determinanten 2. Ordnungzuruckfuhren.
Ausgehend von einer beliebigen Zeile oder Spaltemultiplizieren wir samtliche Elemente dieser Zeile bzw. Spalte mitder zugehorigen Unterdeterminante, die dadurch entsteht, dassman die Zeile und die Spalte streicht, in der das Element steht.
Zusatzlich sind die Unterdeterminanten miteinem alternierenden Vorzeichen zu versehen(Schachbrettregel).
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣Entwicklung nach der ersten Zeile:∣∣∣∣∣∣
a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ = + a11
∣∣∣∣ a22 a23
a32 a33
∣∣∣∣ − a12
∣∣∣∣ a21 a23
a31 a33
∣∣∣∣+ a13
∣∣∣∣ a21 a22
a31 a32
∣∣∣∣
Fakultat Grundlagen Matrizenrechnung Folie: 27
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten fur n = 3; Entwicklungssatz
Wir konnen die Berechnung auf Determinanten 2. Ordnungzuruckfuhren. Ausgehend von einer beliebigen Zeile oder Spaltemultiplizieren wir samtliche Elemente dieser Zeile bzw. Spalte mitder zugehorigen Unterdeterminante, die dadurch entsteht, dassman die Zeile und die Spalte streicht, in der das Element steht.
Zusatzlich sind die Unterdeterminanten miteinem alternierenden Vorzeichen zu versehen(Schachbrettregel).
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣Entwicklung nach der ersten Zeile:∣∣∣∣∣∣
a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ = + a11
∣∣∣∣ a22 a23
a32 a33
∣∣∣∣ − a12
∣∣∣∣ a21 a23
a31 a33
∣∣∣∣+ a13
∣∣∣∣ a21 a22
a31 a32
∣∣∣∣
Fakultat Grundlagen Matrizenrechnung Folie: 27
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten fur n = 3; Entwicklungssatz
Wir konnen die Berechnung auf Determinanten 2. Ordnungzuruckfuhren. Ausgehend von einer beliebigen Zeile oder Spaltemultiplizieren wir samtliche Elemente dieser Zeile bzw. Spalte mitder zugehorigen Unterdeterminante, die dadurch entsteht, dassman die Zeile und die Spalte streicht, in der das Element steht.
Zusatzlich sind die Unterdeterminanten miteinem alternierenden Vorzeichen zu versehen(Schachbrettregel).
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣Entwicklung nach der ersten Zeile:∣∣∣∣∣∣
a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ = + a11
∣∣∣∣ a22 a23
a32 a33
∣∣∣∣ − a12
∣∣∣∣ a21 a23
a31 a33
∣∣∣∣+ a13
∣∣∣∣ a21 a22
a31 a32
∣∣∣∣
Fakultat Grundlagen Matrizenrechnung Folie: 27
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten fur n = 3; Entwicklungssatz
Wir konnen die Berechnung auf Determinanten 2. Ordnungzuruckfuhren. Ausgehend von einer beliebigen Zeile oder Spaltemultiplizieren wir samtliche Elemente dieser Zeile bzw. Spalte mitder zugehorigen Unterdeterminante, die dadurch entsteht, dassman die Zeile und die Spalte streicht, in der das Element steht.
Zusatzlich sind die Unterdeterminanten miteinem alternierenden Vorzeichen zu versehen(Schachbrettregel).
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
Entwicklung nach der ersten Zeile:∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ =
+ a11
∣∣∣∣ a22 a23
a32 a33
∣∣∣∣ − a12
∣∣∣∣ a21 a23
a31 a33
∣∣∣∣+ a13
∣∣∣∣ a21 a22
a31 a32
∣∣∣∣
Fakultat Grundlagen Matrizenrechnung Folie: 27
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten fur n = 3; Entwicklungssatz
Wir konnen die Berechnung auf Determinanten 2. Ordnungzuruckfuhren. Ausgehend von einer beliebigen Zeile oder Spaltemultiplizieren wir samtliche Elemente dieser Zeile bzw. Spalte mitder zugehorigen Unterdeterminante, die dadurch entsteht, dassman die Zeile und die Spalte streicht, in der das Element steht.
Zusatzlich sind die Unterdeterminanten miteinem alternierenden Vorzeichen zu versehen(Schachbrettregel).
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
Entwicklung nach der ersten Zeile:∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ = + a11
∣∣∣∣ a22 a23
a32 a33
∣∣∣∣
− a12
∣∣∣∣ a21 a23
a31 a33
∣∣∣∣+ a13
∣∣∣∣ a21 a22
a31 a32
∣∣∣∣
Fakultat Grundlagen Matrizenrechnung Folie: 27
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten fur n = 3; Entwicklungssatz
Wir konnen die Berechnung auf Determinanten 2. Ordnungzuruckfuhren. Ausgehend von einer beliebigen Zeile oder Spaltemultiplizieren wir samtliche Elemente dieser Zeile bzw. Spalte mitder zugehorigen Unterdeterminante, die dadurch entsteht, dassman die Zeile und die Spalte streicht, in der das Element steht.
Zusatzlich sind die Unterdeterminanten miteinem alternierenden Vorzeichen zu versehen(Schachbrettregel).
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
Entwicklung nach der ersten Zeile:∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ = + a11
∣∣∣∣ a22 a23
a32 a33
∣∣∣∣ − a12
∣∣∣∣ a21 a23
a31 a33
∣∣∣∣
+ a13
∣∣∣∣ a21 a22
a31 a32
∣∣∣∣
Fakultat Grundlagen Matrizenrechnung Folie: 27
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten fur n = 3; Entwicklungssatz
Wir konnen die Berechnung auf Determinanten 2. Ordnungzuruckfuhren. Ausgehend von einer beliebigen Zeile oder Spaltemultiplizieren wir samtliche Elemente dieser Zeile bzw. Spalte mitder zugehorigen Unterdeterminante, die dadurch entsteht, dassman die Zeile und die Spalte streicht, in der das Element steht.
Zusatzlich sind die Unterdeterminanten miteinem alternierenden Vorzeichen zu versehen(Schachbrettregel).
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣Entwicklung nach der ersten Zeile:∣∣∣∣∣∣
a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣ = + a11
∣∣∣∣ a22 a23
a32 a33
∣∣∣∣ − a12
∣∣∣∣ a21 a23
a31 a33
∣∣∣∣+ a13
∣∣∣∣ a21 a22
a31 a32
∣∣∣∣Fakultat Grundlagen Matrizenrechnung Folie: 27
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten; Entwicklungssatz
Man berechnet die Determinante einer quadratischen n× n Matrix,in dem man nach einer beliebigen Zeile oder Spalte entwickelt.
Beim Entwickeln wird das Matrixelement aij mit der(n − 1)× (n − 1) Unterdeterminante multipliziert, die durchStreichen der i–ten Zeile und der j–ten Spalte entsteht.Die Unterdeterminanten sind mit einem alternierenden Vorzeichen– Schachbrettregel – zu versehen.∣∣∣∣∣∣∣∣∣a11 a12 · · · a1n
a21 a22 · · · a2n...
.... . .
...an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Determinante
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
Man darf eine Determinante nach jeder Zeile oder Spalte ent-wickeln. (Zeilen bzw. Spalten mit vielen Nullen wahlen!!)
Fakultat Grundlagen Matrizenrechnung Folie: 28
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten; Entwicklungssatz
Man berechnet die Determinante einer quadratischen n× n Matrix,in dem man nach einer beliebigen Zeile oder Spalte entwickelt.Beim Entwickeln wird das Matrixelement aij mit der(n − 1)× (n − 1) Unterdeterminante multipliziert, die durchStreichen der i–ten Zeile und der j–ten Spalte entsteht.
Die Unterdeterminanten sind mit einem alternierenden Vorzeichen– Schachbrettregel – zu versehen.∣∣∣∣∣∣∣∣∣a11 a12 · · · a1n
a21 a22 · · · a2n...
.... . .
...an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Determinante
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
Man darf eine Determinante nach jeder Zeile oder Spalte ent-wickeln. (Zeilen bzw. Spalten mit vielen Nullen wahlen!!)
Fakultat Grundlagen Matrizenrechnung Folie: 28
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten; Entwicklungssatz
Man berechnet die Determinante einer quadratischen n× n Matrix,in dem man nach einer beliebigen Zeile oder Spalte entwickelt.Beim Entwickeln wird das Matrixelement aij mit der(n − 1)× (n − 1) Unterdeterminante multipliziert, die durchStreichen der i–ten Zeile und der j–ten Spalte entsteht.Die Unterdeterminanten sind mit einem alternierenden Vorzeichen– Schachbrettregel – zu versehen.∣∣∣∣∣∣∣∣∣a11 a12 · · · a1n
a21 a22 · · · a2n...
.... . .
...an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Determinante
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
Man darf eine Determinante nach jeder Zeile oder Spalte ent-wickeln. (Zeilen bzw. Spalten mit vielen Nullen wahlen!!)
Fakultat Grundlagen Matrizenrechnung Folie: 28
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten; Entwicklungssatz
Man berechnet die Determinante einer quadratischen n× n Matrix,in dem man nach einer beliebigen Zeile oder Spalte entwickelt.Beim Entwickeln wird das Matrixelement aij mit der(n − 1)× (n − 1) Unterdeterminante multipliziert, die durchStreichen der i–ten Zeile und der j–ten Spalte entsteht.Die Unterdeterminanten sind mit einem alternierenden Vorzeichen– Schachbrettregel – zu versehen.∣∣∣∣∣∣∣∣∣a11 a12 · · · a1n
a21 a22 · · · a2n...
