A·B / A⁻¹Matrixoperationen
Für AB müssen die inneren Dimensionen passen; eine Inverse benötigt eine nichtsinguläre quadratische Matrix.
Gib Matrizen ein und erhalte KI-Erklärungen zu Matrixoperationen, Zeilenreduktion, Ax=b, Rang und Kern. Prüfe die Ergebnisse.
linear algebra calculator
Matrixoperationen
Systeme und Zeilenreduktion
Rang und Kern
Gib Matrizen ein und erhalte KI-Erklärungen zu Matrixoperationen, Zeilenreduktion, Ax=b, Rang und Kern. Prüfe die Ergebnisse. Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
linear algebra calculator
Gib Matrizen ein und erhalte KI-Erklärungen zu Matrixoperationen, Zeilenreduktion, Ax=b, Rang und Kern. Prüfe die Ergebnisse.
A·B / A⁻¹Für AB müssen die inneren Dimensionen passen; eine Inverse benötigt eine nichtsinguläre quadratische Matrix.
[A | b] → RREF[A|b] reduzieren und eindeutige Lösung, Widerspruch und freie Variablen unterscheiden.
rank(A) + nullity(A) = nPivotstellen zählen und aus freien Variablen eine Kernbasis bilden.
u·v / Av = λvSkalarprodukte, Projektionen, Determinanten oder Eigenvektoren anfragen.
Methode
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
A, bJede innere Klammer ist eine Zeile. Vorzeichen, Brüche und die rechte Seite b erhalten.
Ax = bGewünschte Methode und den reellen oder komplexen Zahlenbereich nennen.
R₂ ← R₂ − ½R₁Jede Zeilenoperation und jede freie Variable mit der Originalmatrix vergleichen.
Ax − b = 0In die Ausgangsgleichung einsetzen oder das Produkt und jedes Eigenpaar überprüfen.
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Formelübersicht
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Matrixprodukt
(m×n)(n×p) → m×pFür AB müssen die inneren Dimensionen passen; eine Inverse benötigt eine nichtsinguläre quadratische Matrix.
Inverse
AA⁻¹ = A⁻¹A = IFür AB müssen die inneren Dimensionen passen; eine Inverse benötigt eine nichtsinguläre quadratische Matrix.
Lineares System
Ax = b[A|b] reduzieren und eindeutige Lösung, Widerspruch und freie Variablen unterscheiden.
Rang und Kerndimension
rank(A) + nullity(A) = nPivotstellen zählen und aus freien Variablen eine Kernbasis bilden.
Beispiel
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Beispiel 1
Ax = b; A = [[2,1],[1,3]], b = [5,5]Elimination und Einsetzen in das ursprüngliche System.
Ergebnis: x = [2,1]
Prüfung: A[2,1] = [5,5] = b
Beispiel 2
A⁻¹; A = [[2,1],[1,3]]Inverse derselben Matrix mit Prüfung am Einheitsprodukt.
Ergebnis: A⁻¹ = [[3/5,−1/5],[−1/5,2/5]]
Prüfung: AA⁻¹ = (1/5)[[5,0],[0,5]] = I
Beispiel 3
rank(A), ker(A); A = [[1,2,3],[2,4,6]]Eine abhängige Zeile lässt zwei freie Variablen.
Ergebnis: rank(A) = 1; ker(A) = span{[−2,1,0], [−3,0,1]}
Prüfung: A[−2,1,0] = A[−3,0,1] = [0,0]; 1+2 = 3
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Determinanten und Eigenwerte erfordern quadratische Matrizen; auch Produktdimensionen prüfen.
Zeilentausch, Skalierung und Kofaktorvorzeichen genau verfolgen.
Ergebnis einsetzen; der Nullvektor ist kein Eigenvektor.

