6 Lineare Gleichungssysteme

Ähnliche Dokumente
Lineare Gleichungssysteme - Grundlagen

1 Transponieren, Diagonal- und Dreiecksmatrizen

37 Gauß-Algorithmus und lineare Gleichungssysteme

Der Kern einer Matrix

2.2 Lineare Gleichungssysteme (LGS)

( ) Lineare Gleichungssysteme

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme

6. Übungsblatt zur Mathematik I für Maschinenbau

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Ausgewählte Lösungen zu den Übungsblättern 4-5

3. Übungsblatt zur Lineare Algebra I für Physiker

Lineare Algebra I: Eine Landkarte

Lineare Gleichungssysteme

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

5.7 Lineare Abhängigkeit, Basis und Dimension

2 Die Dimension eines Vektorraums

Mathematik IT 2 (Lineare Algebra)

Kapitel 13. Lineare Gleichungssysteme und Basen

Lineare Gleichungssysteme

1 Matrizenrechnung zweiter Teil

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

3.4 Der Gaußsche Algorithmus

Lineare Algebra und analytische Geometrie I

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Lösung Test 2 (Nachprüfung)

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

2.2 Lineare Gleichungssysteme

Lineare Algebra I Zusammenfassung

Vektorräume. Kapitel Definition und Beispiele

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

Das Lösen linearer Gleichungssysteme

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

Erneut: Matrizen und lineare Abbildungen

Lösungen der Aufgaben zu Abschnitt 5.4

Aufgaben zu Kapitel 14

4 Affine Koordinatensysteme

36 2 Lineare Algebra

5 Die Allgemeine Lineare Gruppe

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Lineare Gleichungssysteme: eine Ergänzung

2.3 Lineare Abbildungen und Matrizen

Lösung Test 1 (Nachprüfung)

Lineare Algebra und Numerische Mathematik für D-BAUG

Der Rangsatz für lineare Abbildungen

Lineare Algebra I (WS 13/14)

4 Elementare Vektorraumtheorie

4. Vektorräume und Gleichungssysteme

Lineare Algebra I (WS 13/14)

Serie 8: Fakultativer Online-Test

Numerische Lineare Algebra

A2.3 Lineare Gleichungssysteme

1 0 1, V 3 = M, und λ A = λa

Lösungen zum 5. Aufgabenblatt

Lineare Algebra I (WS 13/14)

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).

Quadratische Matrizen

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

10.2 Linearkombinationen

8.2 Invertierbare Matrizen

Lineare Algebra: Determinanten und Eigenwerte

Mathematik 1, Teil B. Inhalt:

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

2.2 Kern und Bild; Basiswechsel

Lineare Gleichungssysteme

Lineare Gleichungssysteme

Vektorräume und lineare Abbildungen

Lineare Gleichungssysteme

7.1 Matrizen und Vektore

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.

3.5 Duale Vektorräume und Abbildungen

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren

Affine Geometrie (Einfachere, konstruktive Version)

Lineare Abbildungen. i=0 c ix i n. K n K m

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

x+ 2y = 2 3x+ 3y+ 3z = 0

Lösungen zur Mathematik für Informatiker I

Lineare Algebra und analytische Geometrie I Lösungsvorschlag zum 8. Tutoriumsblatt

1 Linearkombinationen

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.

9.2 Invertierbare Matrizen

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

3 Lineare Differentialgleichungen

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

Transkript:

6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α ij, β i K und Unbekannten ξ i Dieses Gleichungssystem hat m Gleichungen mit n Unbekannten Wir setzen A = (α ij ) i m j n ξ ξ n K (m n) β x = K n, b = Dann ist obiges Gleichungssystem gerade β m K m ( ) Ax = b Schreibt man A als Matrix von Spaltenvektoren so lautet das Gleichungssystem auch A = (a,, a n ); a i = a i a mi ξ a + + ξ n a n = b K m Definition Die Matrix A heißt die Koeffizientenmatrix des Gleichungssystems, b nennt man auch die rechte Seite Das Gleichungsystem heißt homogen, falls b =, ansonsten inhomogen Fragestellungen bei linearen Gleichungssystemen () Lösbarkeit: D h unter welchen Bedingungen an A, b ist ( ) lösbar? (2) Universelle Lösbarkeit: D h unter welchen Bedingungen an A ist ( ) für alle b lösbar? (3) Lösungsraum: Beschreibung der Lösungsmenge (4) Eindeutigkeit: Unter welchen Bedingungen an A, b ist ( ) eindeutig lösbar?