.... . .
...an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Determinante
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
Man darf eine Determinante nach jeder Zeile oder Spalte ent-wickeln. (Zeilen bzw. Spalten mit vielen Nullen wahlen!!)
Fakultat Grundlagen Matrizenrechnung Folie: 28
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten; Entwicklungssatz
Man berechnet die Determinante einer quadratischen n× n Matrix,in dem man nach einer beliebigen Zeile oder Spalte entwickelt.Beim Entwickeln wird das Matrixelement aij mit der(n − 1)× (n − 1) Unterdeterminante multipliziert, die durchStreichen der i–ten Zeile und der j–ten Spalte entsteht.Die Unterdeterminanten sind mit einem alternierenden Vorzeichen– Schachbrettregel – zu versehen.∣∣∣∣∣∣∣∣∣a11 a12 · · · a1n
a21 a22 · · · a2n...
.... . .
...an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Determinante
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
Man darf eine Determinante nach jeder Zeile oder Spalte ent-wickeln. (Zeilen bzw. Spalten mit vielen Nullen wahlen!!)
Fakultat Grundlagen Matrizenrechnung Folie: 28
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten; Entwicklungssatz
Man berechnet die Determinante einer quadratischen n× n Matrix,in dem man nach einer beliebigen Zeile oder Spalte entwickelt.Beim Entwickeln wird das Matrixelement aij mit der(n − 1)× (n − 1) Unterdeterminante multipliziert, die durchStreichen der i–ten Zeile und der j–ten Spalte entsteht.Die Unterdeterminanten sind mit einem alternierenden Vorzeichen– Schachbrettregel – zu versehen.∣∣∣∣∣∣∣∣∣a11 a12 · · · a1n
a21 a22 · · · a2n...
.... . .
...an1 an2 · · · ann
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Determinante
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
⇒
∣∣∣∣∣∣∣∣∣+ − · · · +− + · · · −...
.... . .
...+ − · · · +
∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸Schachbrettmuster
Man darf eine Determinante nach jeder Zeile oder Spalte ent-wickeln. (Zeilen bzw. Spalten mit vielen Nullen wahlen!!)
Fakultat Grundlagen Matrizenrechnung Folie: 28
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Sarrus
Man schreibt die erstenzwei Spalten noch einmalrechts an die Matrix.
|A| =
a11
a21
a31
a12
a22
a32
a13
a23
a33
a11
a21
a31
a12
a22
a32
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p
Die Elemente auf den durchgezogenen Lin-ien werden multipliziert und mit einem ’+’versehen:
+a11a22a33
+a12a23a31
+a13a21a32
Die Elemente auf den punktierten Linienwerden multipliziert und mit einem ’−’versehen:
−a13a22a31
−a11a23a32
−a12a21a33
|A| = a11a22a33 + a12a23a31 + a13a21a32 − a13a22a31 − a11a23a32 − a12a21a33
Die Sarrus-Regel funktioniert nur bei 3× 3-Determinanten!!
Fakultat Grundlagen Matrizenrechnung Folie: 29
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Sarrus
Man schreibt die erstenzwei Spalten noch einmalrechts an die Matrix.
|A| =
a11
a21
a31
a12
a22
a32
a13
a23
a33
a11
a21
a31
a12
a22
a32
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p
Die Elemente auf den durchgezogenen Lin-ien werden multipliziert und mit einem ’+’versehen:
+a11a22a33
+a12a23a31
+a13a21a32
Die Elemente auf den punktierten Linienwerden multipliziert und mit einem ’−’versehen:
−a13a22a31
−a11a23a32
−a12a21a33
|A| = a11a22a33 + a12a23a31 + a13a21a32 − a13a22a31 − a11a23a32 − a12a21a33
Die Sarrus-Regel funktioniert nur bei 3× 3-Determinanten!!
Fakultat Grundlagen Matrizenrechnung Folie: 29
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Sarrus
Man schreibt die erstenzwei Spalten noch einmalrechts an die Matrix.
|A| =
a11
a21
a31
a12
a22
a32
a13
a23
a33
a11
a21
a31
a12
a22
a32
@@ @@ @@
@@ @@ @@
p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p
Die Elemente auf den durchgezogenen Lin-ien werden multipliziert und mit einem ’+’versehen:
+a11a22a33
+a12a23a31
+a13a21a32
Die Elemente auf den punktierten Linienwerden multipliziert und mit einem ’−’versehen:
−a13a22a31
−a11a23a32
−a12a21a33
|A| = a11a22a33 + a12a23a31 + a13a21a32 − a13a22a31 − a11a23a32 − a12a21a33
Die Sarrus-Regel funktioniert nur bei 3× 3-Determinanten!!
Fakultat Grundlagen Matrizenrechnung Folie: 29
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Sarrus
Man schreibt die erstenzwei Spalten noch einmalrechts an die Matrix.
|A| =
a11
a21
a31
a12
a22
a32
a13
a23
a33
a11
a21
a31
a12
a22
a32
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p
Die Elemente auf den durchgezogenen Lin-ien werden multipliziert und mit einem ’+’versehen:
+a11a22a33
+a12a23a31
+a13a21a32
Die Elemente auf den punktierten Linienwerden multipliziert und mit einem ’−’versehen:
−a13a22a31
−a11a23a32
−a12a21a33
|A| = a11a22a33 + a12a23a31 + a13a21a32 − a13a22a31 − a11a23a32 − a12a21a33
Die Sarrus-Regel funktioniert nur bei 3× 3-Determinanten!!
Fakultat Grundlagen Matrizenrechnung Folie: 29
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Sarrus
Man schreibt die erstenzwei Spalten noch einmalrechts an die Matrix.
|A| =
a11
a21
a31
a12
a22
a32
a13
a23
a33
a11
a21
a31
a12
a22
a32
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p
Die Elemente auf den durchgezogenen Lin-ien werden multipliziert und mit einem ’+’versehen:
+a11a22a33
+a12a23a31
+a13a21a32
Die Elemente auf den punktierten Linienwerden multipliziert und mit einem ’−’versehen:
−a13a22a31
−a11a23a32
−a12a21a33
|A| = a11a22a33 + a12a23a31 + a13a21a32 − a13a22a31 − a11a23a32 − a12a21a33
Die Sarrus-Regel funktioniert nur bei 3× 3-Determinanten!!
Fakultat Grundlagen Matrizenrechnung Folie: 29
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Sarrus
Man schreibt die erstenzwei Spalten noch einmalrechts an die Matrix.
|A| =
a11
a21
a31
a12
a22
a32
a13
a23
a33
a11
a21
a31
a12
a22
a32
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p
Die Elemente auf den durchgezogenen Lin-ien werden multipliziert und mit einem ’+’versehen:
+a11a22a33
+a12a23a31
+a13a21a32
Die Elemente auf den punktierten Linienwerden multipliziert und mit einem ’−’versehen:
−a13a22a31
−a11a23a32
−a12a21a33
|A| = a11a22a33 + a12a23a31 + a13a21a32 − a13a22a31 − a11a23a32 − a12a21a33
Die Sarrus-Regel funktioniert nur bei 3× 3-Determinanten!!
Fakultat Grundlagen Matrizenrechnung Folie: 29
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ =
+ 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣
− 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣
+ 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣
= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@
p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p
= 45 + 84 + 96
− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72
= 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Determinanten n=3; Beispiel
Entwicklung nach der erstenZeile unter Beachtung derSchachbrettregel:
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣
+ − +− + −+ − +
∣∣∣∣∣∣
∣∣∣∣∣∣+ − +− + −+ − +
∣∣∣∣∣∣∣∣∣∣∣∣1 2 34 5 67 8 9
∣∣∣∣∣∣ = + 1
∣∣∣∣ 5 68 9
∣∣∣∣ − 2
∣∣∣∣ 4 67 9
∣∣∣∣ + 3
∣∣∣∣ 4 57 8
∣∣∣∣= +1 · (45− 48)−2 · (36− 42)+3 · (32− 35) = 0
Berechnung der Determinante mit der Regel von Sarrus:
|A| =
1
4
7
2
5
8
3
6
9
1
4
7
2
5
8
@@ @@ @@
@@ @@ @@p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p = 45 + 84 + 96− 105− 48− 72 = 0
Fakultat Grundlagen Matrizenrechnung Folie: 30
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Rechenregeln
1 Wenn die Matrix transponiert wird, andert die Determinanteden Wert nicht.
2 Wenn zu einer Zeile (Spalte) das Vielfache einer anderen Zeile(Spalte) addiert wird, andert die Determinante den Wertnicht.
3 Wenn zwei Zeilen (Spalte) vertauscht werden, wechselt dieDeterminante ihr Vorzeichen.
4 Wird eine Zeile (Spalte) mit einem Faktor λ multipliziert, sowird die Determinante ebenfalls mit λ multipliziert.
Zeilen- und Spaltenumformungen sind absolut gleichberechtigt.Ist die Determinante einer Matrix ungleich Null, so kann sieinvertiert werden. Die inverse Matrix kann auch mittelsUnterdeterminanten bestimmt werden. Dies fuhrt jedoch furgroßere Matrizen jedoch zu einem großen Rechenaufwand.
