Mathematik für Ingenieure I - Institut für Algebraische Geometrie ...
Mathematik für Ingenieure I - Institut für Algebraische Geometrie ... Mathematik für Ingenieure I - Institut für Algebraische Geometrie ...
36 Kapitel 1. Lineare Algebra I Auf der anderen Seite gilt s∑ BC = (β kj ) mit β kj = b kl c lj , l=1 also mit A(BC) = (d ′ ij) ) r∑ r∑ r∑ s∑ d ′ ij = a ik β kj = b kl c lj = a ik b kl c lj . k=1 k=1 a ik ( s∑ l=1 k=1 l=1 ✷ Die Matrizenmultiplikation ist nicht kommutativ, wie das folgende Beispiel zeigt. Beispiel 1.9.2 Es sei A := ( 1 −1 −1 1 ) ( 1 1 , B := 2 2 ) . Dann gilt also AB ≠ BA. AB = ( −1 −1 1 1 ) ( 0 0 , BA = 0 0 ) , Definition Es sei A eine quadratische Matrix. Die Matrix A heißt invertierbar genau dann, wenn es eine Matrix B mit AB = BA = E gibt. In diesem Fall heißt B eine inverse Matrix zu A. Beispiel 1.9.3 Es sei ( −1 −2 A := 3 5 ) ( 5 2 , B := −3 −1 ) . Dann ist A invertierbar und B ist eine inverse Matrix zu A, da ( ) ( ) ( ) −1 −2 5 2 1 0 AB = = = E 3 5 −3 −1 0 1 und ( 5 2 BA = −3 −1 ) ( −1 −2 3 5 ) = ( 1 0 0 1 ) = E.
1.9 Matrizen 37 Beispiel 1.9.4 Die Matrix A := ( 1 2 0 0 ) ist nicht invertierbar. Denn ist B = ( ) b11 b 12 b 21 b 22 eine beliebige 2 × 2-Matrix, so gilt ( ) ( ) ( 1 2 b11 b AB = 12 b11 + 2b = 21 b 12 + 2b 22 0 0 b 21 b 22 0 0 ) ≠ E. Es ist zunächst ja nicht ausgeschlossen, dass es zu einer Matrix zwei inverse Matrizen geben kann. Der folgende Satz zeigt, dass das aber nicht möglich ist. Satz 1.9.2 Sind B und C inverse Matrizen zu A, so ist B = C. Beweis. Nach Voraussetzung gilt AB = BA = E und AC = CA = E. Also gilt einerseits und andererseits Also folgt B = C. (BA)C = EC = C (BA)C = B(AC) = BE = B. ✷ Also ist die inverse Matrix zu einer Matrix A eindeutig bestimmt und wir bezeichnen sie mit A −1 . Es gilt also AA −1 = A −1 A = E. Beispiel 1.9.5 Die Matrix ( a b A = c d ) ist für ad − bc ≠ 0 invertierbar und in diesem Fall gilt ( ) A −1 1 d −b = . ad − bc −c a
- Seite 1 und 2: Mathematik für Ingenieure I Winter
- Seite 3 und 4: Kapitel 1 Lineare Algebra I 1.1 Zah
- Seite 5 und 6: 1.2 Der Vektorraum R n 5 Zwischen d
- Seite 7 und 8: 1.3 Das Skalarprodukt im R n 7 Defi
- Seite 9 und 10: 1.3 Das Skalarprodukt im R n 9 Satz
- Seite 11 und 12: 1.3 Das Skalarprodukt im R n 11 (b)
- Seite 13 und 14: 1.4 Das Vektorprodukt im R 3 13 1.4
- Seite 15 und 16: 1.4 Das Vektorprodukt im R 3 15 Der
- Seite 17 und 18: 1.5 Geraden und Ebenen 17 Definitio
- Seite 19 und 20: 1.5 Geraden und Ebenen 19 Umrechnun
- Seite 21 und 22: 1.6 Komplexe Zahlen 21 Definition E
- Seite 23 und 24: 1.7 Lineare Gleichungssysteme 23 Da
- Seite 25 und 26: 1.7 Lineare Gleichungssysteme 25 Wi
- Seite 27 und 28: 1.7 Lineare Gleichungssysteme 27 Be
- Seite 29 und 30: 1.7 Lineare Gleichungssysteme 29 Al