4 (5) Berechenbarkeit: Man gebe einen Algorithmus zur Lösung von ( ) an Satz 6 Es sind äquivalent: (i) Ax = b ist lösbar (ii) b Im A (iii) Rang A = Rang(A, b) Definition (A, b) heißt die erweiterte Koeffizientenmatrix Beweis (i) (ii) (ii) (iii) (iii) (i) Ax = b lösbar Es gibt x K n mit Ax = b b Im A b Im A Es gibt x,, x n K mit x a + + x n a n = b b Span(a,, a n ) Span(a,, a n, b) = Span(a,, a n ) Rang(A, b) = Rang A Rang(A, b) = Rang A Abhlemma b Span(a,, a n ) Es gibt x,, x n K mit b = x a + + x n a n ( ) ist lösbar Satz 62 Es sind äquivalent: (i) ( ) ist universell lösbar (ii) Rang A = m Beweis Es gilt für die Abbildung A : K n K m, x Ax das folgende: Rang A = m A ist surjektiv Zu jedem b K m gibt es x mit Ax = b ( ) ist universell lösbar

6 LINEARE GLEICHUNGSSYSTEME 5 Satz 63 (i) Die Lösungsmenge L von Ax = ist ein linearer Unterraum Genauer gilt L = Ker A, dim L = n Rang A (ii) Die Lösungsmenge L b von Ax = b ist ein affiner Unterraum von K n D h ist u eine spezielle Lösung von Ax = b, so gilt Beweis (i) Es gilt Aus der Dimensionsformel folgt dann L b = u + L Ax = x Ker A dim Ker A + Rang A = n (ii) u + L L b : Es sei x L Dann gilt A(u + x) = Au + }{{} Ax = Au = b u + x L b = L b u + L : Es sei y L b Wir setzen x := (y u ) Dann ist y = x + u Ferner gilt Ax = A(y u ) = Ay Au = b b =, also x L D h y u + L Abb 32: Lösungsmenge L b als affiner Unterrraum Satz 64 Ax = b sei lösbar Dann sind äquivalent: (i) Ax = b ist eindeutig lösbar (ii) Ker A = {}

6 (iii) Rang A = n Beweis Da L b = u + L ist, gilt: Ax = b ist eindeutig lösbar Ax = ist eindeutig lösbar Ker A = {} Rang A = n Hierbei folgt die letzte Äquivalenz wieder aus der Dimensionsformel Quadratische Gleichungssysteme (m = n) Wir betrachten das Gleichungssystem ( ) Ax = b, A Mat(n; K); b K n Satz 65 Für quadratische Gleichungssysteme (m = n) sind äquivalent: (i) Ax = b ist für jedes b K n lösbar (ii) Ax = b ist für ein b K n eindeutig lösbar (iii) Ax = besitzt nur die Lösung x = (iv) (v) Ax = b ist für jedes b K n eindeutig lösbar A GL(n, K) Beweis Es gilt: (i) Ax = b ist universell lösbar (62) Rang A = m = n (v) (iii) Ker A = {} Rang A = n (v) (ii) (64) Rang A = n (62) (iv) (ii) ist trivial { Ax = b ist stets lösbar Ker A = {} (ii) (64) Ker A = A GL(n, K) (v) } (64) (iv) Bemerkung Es sei A GL(n, K) Dann erhält man die Lösung von Ax = b durch x = A b

6 LINEARE GLEICHUNGSSYSTEME 7 Der Gauß-Algorithmus Wir beschreiben nun einen Algorithmus zur Lösung eines linearen Gleichungssystems ( ) Ax = b Es besteht aus drei Schritten: I Vorwärtselimination II Lösbarkeitsentscheidung (nur für b ) III Rückwärtssubstitution I Vorwärtselimination Eliminationsschritt Wir fragen zunächst, ob α ist Falls nicht, suchen wir in der ersten Spalte ein Element α k und vertauschen die erste mit der k-ten Zeile Falls alle α k = sind, fahren wir mit der nächsten Spalte fort, bis wir ein Element α ij finden (Falls A = ist, so ist die Aufgabe trivial, weil dann entweder jedes x K n ein Lösung ist, falls b = ist, oder die Lösungsmenge leer ist, falls b ) Wir sind dann in der Situation, daß wir annehmen können, daß die ersten k Spalten von A gleich sind, und daß α k ist Wir ziehen dann das α ik α k -fache der ersten Zeile von der i-ten Zeile ab Das Ergebnis sieht für die erweiterte Koeffizientenmatrix dann wie folgt aus: Dabei bezeichnet eine von Null verschiedene Zahl und eine beliebige Zahl 2 Eliminationsschritt Wir wenden dasselbe Verfahren nun auf die eingezeichnete Restmatrix an Das Ergebnis ist eine Matrix in Zeilenstufenform: β β2 β3 βr βr+ βm