Fakultat Grundlagen Matrizenrechnung Folie: 31
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Rechenregeln
1 Wenn die Matrix transponiert wird, andert die Determinanteden Wert nicht.
2 Wenn zu einer Zeile (Spalte) das Vielfache einer anderen Zeile(Spalte) addiert wird, andert die Determinante den Wertnicht.
3 Wenn zwei Zeilen (Spalte) vertauscht werden, wechselt dieDeterminante ihr Vorzeichen.
4 Wird eine Zeile (Spalte) mit einem Faktor λ multipliziert, sowird die Determinante ebenfalls mit λ multipliziert.
Zeilen- und Spaltenumformungen sind absolut gleichberechtigt.Ist die Determinante einer Matrix ungleich Null, so kann sieinvertiert werden. Die inverse Matrix kann auch mittelsUnterdeterminanten bestimmt werden. Dies fuhrt jedoch furgroßere Matrizen jedoch zu einem großen Rechenaufwand.
Fakultat Grundlagen Matrizenrechnung Folie: 31
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Rechenregeln
1 Wenn die Matrix transponiert wird, andert die Determinanteden Wert nicht.
2 Wenn zu einer Zeile (Spalte) das Vielfache einer anderen Zeile(Spalte) addiert wird, andert die Determinante den Wertnicht.
3 Wenn zwei Zeilen (Spalte) vertauscht werden, wechselt dieDeterminante ihr Vorzeichen.
4 Wird eine Zeile (Spalte) mit einem Faktor λ multipliziert, sowird die Determinante ebenfalls mit λ multipliziert.
Zeilen- und Spaltenumformungen sind absolut gleichberechtigt.Ist die Determinante einer Matrix ungleich Null, so kann sieinvertiert werden. Die inverse Matrix kann auch mittelsUnterdeterminanten bestimmt werden. Dies fuhrt jedoch furgroßere Matrizen jedoch zu einem großen Rechenaufwand.
Fakultat Grundlagen Matrizenrechnung Folie: 31
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Rechenregeln
1 Wenn die Matrix transponiert wird, andert die Determinanteden Wert nicht.
2 Wenn zu einer Zeile (Spalte) das Vielfache einer anderen Zeile(Spalte) addiert wird, andert die Determinante den Wertnicht.
3 Wenn zwei Zeilen (Spalte) vertauscht werden, wechselt dieDeterminante ihr Vorzeichen.
4 Wird eine Zeile (Spalte) mit einem Faktor λ multipliziert, sowird die Determinante ebenfalls mit λ multipliziert.
Zeilen- und Spaltenumformungen sind absolut gleichberechtigt.
Ist die Determinante einer Matrix ungleich Null, so kann sieinvertiert werden. Die inverse Matrix kann auch mittelsUnterdeterminanten bestimmt werden. Dies fuhrt jedoch furgroßere Matrizen jedoch zu einem großen Rechenaufwand.
Fakultat Grundlagen Matrizenrechnung Folie: 31
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Rechenregeln
1 Wenn die Matrix transponiert wird, andert die Determinanteden Wert nicht.
2 Wenn zu einer Zeile (Spalte) das Vielfache einer anderen Zeile(Spalte) addiert wird, andert die Determinante den Wertnicht.
3 Wenn zwei Zeilen (Spalte) vertauscht werden, wechselt dieDeterminante ihr Vorzeichen.
4 Wird eine Zeile (Spalte) mit einem Faktor λ multipliziert, sowird die Determinante ebenfalls mit λ multipliziert.
Zeilen- und Spaltenumformungen sind absolut gleichberechtigt.Ist die Determinante einer Matrix ungleich Null, so kann sieinvertiert werden.
Die inverse Matrix kann auch mittelsUnterdeterminanten bestimmt werden. Dies fuhrt jedoch furgroßere Matrizen jedoch zu einem großen Rechenaufwand.
Fakultat Grundlagen Matrizenrechnung Folie: 31
GrundsatzlichesRechnen mit Matrizen
Anwendungen
MatrizenrechnungDeterminanten
Rechenregeln
1 Wenn die Matrix transponiert wird, andert die Determinanteden Wert nicht.
2 Wenn zu einer Zeile (Spalte) das Vielfache einer anderen Zeile(Spalte) addiert wird, andert die Determinante den Wertnicht.
3 Wenn zwei Zeilen (Spalte) vertauscht werden, wechselt dieDeterminante ihr Vorzeichen.
4 Wird eine Zeile (Spalte) mit einem Faktor λ multipliziert, sowird die Determinante ebenfalls mit λ multipliziert.
Zeilen- und Spaltenumformungen sind absolut gleichberechtigt.Ist die Determinante einer Matrix ungleich Null, so kann sieinvertiert werden. Die inverse Matrix kann auch mittelsUnterdeterminanten bestimmt werden. Dies fuhrt jedoch furgroßere Matrizen jedoch zu einem großen Rechenaufwand.
Fakultat Grundlagen Matrizenrechnung Folie: 31
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand I
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 85 % ihrer Kunden und verliert 5 % an dieFirma B und 10 % an die Firma C .Die Firma B behalt 75 % ihrer Kunden und verliert 15 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,85 0,15 0,05nach B 0,05 0,75 0,05
C 0,1 0,1 0,9
⇔ T =
0, 85 0, 15 0, 050, 05 0, 75 0, 050, 1 0, 1 0, 9
vgl. Folie: 6
Fakultat Grundlagen Matrizenrechnung Folie: 32
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand I
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 85 % ihrer Kunden und verliert 5 % an dieFirma B und 10 % an die Firma C .Die Firma B behalt 75 % ihrer Kunden und verliert 15 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,85 0,15 0,05nach B 0,05 0,75 0,05
C 0,1 0,1 0,9
⇔ T =
0, 85 0, 15 0, 050, 05 0, 75 0, 050, 1 0, 1 0, 9
vgl. Folie: 6
Fakultat Grundlagen Matrizenrechnung Folie: 32
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand I
Eine Wettbewerbsituation fuhre zu folgender Veranderung derMarktanteile:
Die Firma A behalt 85 % ihrer Kunden und verliert 5 % an dieFirma B und 10 % an die Firma C .Die Firma B behalt 75 % ihrer Kunden und verliert 15 % andie Firma A und 10 % an die Firma C .Die Firma C behalt 90 % ihrer Kunden und verliert 5 % an dieFirma A und 5 % an die Firma B .
Das folgende Schema beschreibt das Kundenverhalten:
vonA B C
A 0,85 0,15 0,05nach B 0,05 0,75 0,05
C 0,1 0,1 0,9
⇔ T =
0, 85 0, 15 0, 050, 05 0, 75 0, 050, 1 0, 1 0, 9
vgl. Folie: 6
Fakultat Grundlagen Matrizenrechnung Folie: 32
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞
⇔ (A− E ) · ~x∞ = ~o~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht.
−0.15 0.15 0.05 00.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)��
1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25)
∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.
Mit dem Wert t = 16 erhalten wir
die stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel Gleichgewichtszustand II
Gleichgewichtszustand:~x∞ = A · ~x∞ ⇔ (A− E ) · ~x∞ = ~o
~x∞ =
abc
Gesucht sind nichttriviale Losungen dieses Systems. Man erhalt dieKoeffizientenmatrix dieses linearen Gleichungssystems, indem manvon den Elementen der Hauptdiagonalen den Wert 1 abzieht. −0.15 0.15 0.05 0
0.05 −0.25 0.05 00.1 0.1 −0.1 0
| · 20� ���| · 20| · 10
∼
1 −5 1 0−3 3 1 01 1 −1 0
| · 3�� | · (−1)�� 1 −5 1 00 −12 4 00 6 −2 0
| · 0.5�� | · (−0.25) ∼
1 −5 1 00 3 −1 00 0 0 0
⇒a = 2tb = tc = 3t
Die Losung muss noch so normiertwerden, dass a + b + c = 1 gilt.Mit dem Wert t = 1
6 erhalten wirdie stationare Verteilung der Anteile.
~x∞ =
131612
Fakultat Grundlagen Matrizenrechnung Folie: 33
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Definition
Eine quadratische Matrix A beschreibt eine Abbildung des IRn insich.
~y = A · ~x
Gesucht Vektoren ~x , die auf ein Vielfaches λ~x abgebildet werden.Oder geometrisch formuliert: Gesucht sind diejenigen Vektoren,deren Richtung bei der Abbildung unverandert bleibt.Definition: Eine Zahl λ heißt Eigenwert einer quadratischenMatrix A , wenn die Gleichung
A · ~x = λ~x
einen Losungsvektor ~x 6= ~o besitzt. Ein solcher Vektor heißtEigenvektor der Matrix A zum Eigenwert λ .
Bedingung an λ:
(A− λE ) · ~x = ~o nichttriviale Losung ⇔ |(A− λE )| != 0
Fakultat Grundlagen Matrizenrechnung Folie: 34
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Definition
Eine quadratische Matrix A beschreibt eine Abbildung des IRn insich.
~y = A · ~x
Gesucht Vektoren ~x , die auf ein Vielfaches λ~x abgebildet werden.
Oder geometrisch formuliert: Gesucht sind diejenigen Vektoren,deren Richtung bei der Abbildung unverandert bleibt.Definition: Eine Zahl λ heißt Eigenwert einer quadratischenMatrix A , wenn die Gleichung
A · ~x = λ~x
einen Losungsvektor ~x 6= ~o besitzt. Ein solcher Vektor heißtEigenvektor der Matrix A zum Eigenwert λ .