- Seite 31 und 32: 1.8 Basis und Dimension 31 Definiti
- Seite 33 und 34: 1.9 Matrizen 33 1.9 Matrizen Wir be
- Seite 35: 1.9 Matrizen 35 Eine besondere Roll
- Seite 39 und 40: 1.9 Matrizen 39 Beispiel 1.9.6 →
- Seite 41 und 42: 1.10 Determinanten 41 Definition Es
- Seite 43 und 44: 1.10 Determinanten 43 (a) Ist B die
- Seite 45 und 46: Kapitel 2 Lineare Algebra II 2.1 Li
- Seite 47 und 48: 2.2 Eigenwerte und Eigenvektoren 47
- Seite 49 und 50: 2.2 Eigenwerte und Eigenvektoren 49
- Seite 51 und 52: 2.3 Koordinatentransformation 51 Be
- Seite 53 und 54: 2.3 Koordinatentransformation 53 DI
- Seite 55 und 56: Kapitel 3 Funktionen 3.1 Polynome u
- Seite 57 und 58: 3.1 Polynome und rationale Funktion
- Seite 59 und 60: 3.1 Polynome und rationale Funktion
- Seite 61 und 62: 3.2 Folgen und Reihen 61 (4) a n :=
- Seite 63 und 64: 3.2 Folgen und Reihen 63 Satz 3.2.2
- Seite 65 und 66: 3.2 Folgen und Reihen 65 Reihen Wen
- Seite 67 und 68: 3.2 Folgen und Reihen 67 (3) Wir un
- Seite 69 und 70: 3.2 Folgen und Reihen 69 ordnen nun
- Seite 71 und 72: 3.3 Grenzwerte von Funktionen 71 Nu
- Seite 73 und 74: 3.3 Grenzwerte von Funktionen 73 Ab
- Seite 75 und 76: 3.4 Stetigkeit 75 Beispiel 3.3.2 f(
- Seite 77 und 78: Kapitel 4 Differentiation 4.1 Diffe
- Seite 79 und 80: 4.1 Differenzierbarkeit 79 Einsetze
- Seite 81 und 82: 4.3 Umkehrfunktionen 81 4.3 Umkehrf
- Seite 83 und 84: 4.4 Extremwerte und Mittelwertsatz
- Seite 85 und 86: 4.4 Extremwerte und Mittelwertsatz
36 Kapitel 1. Lineare Algebra I<br />
Auf der anderen Seite gilt<br />
s∑<br />
BC = (β kj ) mit β kj = b kl c lj ,<br />
l=1<br />
also<br />
mit<br />
A(BC) = (d ′ ij)<br />
)<br />
r∑<br />
r∑<br />
r∑ s∑<br />
d ′ ij = a ik β kj =<br />
b kl c lj = a ik b kl c lj .<br />
k=1<br />
k=1<br />
a ik<br />
( s∑<br />
l=1<br />
k=1 l=1<br />
✷<br />
Die Matrizenmultiplikation ist nicht kommutativ, wie das folgende Beispiel<br />
zeigt.<br />
Beispiel 1.9.2 Es sei<br />
A :=<br />
( 1 −1<br />
−1 1<br />
) ( 1 1<br />
, B :=<br />
2 2<br />
)<br />
.<br />
Dann gilt<br />
also AB ≠ BA.<br />
AB =<br />
( −1 −1<br />
1 1<br />
) ( 0 0<br />
, BA =<br />
0 0<br />
)<br />
,<br />
Definition Es sei A eine quadratische Matrix. Die Matrix A heißt invertierbar<br />
genau dann, wenn es eine Matrix B mit AB = BA = E gibt. In<br />
diesem Fall heißt B eine inverse Matrix zu A.<br />
Beispiel 1.9.3 Es sei<br />
( −1 −2<br />
A :=<br />
3 5<br />
) ( 5 2<br />
, B :=<br />
−3 −1<br />
)<br />
.<br />
Dann ist A invertierbar und B ist eine inverse Matrix zu A, da<br />
( ) ( ) ( )<br />
−1 −2 5 2 1 0<br />
AB =<br />
= = E<br />
3 5 −3 −1 0 1<br />
und<br />
( 5 2<br />
BA =<br />
−3 −1<br />
) ( −1 −2<br />
3 5<br />
)<br />
=<br />
( 1 0<br />
0 1<br />
)<br />
= E.