8 II Lösbarkeitsentscheidung Ist einer der Einträge β r+,, β m, so ist Rang(A, b) > Rang A = r, und das Gleichungssystem ist nicht lösbar III Rückwärtssubstitution Allgemeines Verfahren (i) Die zu Spalten ohne -Stelle gehörenden Unbekannten sind die freien Variablen Sie werden der Reihe nach gleich λ,, λ n r gesetzt (ii) Man löst dann das Gleichungssystem nach den zu den -Stellen gehörenden abhängigen Variablen aus und bestimmt diese nacheinander in Abhängigkeit von λ,, λ n r Alternatives Verfahren (i) Man ermittelt eine spezielle Lösung u von ( ), indem man λ = = λ n r = setzt (ii) Man ermittelt den Lösungsraum von Ax = : Setze β = = β m = und wähle für j =,, n r: { λ (j) für i j i = für i = j Die Auflösung nach den abhängigen Variablen gibt dann linear unabhängige Lösungen v,, v n r Die allgemeine Lösung ergibt sich dann nach Satz (63) durch x = u + c v + + c n r v n r (c,, c n r K) Beispiele () Wir betrachten das lineare Gleichungssystem (K = R) ξ + ξ 2 + ξ 3 = 2ξ ξ 2 + ξ 3 = 4ξ + 2ξ 2 ξ 3 = Dann kann man das Gauß-Verfahren etwa in der folgenden Form aufschreiben: ξ + ξ 2 + ξ 3 2ξ ξ 2 + ξ 3 4ξ + 2ξ 2 ξ 3 ξ + ξ 2 + ξ 3 3ξ 2 ξ 3 6ξ 2 + 3ξ 3 ξ + ξ 2 + ξ 3 3ξ 2 ξ 3 ξ 3 = = = = = 2 = 4 = = 2 = ξ ξ 2 ξ 3 Regie ] 2 ] 4 2 4 2 3 6 3 3 2 4 2 ] 2

6 LINEARE GLEICHUNGSSYSTEME 9 Rückwärtssubstitution ergibt x 3 =, x 2 = 2 3, x = 3 Das Gleichungssystem ist eindeutig gelöst durch x = 3 2 3 (2) Wir betrachten das lineare Gleichungssystem (K = R): ξ + ξ 2 + ξ 3 + ξ 4 + ξ 5 = Die erweiterte Koeffizizentenmatrix ist daher (A, b) = ξ 3 ξ 4 + ξ 5 = ξ 4 ξ 5 = 2 = 2 Im Sinne des oben erläuterten Schemas hat diese Matrix die Gestalt (A, b) = Wir haben also folgende freie Variable: Rückwärtssubstitution ergibt dann: x 2 = λ, x 5 = λ 2 x 4 = 2 + x 5 = 2 + λ 2 x 3 = + x 4 x 5 = 3 x = x 2 x 3 x 4 x 5 = 4 λ 2λ 2 Alternativ können wie zuerst eine spezielle Lösung bestimmen Für λ = λ 2 = erhält man 4 u = 3 2

Lösungen des homogenen Systems erhält man wie folgt: λ =, λ 2 = : Rückwärtssubstitution ergibt v = λ =, λ 2 = : Rückwärtssubstitution ergibt 2 v 2 = Damit erhält man den Lösungsraum des homogenen Systems als L = Span(v, v 2 ) (Man beachte, daß dim L = 2 = 5 Rang A ist) Die Lösungsmenge des linearen Gleichungssystems ( ) ist damit 4 2 L = u + L = { 3 2 + c + c 2 ; c, c 2 R}