Bedingung an λ:
(A− λE ) · ~x = ~o nichttriviale Losung ⇔ |(A− λE )| != 0
Fakultat Grundlagen Matrizenrechnung Folie: 34
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Definition
Eine quadratische Matrix A beschreibt eine Abbildung des IRn insich.
~y = A · ~x
Gesucht Vektoren ~x , die auf ein Vielfaches λ~x abgebildet werden.Oder geometrisch formuliert: Gesucht sind diejenigen Vektoren,deren Richtung bei der Abbildung unverandert bleibt.
Definition: Eine Zahl λ heißt Eigenwert einer quadratischenMatrix A , wenn die Gleichung
A · ~x = λ~x
einen Losungsvektor ~x 6= ~o besitzt. Ein solcher Vektor heißtEigenvektor der Matrix A zum Eigenwert λ .
Bedingung an λ:
(A− λE ) · ~x = ~o nichttriviale Losung ⇔ |(A− λE )| != 0
Fakultat Grundlagen Matrizenrechnung Folie: 34
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Definition
Eine quadratische Matrix A beschreibt eine Abbildung des IRn insich.
~y = A · ~x
Gesucht Vektoren ~x , die auf ein Vielfaches λ~x abgebildet werden.Oder geometrisch formuliert: Gesucht sind diejenigen Vektoren,deren Richtung bei der Abbildung unverandert bleibt.Definition: Eine Zahl λ heißt Eigenwert einer quadratischenMatrix A , wenn die Gleichung
A · ~x = λ~x
einen Losungsvektor ~x 6= ~o besitzt. Ein solcher Vektor heißtEigenvektor der Matrix A zum Eigenwert λ .
Bedingung an λ:
(A− λE ) · ~x = ~o nichttriviale Losung ⇔ |(A− λE )| != 0
Fakultat Grundlagen Matrizenrechnung Folie: 34
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Definition
Eine quadratische Matrix A beschreibt eine Abbildung des IRn insich.
~y = A · ~x
Gesucht Vektoren ~x , die auf ein Vielfaches λ~x abgebildet werden.Oder geometrisch formuliert: Gesucht sind diejenigen Vektoren,deren Richtung bei der Abbildung unverandert bleibt.Definition: Eine Zahl λ heißt Eigenwert einer quadratischenMatrix A , wenn die Gleichung
A · ~x = λ~x
einen Losungsvektor ~x 6= ~o besitzt. Ein solcher Vektor heißtEigenvektor der Matrix A zum Eigenwert λ .
Bedingung an λ:
(A− λE ) · ~x = ~o nichttriviale Losung ⇔ |(A− λE )| != 0
Fakultat Grundlagen Matrizenrechnung Folie: 34
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Definition
Eine quadratische Matrix A beschreibt eine Abbildung des IRn insich.
~y = A · ~x
Gesucht Vektoren ~x , die auf ein Vielfaches λ~x abgebildet werden.Oder geometrisch formuliert: Gesucht sind diejenigen Vektoren,deren Richtung bei der Abbildung unverandert bleibt.Definition: Eine Zahl λ heißt Eigenwert einer quadratischenMatrix A , wenn die Gleichung
A · ~x = λ~x
einen Losungsvektor ~x 6= ~o besitzt. Ein solcher Vektor heißtEigenvektor der Matrix A zum Eigenwert λ .
Bedingung an λ:
(A− λE ) · ~x = ~o nichttriviale Losung ⇔ |(A− λE )| != 0
Fakultat Grundlagen Matrizenrechnung Folie: 34
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
)
A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)
∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0
λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :
(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
)
~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)
Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :
(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
)
~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)
Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .
Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Eigenwerte; Beispiel
A =
(2 −1−1 2
) A− λE =
(2− λ −1−1 2− λ
)∣∣∣∣ 2− λ −1−1 2− λ
∣∣∣∣ = (2− λ)2 − 1!
= 0 λ1 = 1λ2 = 3
Eigenvektor zum Eigenwert λ1 = 1 :(1 −1−1 1
)·(
x1
x2
)=
(00
) ~a1 =
(11
)Eigenvektor zum Eigenwert λ2 = 3 :(−1 −1−1 −1
)·(
x1
x2
)=
(00
) ~a2 =
(−11
)Hinweis: Zu jedem Eigenwert ist nur ein Eigenvektor angegeben.Das Vielfache t · ~ai ist ebenfalls ein Eigenvektor zum Eigenwert λi .Bei symmetrischen Matrizen sind die Eigenvektoren paarweiseorthogonal.
Fakultat Grundlagen Matrizenrechnung Folie: 35
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Matrizenform eines linearen Gleichungssystems
a11x1+ a12x2+ a13x3+. . .+ a1nxn = b1
a21x1+ a22x2+ a23x3+. . .+ a2nxn = b2...
......
am1x1+am2x2+am3x3+. . .+amnxn = bm
⇔ A · ~x = ~b
mit: A =
a11 . . . a1n...
...am1 . . . amn
; ~x =
x1...xn
, ~b =
b1...bm
,
Interpretieren wir die Matrix A als Abbildung des n-dimensionalenVektorraums IRn in den m-dimensionalen Vektorraum IRm, so lasstsich ein lineares Gleichungssystem wie folgt deuten: Beivorgegebenem Bildvektor ~b ∈ IRm sucht man das Urbild ~x ∈ IRn.Ist die Matrix quadratisch (m = n) und besitzt sie eine inverseMatrix A−1, so ergibt sich die eindeutige Losung
~x = A−1~b.
Fakultat Grundlagen Matrizenrechnung Folie: 36
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Matrizenform eines linearen Gleichungssystems
a11x1+ a12x2+ a13x3+. . .+ a1nxn = b1
a21x1+ a22x2+ a23x3+. . .+ a2nxn = b2...
......
am1x1+am2x2+am3x3+. . .+amnxn = bm
⇔ A · ~x = ~b
mit: A =
a11 . . . a1n...
...am1 . . . amn
; ~x =
x1...xn
, ~b =
b1...bm
,
Interpretieren wir die Matrix A als Abbildung des n-dimensionalenVektorraums IRn in den m-dimensionalen Vektorraum IRm, so lasstsich ein lineares Gleichungssystem wie folgt deuten: Beivorgegebenem Bildvektor ~b ∈ IRm sucht man das Urbild ~x ∈ IRn.Ist die Matrix quadratisch (m = n) und besitzt sie eine inverseMatrix A−1, so ergibt sich die eindeutige Losung
~x = A−1~b.
Fakultat Grundlagen Matrizenrechnung Folie: 36
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Matrizenform eines linearen Gleichungssystems
a11x1+ a12x2+ a13x3+. . .+ a1nxn = b1
a21x1+ a22x2+ a23x3+. . .+ a2nxn = b2...
......
am1x1+am2x2+am3x3+. . .+amnxn = bm
⇔ A · ~x = ~b
mit: A =
a11 . . . a1n...
...am1 . . . amn
; ~x =
x1...xn
, ~b =
b1...bm
,
Interpretieren wir die Matrix A als Abbildung des n-dimensionalenVektorraums IRn in den m-dimensionalen Vektorraum IRm, so lasstsich ein lineares Gleichungssystem wie folgt deuten:
Beivorgegebenem Bildvektor ~b ∈ IRm sucht man das Urbild ~x ∈ IRn.Ist die Matrix quadratisch (m = n) und besitzt sie eine inverseMatrix A−1, so ergibt sich die eindeutige Losung
~x = A−1~b.
Fakultat Grundlagen Matrizenrechnung Folie: 36
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Matrizenform eines linearen Gleichungssystems
a11x1+ a12x2+ a13x3+. . .+ a1nxn = b1
a21x1+ a22x2+ a23x3+. . .+ a2nxn = b2...
......
am1x1+am2x2+am3x3+. . .+amnxn = bm
⇔ A · ~x = ~b
mit: A =
a11 . . . a1n...
...am1 . . . amn
; ~x =
x1...xn
, ~b =
b1...bm
,
Interpretieren wir die Matrix A als Abbildung des n-dimensionalenVektorraums IRn in den m-dimensionalen Vektorraum IRm, so lasstsich ein lineares Gleichungssystem wie folgt deuten: Beivorgegebenem Bildvektor ~b ∈ IRm sucht man das Urbild ~x ∈ IRn.
Ist die Matrix quadratisch (m = n) und besitzt sie eine inverseMatrix A−1, so ergibt sich die eindeutige Losung
~x = A−1~b.
Fakultat Grundlagen Matrizenrechnung Folie: 36
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Matrizenform eines linearen Gleichungssystems
a11x1+ a12x2+ a13x3+. . .+ a1nxn = b1
a21x1+ a22x2+ a23x3+. . .+ a2nxn = b2...
......
am1x1+am2x2+am3x3+. . .+amnxn = bm
⇔ A · ~x = ~b
mit: A =
a11 . . . a1n...
...am1 . . . amn
; ~x =
x1...xn
, ~b =
b1...bm
,
Interpretieren wir die Matrix A als Abbildung des n-dimensionalenVektorraums IRn in den m-dimensionalen Vektorraum IRm, so lasstsich ein lineares Gleichungssystem wie folgt deuten: Beivorgegebenem Bildvektor ~b ∈ IRm sucht man das Urbild ~x ∈ IRn.Ist die Matrix quadratisch (m = n) und besitzt sie eine inverseMatrix A−1, so ergibt sich die eindeutige Losung
~x = A−1~b.Fakultat Grundlagen Matrizenrechnung Folie: 36
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung quadratischer linearer Gleichungssysteme
Das Gleichungssystem besitzt genau dann eine eindeutige Losung~x , wenn A eine inverse Matrix besitzt.
Dies wiederum ist aquivalent dazu, dass die Determinante von A
nicht verschwindet: |A| 6= 0.∣∣A∣∣ 6= 0 ⇔ Gleichungssystem ist eindeutig losbar;∣∣A∣∣ = 0 ⇔ Gleichungssystem hat keine Losungoder unendlich viele Losungen.
Zur Berechnung der Losung gibt es im Fall∣∣A∣∣ 6= 0 zum
Gaußschen Algorithmus einen alternativen Losungsweg mittelsDeterminanten, die so genannte Cramersche Regel.Fur großere Gleichungssysteme fuhrt diese Regel zu einem großenRechenaufwand und ist numerisch instabil.
Fakultat Grundlagen Matrizenrechnung Folie: 37
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung quadratischer linearer Gleichungssysteme
Das Gleichungssystem besitzt genau dann eine eindeutige Losung~x , wenn A eine inverse Matrix besitzt.Dies wiederum ist aquivalent dazu, dass die Determinante von A
nicht verschwindet: |A| 6= 0.
∣∣A∣∣ 6= 0 ⇔ Gleichungssystem ist eindeutig losbar;∣∣A∣∣ = 0 ⇔ Gleichungssystem hat keine Losungoder unendlich viele Losungen.
Zur Berechnung der Losung gibt es im Fall∣∣A∣∣ 6= 0 zum
Gaußschen Algorithmus einen alternativen Losungsweg mittelsDeterminanten, die so genannte Cramersche Regel.Fur großere Gleichungssysteme fuhrt diese Regel zu einem großenRechenaufwand und ist numerisch instabil.
Fakultat Grundlagen Matrizenrechnung Folie: 37
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung quadratischer linearer Gleichungssysteme
Das Gleichungssystem besitzt genau dann eine eindeutige Losung~x , wenn A eine inverse Matrix besitzt.Dies wiederum ist aquivalent dazu, dass die Determinante von A
nicht verschwindet: |A| 6= 0.∣∣A∣∣ 6= 0 ⇔ Gleichungssystem ist eindeutig losbar;∣∣A∣∣ = 0 ⇔ Gleichungssystem hat keine Losungoder unendlich viele Losungen.
Zur Berechnung der Losung gibt es im Fall∣∣A∣∣ 6= 0 zum
Gaußschen Algorithmus einen alternativen Losungsweg mittelsDeterminanten, die so genannte Cramersche Regel.Fur großere Gleichungssysteme fuhrt diese Regel zu einem großenRechenaufwand und ist numerisch instabil.
Fakultat Grundlagen Matrizenrechnung Folie: 37
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung quadratischer linearer Gleichungssysteme
Das Gleichungssystem besitzt genau dann eine eindeutige Losung~x , wenn A eine inverse Matrix besitzt.Dies wiederum ist aquivalent dazu, dass die Determinante von A
nicht verschwindet: |A| 6= 0.∣∣A∣∣ 6= 0 ⇔ Gleichungssystem ist eindeutig losbar;∣∣A∣∣ = 0 ⇔ Gleichungssystem hat keine Losungoder unendlich viele Losungen.
Zur Berechnung der Losung gibt es im Fall∣∣A∣∣ 6= 0 zum
Gaußschen Algorithmus einen alternativen Losungsweg mittelsDeterminanten, die so genannte Cramersche Regel.
Fur großere Gleichungssysteme fuhrt diese Regel zu einem großenRechenaufwand und ist numerisch instabil.
Fakultat Grundlagen Matrizenrechnung Folie: 37
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung quadratischer linearer Gleichungssysteme
Das Gleichungssystem besitzt genau dann eine eindeutige Losung~x , wenn A eine inverse Matrix besitzt.Dies wiederum ist aquivalent dazu, dass die Determinante von A
nicht verschwindet: |A| 6= 0.∣∣A∣∣ 6= 0 ⇔ Gleichungssystem ist eindeutig losbar;∣∣A∣∣ = 0 ⇔ Gleichungssystem hat keine Losungoder unendlich viele Losungen.
Zur Berechnung der Losung gibt es im Fall∣∣A∣∣ 6= 0 zum
Gaußschen Algorithmus einen alternativen Losungsweg mittelsDeterminanten, die so genannte Cramersche Regel.Fur großere Gleichungssysteme fuhrt diese Regel zu einem großenRechenaufwand und ist numerisch instabil.
Fakultat Grundlagen Matrizenrechnung Folie: 37
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)
hat genau dann eine eindeutige Losung, wenn die Determinanteder Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ , x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3 , x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)hat genau dann eine eindeutige Losung, wenn die Determinante
der Koeffizientenmatrix nicht Null ist.
Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ , x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3 , x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)hat genau dann eine eindeutige Losung, wenn die Determinante
der Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ , x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3 , x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)hat genau dann eine eindeutige Losung, wenn die Determinante
der Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ ,
x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3 , x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)hat genau dann eine eindeutige Losung, wenn die Determinante
der Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ , x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .
x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3 , x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)hat genau dann eine eindeutige Losung, wenn die Determinante
der Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ , x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3 , x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)hat genau dann eine eindeutige Losung, wenn die Determinante
der Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ , x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3
, x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 2× 2-Matrizen
Das lineare Gleichungssystem(a11 a12
a21 a22
)·(
x1
x2
)=
(b1
b2
)hat genau dann eine eindeutige Losung, wenn die Determinante
der Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣ b1 a12
b2 a22
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ , x2 =
∣∣∣∣ a11 b1
a21 b2
∣∣∣∣∣∣∣∣ a11 a12
a21 a22
∣∣∣∣ .x1 + x2 = 7−2x1 + 3x2 = 6
; x1 =
∣∣∣∣∣ 7 16 3
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 15
5 = 3 , x2 =
∣∣∣∣∣ 1 7−2 6
∣∣∣∣∣∣∣∣∣∣ 1 1−2 3
∣∣∣∣∣= 20
5 = 4 .
Fakultat Grundlagen Matrizenrechnung Folie: 38
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 3× 3-Matrizen
Das lineare Gleichungssystem a11 a12 a13
a21 a22 a23
a31 a32 a33
· x1
x2
x3
=
b1
b2
b3
hat genau dann eine eindeutige Losung, wenn die Determinanteder Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣∣∣∣∣b1 a12 a13
b2 a22 a23
b3 a32 a33
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣, x2 =
∣∣∣∣∣∣∣∣a11 b1 a13
a21 b2 a23
a31 b3 a33
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣, x3 =
∣∣∣∣∣∣∣∣a11 a12 b1
a21 a22 b2
a31 a32 b3
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣.
Fakultat Grundlagen Matrizenrechnung Folie: 39
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 3× 3-Matrizen
Das lineare Gleichungssystem a11 a12 a13
a21 a22 a23
a31 a32 a33
· x1
x2
x3
=
b1
b2
b3
hat genau dann eine eindeutige Losung, wenn die Determinanteder Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣∣∣∣∣b1 a12 a13
b2 a22 a23
b3 a32 a33
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣, x2 =
∣∣∣∣∣∣∣∣a11 b1 a13
a21 b2 a23
a31 b3 a33
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣, x3 =
∣∣∣∣∣∣∣∣a11 a12 b1
a21 a22 b2
a31 a32 b3
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣.
Fakultat Grundlagen Matrizenrechnung Folie: 39
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Cramersche Regel fur 3× 3-Matrizen
Das lineare Gleichungssystem a11 a12 a13
a21 a22 a23
a31 a32 a33
· x1
x2
x3
=
b1
b2
b3
hat genau dann eine eindeutige Losung, wenn die Determinanteder Koeffizientenmatrix nicht Null ist. Cramersche Regel:
x1 =
∣∣∣∣∣∣∣∣b1 a12 a13
b2 a22 a23
b3 a32 a33
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣, x2 =
∣∣∣∣∣∣∣∣a11 b1 a13
a21 b2 a23
a31 b3 a33
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣, x3 =
∣∣∣∣∣∣∣∣a11 a12 b1
a21 a22 b2
a31 a32 b3
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣a11 a12 a13
a21 a22 a23
a31 a32 a33
∣∣∣∣∣∣∣∣.
Fakultat Grundlagen Matrizenrechnung Folie: 39
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beispiel
Beispiel: Die Abstande von vier Punkten auf einer Geraden sollenbestimmt werden.
x1︷ ︸︸ ︷ x2︷ ︸︸ ︷ x3︷ ︸︸ ︷A B C D
Zur Bestimmung dieser drei Abstande sind eigentlich nur dreiMessungen notwendig. Wenn wir aber mit Messfehlern rechnen, istes naheliegend, nicht nur die Strecken AB, BC und CD zu messen,sondern auch noch zusatzlich als Kontrollmessung die Abstandevon AC , AD und BD zu bestimmen. Dahinter steht die Hoffung,dass sich ein Teil der Messfehler
”rausmittelt“.
Insgesamt erhalten wir das folgende lineare Gleichungssystem.
x1 = 1.1x1 + x2 = 3.1x1 + x2 + x3 = 6.0
x2 = 1.9x2 + x3 = 4.9
x3 = 3.2
⇐⇒ A · x = d
Fakultat Grundlagen Matrizenrechnung Folie: 40
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beispiel
Beispiel: Die Abstande von vier Punkten auf einer Geraden sollenbestimmt werden.
x1︷ ︸︸ ︷ x2︷ ︸︸ ︷ x3︷ ︸︸ ︷A B C D
Zur Bestimmung dieser drei Abstande sind eigentlich nur dreiMessungen notwendig. Wenn wir aber mit Messfehlern rechnen, istes naheliegend, nicht nur die Strecken AB, BC und CD zu messen,sondern auch noch zusatzlich als Kontrollmessung die Abstandevon AC , AD und BD zu bestimmen. Dahinter steht die Hoffung,dass sich ein Teil der Messfehler
”rausmittelt“.
Insgesamt erhalten wir das folgende lineare Gleichungssystem.
x1 = 1.1x1 + x2 = 3.1x1 + x2 + x3 = 6.0
x2 = 1.9x2 + x3 = 4.9
x3 = 3.2
⇐⇒ A · x = d
Fakultat Grundlagen Matrizenrechnung Folie: 40
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beispiel
Beispiel: Die Abstande von vier Punkten auf einer Geraden sollenbestimmt werden.
x1︷ ︸︸ ︷ x2︷ ︸︸ ︷ x3︷ ︸︸ ︷A B C D
Zur Bestimmung dieser drei Abstande sind eigentlich nur dreiMessungen notwendig. Wenn wir aber mit Messfehlern rechnen, istes naheliegend, nicht nur die Strecken AB, BC und CD zu messen,sondern auch noch zusatzlich als Kontrollmessung die Abstandevon AC , AD und BD zu bestimmen. Dahinter steht die Hoffung,dass sich ein Teil der Messfehler
”rausmittelt“.
Insgesamt erhalten wir das folgende lineare Gleichungssystem.
x1 = 1.1x1 + x2 = 3.1x1 + x2 + x3 = 6.0
x2 = 1.9x2 + x3 = 4.9
x3 = 3.2
⇐⇒ A · x = d
Fakultat Grundlagen Matrizenrechnung Folie: 40
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beispiel
Beispiel: Die Abstande von vier Punkten auf einer Geraden sollenbestimmt werden.
x1︷ ︸︸ ︷ x2︷ ︸︸ ︷ x3︷ ︸︸ ︷A B C D
Zur Bestimmung dieser drei Abstande sind eigentlich nur dreiMessungen notwendig. Wenn wir aber mit Messfehlern rechnen, istes naheliegend, nicht nur die Strecken AB, BC und CD zu messen,sondern auch noch zusatzlich als Kontrollmessung die Abstandevon AC , AD und BD zu bestimmen. Dahinter steht die Hoffung,dass sich ein Teil der Messfehler
”rausmittelt“.
Insgesamt erhalten wir das folgende lineare Gleichungssystem.
x1 = 1.1x1 + x2 = 3.1x1 + x2 + x3 = 6.0
x2 = 1.9x2 + x3 = 4.9
x3 = 3.2
⇐⇒ A · x = d
Fakultat Grundlagen Matrizenrechnung Folie: 40
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beispiel
Beispiel: Die Abstande von vier Punkten auf einer Geraden sollenbestimmt werden.
x1︷ ︸︸ ︷ x2︷ ︸︸ ︷ x3︷ ︸︸ ︷A B C D
Zur Bestimmung dieser drei Abstande sind eigentlich nur dreiMessungen notwendig. Wenn wir aber mit Messfehlern rechnen, istes naheliegend, nicht nur die Strecken AB, BC und CD zu messen,sondern auch noch zusatzlich als Kontrollmessung die Abstandevon AC , AD und BD zu bestimmen. Dahinter steht die Hoffung,dass sich ein Teil der Messfehler
”rausmittelt“.
Insgesamt erhalten wir das folgende lineare Gleichungssystem.
x1 = 1.1x1 + x2 = 3.1x1 + x2 + x3 = 6.0
x2 = 1.9x2 + x3 = 4.9
x3 = 3.2
⇐⇒ A · x = d
Fakultat Grundlagen Matrizenrechnung Folie: 40
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Problemstellung
Dieses lineare Gleichungssystem A · x = d
ist nicht exakt losbar. Je nach Wahl von x entsteht ein Fehler r .
r = A · x − d
Wir wollen nun eine”Losung“ x bestimmen, so dass der
Fehlervektor r moglichst klein wird.Als Maß fur die Beurteilung des Fehlers benutzen wir:
| r |2 = r21 + r2
2 + . . . + r2m
!= Min
(Bei der Beurteilung von Abweichungen, Soll-Ist-Vergleichen, Messfehlern etc. wird
stets die Summe der Fehlerquadrate benutzt.)
Fur zwei Variable x1, x2 wollen wir die Beziehungen zurBestimmung der ausgeglichenen Losung explizit herleiten.
Fakultat Grundlagen Matrizenrechnung Folie: 41
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Problemstellung
Dieses lineare Gleichungssystem A · x = d
ist nicht exakt losbar. Je nach Wahl von x entsteht ein Fehler r .
r = A · x − d
Wir wollen nun eine”Losung“ x bestimmen, so dass der
Fehlervektor r moglichst klein wird.
Als Maß fur die Beurteilung des Fehlers benutzen wir:
| r |2 = r21 + r2
2 + . . . + r2m
!= Min
(Bei der Beurteilung von Abweichungen, Soll-Ist-Vergleichen, Messfehlern etc. wird
stets die Summe der Fehlerquadrate benutzt.)
Fur zwei Variable x1, x2 wollen wir die Beziehungen zurBestimmung der ausgeglichenen Losung explizit herleiten.
Fakultat Grundlagen Matrizenrechnung Folie: 41
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Problemstellung
Dieses lineare Gleichungssystem A · x = d
ist nicht exakt losbar. Je nach Wahl von x entsteht ein Fehler r .
r = A · x − d
Wir wollen nun eine”Losung“ x bestimmen, so dass der
Fehlervektor r moglichst klein wird.Als Maß fur die Beurteilung des Fehlers benutzen wir:
| r |2 = r21 + r2
2 + . . . + r2m
!= Min
(Bei der Beurteilung von Abweichungen, Soll-Ist-Vergleichen, Messfehlern etc. wird
stets die Summe der Fehlerquadrate benutzt.)
Fur zwei Variable x1, x2 wollen wir die Beziehungen zurBestimmung der ausgeglichenen Losung explizit herleiten.
Fakultat Grundlagen Matrizenrechnung Folie: 41
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Problemstellung
Dieses lineare Gleichungssystem A · x = d
ist nicht exakt losbar. Je nach Wahl von x entsteht ein Fehler r .
r = A · x − d
Wir wollen nun eine”Losung“ x bestimmen, so dass der
Fehlervektor r moglichst klein wird.Als Maß fur die Beurteilung des Fehlers benutzen wir:
| r |2 = r21 + r2
2 + . . . + r2m
!= Min
(Bei der Beurteilung von Abweichungen, Soll-Ist-Vergleichen, Messfehlern etc. wird
stets die Summe der Fehlerquadrate benutzt.)
Fur zwei Variable x1, x2 wollen wir die Beziehungen zurBestimmung der ausgeglichenen Losung explizit herleiten.
Fakultat Grundlagen Matrizenrechnung Folie: 41
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Problemstellung
Dieses lineare Gleichungssystem A · x = d
ist nicht exakt losbar. Je nach Wahl von x entsteht ein Fehler r .
r = A · x − d
Wir wollen nun eine”Losung“ x bestimmen, so dass der
Fehlervektor r moglichst klein wird.Als Maß fur die Beurteilung des Fehlers benutzen wir:
| r |2 = r21 + r2
2 + . . . + r2m
!= Min
(Bei der Beurteilung von Abweichungen, Soll-Ist-Vergleichen, Messfehlern etc. wird
stets die Summe der Fehlerquadrate benutzt.)
Fur zwei Variable x1, x2 wollen wir die Beziehungen zurBestimmung der ausgeglichenen Losung explizit herleiten.
Fakultat Grundlagen Matrizenrechnung Folie: 41
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze Ir1r2...rm
=
a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)−
d1
d2...dm
.
Das Fehlerquadrat fur die ite Komponente ergibt sich zu
ri = ai1 · x1 + ai2 · x2 − di r2i = (ai1 · x1 + ai2 · x2 − di )
2 .
Die Summe der Fehlerquadrate ist eine Funktion von x1, x2.
f (x1, x2) =m∑i=1
r2i =
m∑i=1
(ai1 · x1 + ai2 · x2 − di )2
Dies ist eine quadratische Funktion von x1, x2 und hat die Gestalteines Paraboloids.Zur Bestimmung des Minimums mussen wir die ersten partiellenAbleitungen Null setzen.
Fakultat Grundlagen Matrizenrechnung Folie: 42
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze Ir1r2...rm
=
a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)−
d1
d2...dm
.
Das Fehlerquadrat fur die ite Komponente ergibt sich zu
ri = ai1 · x1 + ai2 · x2 − di
r2i = (ai1 · x1 + ai2 · x2 − di )
2 .
Die Summe der Fehlerquadrate ist eine Funktion von x1, x2.
f (x1, x2) =m∑i=1
r2i =
m∑i=1
(ai1 · x1 + ai2 · x2 − di )2
Dies ist eine quadratische Funktion von x1, x2 und hat die Gestalteines Paraboloids.Zur Bestimmung des Minimums mussen wir die ersten partiellenAbleitungen Null setzen.
Fakultat Grundlagen Matrizenrechnung Folie: 42
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze Ir1r2...rm
=
a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)−
d1
d2...dm
.
Das Fehlerquadrat fur die ite Komponente ergibt sich zu
ri = ai1 · x1 + ai2 · x2 − di r2i = (ai1 · x1 + ai2 · x2 − di )
2 .
Die Summe der Fehlerquadrate ist eine Funktion von x1, x2.
f (x1, x2) =m∑i=1
r2i =
m∑i=1
(ai1 · x1 + ai2 · x2 − di )2
Dies ist eine quadratische Funktion von x1, x2 und hat die Gestalteines Paraboloids.Zur Bestimmung des Minimums mussen wir die ersten partiellenAbleitungen Null setzen.
Fakultat Grundlagen Matrizenrechnung Folie: 42
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze Ir1r2...rm
=
a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)−
d1
d2...dm
.
Das Fehlerquadrat fur die ite Komponente ergibt sich zu
ri = ai1 · x1 + ai2 · x2 − di r2i = (ai1 · x1 + ai2 · x2 − di )
2 .
Die Summe der Fehlerquadrate ist eine Funktion von x1, x2.
f (x1, x2) =m∑i=1
r2i =
m∑i=1
(ai1 · x1 + ai2 · x2 − di )2
Dies ist eine quadratische Funktion von x1, x2 und hat die Gestalteines Paraboloids.Zur Bestimmung des Minimums mussen wir die ersten partiellenAbleitungen Null setzen.
Fakultat Grundlagen Matrizenrechnung Folie: 42
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze Ir1r2...rm
=
a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)−
d1
d2...dm
.
Das Fehlerquadrat fur die ite Komponente ergibt sich zu
ri = ai1 · x1 + ai2 · x2 − di r2i = (ai1 · x1 + ai2 · x2 − di )
2 .
Die Summe der Fehlerquadrate ist eine Funktion von x1, x2.
f (x1, x2) =m∑i=1
r2i =
m∑i=1
(ai1 · x1 + ai2 · x2 − di )2
Dies ist eine quadratische Funktion von x1, x2 und hat die Gestalteines Paraboloids.
Zur Bestimmung des Minimums mussen wir die ersten partiellenAbleitungen Null setzen.
Fakultat Grundlagen Matrizenrechnung Folie: 42
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze Ir1r2...rm
=
a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)−
d1
d2...dm
.
Das Fehlerquadrat fur die ite Komponente ergibt sich zu
ri = ai1 · x1 + ai2 · x2 − di r2i = (ai1 · x1 + ai2 · x2 − di )
2 .
Die Summe der Fehlerquadrate ist eine Funktion von x1, x2.
f (x1, x2) =m∑i=1
r2i =
m∑i=1
(ai1 · x1 + ai2 · x2 − di )2
Dies ist eine quadratische Funktion von x1, x2 und hat die Gestalteines Paraboloids.Zur Bestimmung des Minimums mussen wir die ersten partiellenAbleitungen Null setzen.
Fakultat Grundlagen Matrizenrechnung Folie: 42
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze II
∂∂x1
f (x1, x2) =m∑i=1
2 (ai1 · x1 + ai2 · x2 − di ) · ai1
= 2
{m∑i=1
ai1 · ai1 · x1 +m∑i=1
ai1 · ai2 · x2 −m∑i=1
ai1 · di}
= 2
{x1 ·
m∑i=1
ai1 · ai1 + x2 ·m∑i=1
ai1 · ai2 −m∑i=1
ai1 · di}
Analog erhalten wir fur die zweite partielle Ableitung
∂∂x2
f (x1, x2) = 2
{x1 ·
m∑i=1
ai2 · ai1 + x2 ·m∑i=1
ai2 · ai2 −m∑i=1
ai2 · di}
Fakultat Grundlagen Matrizenrechnung Folie: 43
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze II
∂∂x1
f (x1, x2) =m∑i=1
2 (ai1 · x1 + ai2 · x2 − di ) · ai1
= 2
{m∑i=1
ai1 · ai1 · x1 +m∑i=1
ai1 · ai2 · x2 −m∑i=1
ai1 · di}
= 2
{x1 ·
m∑i=1
ai1 · ai1 + x2 ·m∑i=1
ai1 · ai2 −m∑i=1
ai1 · di}
Analog erhalten wir fur die zweite partielle Ableitung
∂∂x2
f (x1, x2) = 2
{x1 ·
m∑i=1
ai2 · ai1 + x2 ·m∑i=1
ai2 · ai2 −m∑i=1
ai2 · di}
Fakultat Grundlagen Matrizenrechnung Folie: 43
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze II
∂∂x1
f (x1, x2) =m∑i=1
2 (ai1 · x1 + ai2 · x2 − di ) · ai1
= 2
{m∑i=1
ai1 · ai1 · x1 +m∑i=1
ai1 · ai2 · x2 −m∑i=1
ai1 · di}
= 2
{x1 ·
m∑i=1
ai1 · ai1 + x2 ·m∑i=1
ai1 · ai2 −m∑i=1
ai1 · di}
Analog erhalten wir fur die zweite partielle Ableitung
∂∂x2
f (x1, x2) = 2
{x1 ·
m∑i=1
ai2 · ai1 + x2 ·m∑i=1
ai2 · ai2 −m∑i=1
ai2 · di}
Fakultat Grundlagen Matrizenrechnung Folie: 43
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze II
∂∂x1
f (x1, x2) =m∑i=1
2 (ai1 · x1 + ai2 · x2 − di ) · ai1
= 2
{m∑i=1
ai1 · ai1 · x1 +m∑i=1
ai1 · ai2 · x2 −m∑i=1
ai1 · di}
= 2
{x1 ·
m∑i=1
ai1 · ai1 + x2 ·m∑i=1
ai1 · ai2 −m∑i=1
ai1 · di}
Analog erhalten wir fur die zweite partielle Ableitung
∂∂x2
f (x1, x2) = 2
{x1 ·
m∑i=1
ai2 · ai1 + x2 ·m∑i=1
ai2 · ai2 −m∑i=1
ai2 · di}
Fakultat Grundlagen Matrizenrechnung Folie: 43
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze III
Aus den Bedingungen
∂∂x1
f (x1, x2) = 0
∂∂x2
f (x1, x2) = 0
erhalten wir das lineare Gleichungssystem fur x1, x2 :
x1 ·{
m∑i=1
ai1 · ai1}
+ x2 ·{
m∑i=1
ai1 · ai2}
=m∑i=1
ai1 · di
x1 ·{
m∑i=1
ai2 · ai1}
+ x2 ·{
m∑i=1
ai2 · ai2}
=m∑i=1
ai2 · di
bekannt unbekannt
Fakultat Grundlagen Matrizenrechnung Folie: 44
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze III
Aus den Bedingungen
∂∂x1
f (x1, x2) = 0
∂∂x2
f (x1, x2) = 0
erhalten wir das lineare Gleichungssystem fur x1, x2 :
x1 ·{
m∑i=1
ai1 · ai1}
+ x2 ·{
m∑i=1
ai1 · ai2}
=m∑i=1
ai1 · di
x1 ·{
m∑i=1
ai2 · ai1}
+ x2 ·{
m∑i=1
ai2 · ai2}
=m∑i=1
ai2 · di
bekannt unbekannt
Fakultat Grundlagen Matrizenrechnung Folie: 44
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Beweisskizze III
Aus den Bedingungen
∂∂x1
f (x1, x2) = 0
∂∂x2
f (x1, x2) = 0
erhalten wir das lineare Gleichungssystem fur x1, x2 :
x1 ·{
m∑i=1
ai1 · ai1}
+ x2 ·{
m∑i=1
ai1 · ai2}
=m∑i=1
ai1 · di
x1 ·{
m∑i=1
ai2 · ai1}
+ x2 ·{
m∑i=1
ai2 · ai2}
=m∑i=1
ai2 · di
bekannt unbekannt
Fakultat Grundlagen Matrizenrechnung Folie: 44
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung
Ubersichtliche Darstellung des LGS mit Skalarprodukten.a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)=
d1
d2...dm
︸︷︷︸a1
︸︷︷︸a2
︸︷︷︸d
ergibt:
x1 · (a1 · a1) + x2 · (a1 · a2) = a1 · d
x1 · (a2 · a1) + x2 · (a2 · a2) = a2 · d
Prinzip:uberbestimmtes LGS Normalengleichung
A · x = dA
T ·=⇒ AT · A · x = AT · d
Gultig fur m Gleichungen in n Unbekannten (n < m)
Fakultat Grundlagen Matrizenrechnung Folie: 45
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung
Ubersichtliche Darstellung des LGS mit Skalarprodukten.a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)=
d1
d2...dm
︸︷︷︸a1
︸︷︷︸a2
︸︷︷︸d
ergibt:
x1 · (a1 · a1) + x2 · (a1 · a2) = a1 · d
x1 · (a2 · a1) + x2 · (a2 · a2) = a2 · d
Prinzip:uberbestimmtes LGS Normalengleichung
A · x = dA
T ·=⇒ AT · A · x = AT · d
Gultig fur m Gleichungen in n Unbekannten (n < m)
Fakultat Grundlagen Matrizenrechnung Folie: 45
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung
Ubersichtliche Darstellung des LGS mit Skalarprodukten.a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)=
d1
d2...dm
︸︷︷︸a1
︸︷︷︸a2
︸︷︷︸d
ergibt:
x1 · (a1 · a1) + x2 · (a1 · a2) = a1 · d
x1 · (a2 · a1) + x2 · (a2 · a2) = a2 · d
Prinzip:
uberbestimmtes LGS Normalengleichung
A · x = dA
T ·=⇒ AT · A · x = AT · d
Gultig fur m Gleichungen in n Unbekannten (n < m)
Fakultat Grundlagen Matrizenrechnung Folie: 45
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung
Ubersichtliche Darstellung des LGS mit Skalarprodukten.a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)=
d1
d2...dm
︸︷︷︸a1
︸︷︷︸a2
︸︷︷︸d
ergibt:
x1 · (a1 · a1) + x2 · (a1 · a2) = a1 · d
x1 · (a2 · a1) + x2 · (a2 · a2) = a2 · d
Prinzip:uberbestimmtes LGS
Normalengleichung
A · x = d
AT ·
=⇒ AT · A · x = AT · d
Gultig fur m Gleichungen in n Unbekannten (n < m)
Fakultat Grundlagen Matrizenrechnung Folie: 45
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung
Ubersichtliche Darstellung des LGS mit Skalarprodukten.a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)=
d1
d2...dm
︸︷︷︸a1
︸︷︷︸a2
︸︷︷︸d
ergibt:
x1 · (a1 · a1) + x2 · (a1 · a2) = a1 · d
x1 · (a2 · a1) + x2 · (a2 · a2) = a2 · d
Prinzip:uberbestimmtes LGS Normalengleichung
A · x = dA
T ·=⇒ AT · A · x = AT · d
Gultig fur m Gleichungen in n Unbekannten (n < m)
Fakultat Grundlagen Matrizenrechnung Folie: 45
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Losung
Ubersichtliche Darstellung des LGS mit Skalarprodukten.a11 a12
a21 a22...
...am1 am2
·(
x1
x2
)=
d1
d2...dm
︸︷︷︸a1
︸︷︷︸a2
︸︷︷︸d
ergibt:
x1 · (a1 · a1) + x2 · (a1 · a2) = a1 · d
x1 · (a2 · a1) + x2 · (a2 · a2) = a2 · d
Prinzip:uberbestimmtes LGS Normalengleichung
A · x = dA
T ·=⇒ AT · A · x = AT · d
Gultig fur m Gleichungen in n Unbekannten (n < m)
Fakultat Grundlagen Matrizenrechnung Folie: 45
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Zahlenbeispiel
ATA =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1 0 01 1 01 1 10 1 00 1 10 0 1
=
3 2 12 4 21 2 3
ATd =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1.13.16.01.94.93.2
=
10.215.914.1
x1 = 1.125, x2 = 1.875,x3 = 3.075 sind diejeni-gen Abstande zwischen denPunkten A, B und C ,die am besten (im Sinneminimaler Fehlerquadrate)zu allen sechs Messungenpassen.
=⇒ Normalengleichung:
3 2 1 10.22 4 2 15.91 2 3 14.1
⇒x1 = 1.125x2 = 1.875x3 = 3.075
r =
1 0 01 1 01 1 10 1 00 1 10 0 1
· 1.125
1.8753.075
−
1.13.16.01.94.93.2
=
0.025−0.100
0.075−0.025−0.050−0.125
D(x) = rT r = 0.035
Fakultat Grundlagen Matrizenrechnung Folie: 46
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Zahlenbeispiel
ATA =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1 0 01 1 01 1 10 1 00 1 10 0 1
=
3 2 12 4 21 2 3
ATd =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1.13.16.01.94.93.2
=
10.215.914.1
x1 = 1.125, x2 = 1.875,x3 = 3.075 sind diejeni-gen Abstande zwischen denPunkten A, B und C ,die am besten (im Sinneminimaler Fehlerquadrate)zu allen sechs Messungenpassen.
=⇒ Normalengleichung:
3 2 1 10.22 4 2 15.91 2 3 14.1
⇒x1 = 1.125x2 = 1.875x3 = 3.075
r =
1 0 01 1 01 1 10 1 00 1 10 0 1
· 1.125
1.8753.075
−
1.13.16.01.94.93.2
=
0.025−0.100
0.075−0.025−0.050−0.125
D(x) = rT r = 0.035
Fakultat Grundlagen Matrizenrechnung Folie: 46
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Zahlenbeispiel
ATA =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1 0 01 1 01 1 10 1 00 1 10 0 1
=
3 2 12 4 21 2 3
ATd =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1.13.16.01.94.93.2
=
10.215.914.1
x1 = 1.125, x2 = 1.875,x3 = 3.075 sind diejeni-gen Abstande zwischen denPunkten A, B und C ,die am besten (im Sinneminimaler Fehlerquadrate)zu allen sechs Messungenpassen.
=⇒ Normalengleichung:
3 2 1 10.22 4 2 15.91 2 3 14.1
⇒x1 = 1.125x2 = 1.875x3 = 3.075
r =
1 0 01 1 01 1 10 1 00 1 10 0 1
· 1.125
1.8753.075
−
1.13.16.01.94.93.2
=
0.025−0.100
0.075−0.025−0.050−0.125
D(x) = rT r = 0.035
Fakultat Grundlagen Matrizenrechnung Folie: 46
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Zahlenbeispiel
ATA =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1 0 01 1 01 1 10 1 00 1 10 0 1
=
3 2 12 4 21 2 3
ATd =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1.13.16.01.94.93.2
=
10.215.914.1
x1 = 1.125, x2 = 1.875,x3 = 3.075 sind diejeni-gen Abstande zwischen denPunkten A, B und C ,die am besten (im Sinneminimaler Fehlerquadrate)zu allen sechs Messungenpassen.
=⇒ Normalengleichung:
3 2 1 10.22 4 2 15.91 2 3 14.1
⇒x1 = 1.125x2 = 1.875x3 = 3.075
r =
1 0 01 1 01 1 10 1 00 1 10 0 1
· 1.125
1.8753.075
−
1.13.16.01.94.93.2
=
0.025−0.100
0.075−0.025−0.050−0.125
D(x) = rT r = 0.035
Fakultat Grundlagen Matrizenrechnung Folie: 46
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Zahlenbeispiel
ATA =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1 0 01 1 01 1 10 1 00 1 10 0 1
=
3 2 12 4 21 2 3
ATd =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1.13.16.01.94.93.2
=
10.215.914.1
x1 = 1.125, x2 = 1.875,x3 = 3.075 sind diejeni-gen Abstande zwischen denPunkten A, B und C ,die am besten (im Sinneminimaler Fehlerquadrate)zu allen sechs Messungenpassen.
=⇒ Normalengleichung:
3 2 1 10.22 4 2 15.91 2 3 14.1
⇒x1 = 1.125x2 = 1.875x3 = 3.075
r =
1 0 01 1 01 1 10 1 00 1 10 0 1
· 1.125
1.8753.075
−
1.13.16.01.94.93.2
=
0.025−0.100
0.075−0.025−0.050−0.125
D(x) = rT r = 0.035
Fakultat Grundlagen Matrizenrechnung Folie: 46
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Zahlenbeispiel
ATA =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1 0 01 1 01 1 10 1 00 1 10 0 1
=
3 2 12 4 21 2 3
ATd =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1.13.16.01.94.93.2
=
10.215.914.1
x1 = 1.125, x2 = 1.875,x3 = 3.075 sind diejeni-gen Abstande zwischen denPunkten A, B und C ,die am besten (im Sinneminimaler Fehlerquadrate)zu allen sechs Messungenpassen.
=⇒ Normalengleichung:
3 2 1 10.22 4 2 15.91 2 3 14.1
⇒x1 = 1.125x2 = 1.875x3 = 3.075
r =
1 0 01 1 01 1 10 1 00 1 10 0 1
· 1.125
1.8753.075
−
1.13.16.01.94.93.2
=
0.025−0.100
0.075−0.025−0.050−0.125
D(x) = rT r = 0.035
Fakultat Grundlagen Matrizenrechnung Folie: 46
GrundsatzlichesRechnen mit Matrizen
Anwendungen
EigenwerteLineare GleichungssystemeUberbestimmte lineare Gleichungssysteme
Zahlenbeispiel
ATA =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1 0 01 1 01 1 10 1 00 1 10 0 1
=
3 2 12 4 21 2 3
ATd =
1 1 1 0 0 00 1 1 1 1 00 0 1 0 1 1
·
1.13.16.01.94.93.2
=
10.215.914.1
x1 = 1.125, x2 = 1.875,x3 = 3.075 sind diejeni-gen Abstande zwischen denPunkten A, B und C ,die am besten (im Sinneminimaler Fehlerquadrate)zu allen sechs Messungenpassen.
=⇒ Normalengleichung:
3 2 1 10.22 4 2 15.91 2 3 14.1
⇒x1 = 1.125x2 = 1.875x3 = 3.075
r =
1 0 01 1 01 1 10 1 00 1 10 0 1
· 1.125
1.8753.075
−
1.13.16.01.94.93.2
=
0.025−0.100
0.075−0.025−0.050−0.125
D(x) = rT r = 0.035
Fakultat Grundlagen Matrizenrechnung Folie: 46