Lineare Gleichungssysteme

Ähnliche Dokumente
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).

Lineare Gleichungssysteme - Grundlagen

6 Lineare Gleichungssysteme

Der Kern einer Matrix

2.2 Lineare Gleichungssysteme (LGS)

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

Skript zur Vorlesung. Lineare Algebra I. Private Mitschrift. Vektorraumtheorie. gelesen von. Prof. Dr. Alexander Prestel.

2.2 Lineare Gleichungssysteme

1 Transponieren, Diagonal- und Dreiecksmatrizen

2 Die Dimension eines Vektorraums

β 1 x :=., und b :=. K n β m

37 Gauß-Algorithmus und lineare Gleichungssysteme

Lineare Algebra I (WS 13/14)

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

3. Übungsblatt zur Lineare Algebra I für Physiker

4. Vektorräume und Gleichungssysteme

IV.3. RANG VON MATRIZEN 81

Klausurähnliche Aufgaben

Das inhomogene System. A x = b

Lineare Gleichungssysteme

Lineare Algebra I Zusammenfassung

2.2 Lineare Gleichungssysteme

Lineare Algebra I (WS 13/14)

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

Kapitel 16. Invertierbare Matrizen

Lineare Gleichungssysteme

4 Der Gauß Algorithmus

17. Das Gauß-Verfahren

Lineare Algebra und analytische Geometrie I

Kapitel 13. Lineare Gleichungssysteme und Basen

Vektorräume. Kapitel Definition und Beispiele

5.7 Lineare Abhängigkeit, Basis und Dimension

1 Linearkombinationen

Kapitel III. Matrizen und lineare Gleichungssysteme. Inhalt: 10. Matrizen 11. Lineare Gleichungssysteme 12. Der Gauß-Algorithmus

Matrizen, Determinanten, lineare Gleichungssysteme

Der Rangsatz für lineare Abbildungen

2.3 Basis und Dimension

Lineare Gleichungssysteme

0, v 6 = , v 4 = 1

(Allgemeine) Vektorräume (Teschl/Teschl 9)

5 Die Allgemeine Lineare Gruppe

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

2.4 Matrizen und Lineare Abbildungen

Kapitel 1. Matrizen und lineare Gleichungssysteme. 1.1 Matrizenkalkül (Vektorraum M(n,m); Matrixmultiplikation;

Es wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

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

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

3.4 Der Gaußsche Algorithmus

2.2 Kern und Bild; Basiswechsel

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

Lineare Gleichungssysteme

1 Lineare Gleichungssysteme und Matrizen

Lösungen der Aufgaben zu Abschnitt 5.4

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

Ausgewählte Lösungen zu den Übungsblättern 4-5

2 Matrizenrechnung und Lineare Gleichungssysteme

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

Lineare Algebra und analytische Geometrie I

10.2 Linearkombinationen

Lineare Algebra I (WS 13/14)

Lineare Gleichungssysteme: eine Ergänzung

Lineare Algebra I: Eine Landkarte

Klausurvorbereitungsblatt Lineare Algebra

1 Matrizenrechnung zweiter Teil

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

2.3 Lineare Abbildungen und Matrizen

Lineare Abbildungen und Gleichungssysteme

Lösung Test 1 (Nachprüfung)

Affine Geometrie (Einfachere, konstruktive Version)

Lineare Gleichungssysteme

Lösungen zur Mathematik für Informatiker I

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

Lineare Abhängigkeit

4 Affine Koordinatensysteme

Brückenkurs Mathematik. Mittwoch Freitag

r i w i (siehe (3.7)). r i v, w i = 0.

Die Lineare Algebra-Methode. Mahir Kilic

Lineare Algebra Weihnachtszettel

Lineare Algebra I. Lösung 9.2:

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Lösung Semesterendprüfung (Nachprüfung)

Lineare Gleichungssysteme

Homogene und inhomogene Koordinaten und das Hyperboloid

1 0 1, V 3 = M, und λ A = λa

Mathematik IT 2 (Lineare Algebra)

Lineare Algebra und analytische Geometrie I

Mathematik für Naturwissenschaftler II SS 2010

Erneut: Matrizen und lineare Abbildungen

Ergänzung zum HM Tutorium

4 Lineare Abbildungen und Matrizen

3 Matrizenrechnung. 3. November

Lineare Algebra II, Lösungshinweise Blatt 9

3.5 Duale Vektorräume und Abbildungen

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

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

Kapitel II. Lineare Algebra. 1 Vektorräume und Lineare Abbildungen

Transkript:

Lineare Gleichungssysteme Martin Gubisch Lineare Algebra I WS 27/28 Definition (a ij ) 1 j n 1 i n heiÿt eine m n-matrix mit Komponenten a ij K Dabei bezeichnet i den Zeilenindex und j den Spaltenindex Betrachtet man die m Zeilen als n-tupel v 1,, v m, dann nennt man span(v 1,, v m ) den Zeilenraum der Matrix Entsprechend bilden die n Spalten als m-tupel den Spaltenraum der Matrix dim K (span(v 1,, v n )) heiÿt der Zeilenrang von (a ij ) und dim K (span(w 1,, w m )) der Spaltenrang Der Zeilenraum von (a ij ) ändert sich nicht bei (a) Multiplikation der i-ten Zeile mit λ (b) Addieren eines λ-fachen der j-ten Zeile zur i-ten Zeile (wobei i j) (c) Vertauschen der i-ten mit der j-ten Zeile Behauptung Durch iterierte Anwendung von (a)-(c) kann man jede Matrix in eine Stufenmatrix der folgenden Gestalt überführen: 1 1 1 2 1 3 1 Beschreibung des Gauÿ-Algorithmus (1) Suche erste Spalte j 1 mit einem a ij1 (2) Dividiere die i-te Zeile durch a ij1, vertausche sie mit der ersten Zeile und mache mit (b) alle anderen Komponenten der j 1 -ten Spalte zu (3) Suche eine Spalte j 2 rechts von j 1 mit einem a ij2 für i 1 (4) Dividiere die i-te Zeile durch a ij2, vertausche sie mit der zweiten Zeile und mache mit (b) alle anderen Komponenten der j 2 -ten Spalte zu (5) Suche eine Spalte j 3 rechts von j 2 mit einem a ij3 für i 1, 2 (6) usw Behauptung Die ersten r Zeilen der neuen Matrix sind linear unabhängig r Seien w i = (b i1,, b in ) die ersten r Zeilen der neuen Matrix, i = 1,, r Dann Also α 1 = = α r = = α 1 w 1 + + α r w r = (,,, α 1,,,, α 2,,, α 3 j 1 j 2 j 3,, α r j r, ) Folgerung Die (neuen) ersten r Zeilen bilden eine Basis des Zeilenraums

Definition Seien K ein Körper, a ij K, X 1,, X n Unbestimmte Das System ( ) a 11 X 1 + + a 1n X n = a m1 X 1 + + a mn X n = heiÿt ein homogenes (lineares) Gleichungssystem (über K) in den Unbestimmten X 1,, X n Die zugehörige Koezientenmatrix ist (a ij ) 1 j n 1 i m := a 11 a 1n a m1 a mn Beispiele (1) ( x 1 + 2x 2 = 1 2 x 1 x 2 = 1 1 ) = x 1 = x 2 = (2) x 1 + 2x 2 = hat als Lösungsmenge alle Vektoren (x 1, x 2 ) R 2 mit (x 1, x 2 ) (1, 2) Diese ist gerade R(2, 1) (3) x 1 + 2x 2 = x 1 + 2x 2 + x 3 = hat als Lösungsmenge {x = (x 1, x 2, x 3 ) R 3 x (1, 2, ) und x (1, 2, 1)} Die Lösungsmenge von ( ) ist gerade {(x 1,, x n ) K n (x 1,, x n ) (a i1,, a in ) für i = 1,, m} x löst ( ) a 11 X 1 + + a 1n X n = a m1 X 1 + + a mn X n = a 11 a 1n a m1 a mn x 1 x m A (i) x = für jede Zeile A (i) A (i) x für jede Zeile A (i) = Definition Sei K ein Körper, n N Dann setzen wir (a 1,, a n ) (b 1,, b n ) := a 1 b 1 + + a n b n Wir schreiben a b für a b = Für M K n setzen wir M := {x K n x a für alle a M} (1) Für K = R ist das euklidische Skalarprodukt (2) Für K = C ist nicht das Hermitesche Skalarprodukt, denn zb ist (1, i) (1, i) = 1 1 + i ( i) = 2 = 1 1 + i i = (1, i) (1, i)

Behauptung Für gelten folgende Rechenregeln: (1) a b = b a (2) (αa + α a ) b = α(a b) + α (a b) (3) a b αa βb (1) a b = (a 1,, a n ) (b 1,, b n ) = a 1 b 1 + + a n b n = b 1 a 1 + + b n a n = (b 1,, b n ) (a 1,, a n ) = b a (2) (αa + α a ) b = α(a b) = (αa 1 + α a 1 + + αa n + α a n) (b 1,, b n ) = αa 1 b 1 + α a 1b 1 + + αa n b n + α a nb n = α(a 1 b 1 + + a n b n ) + α (a 1b 1 + + a nb n ) = α(a 1,, a n ) b + α (a 1,, a n) b = α(a b) + α (a b) (3) a b a b = (αa) (βb) = α(a (βb)) = α((βb) a) = αβ(b a) = αβ(a b) = αβ = (αa) (βb) Lemma Für M K n ist M ein Untervektorraum des K n und M = (span(m)) Seien x, y M, α K Dann gilt: (1) a = a für alle a M, also M (2) (x a = und y a = ) x a + y a = (x + y) a = x + y M (3) x a = (αx) a = αx M Also ist M ein Untervektorraum des K n Weiter gilt: M span(m) M (span(m)) und umgekehrt x a = für alle a M x (α 1 a 1 + + α m a m ) = für alle a 1,, a m M, α 1,, α m K M )(span(m)) Folgerung Bezeichne M den Zeilenraum von (a ij ) Dann ist der Vektorraum M gerade die Lösungsmenge von ( ) M wir der Lösungsraum von ( ) genannt Bestimmung einer Basis des Lösungsraums von ( ) Gegeben sei das lineare Gleichungssystem ( ) a 11 X 1 + + a 1n X n = a m1 X 1 + + a mn X n = mit zugehöriger Koezientenmatrix (a ij ) := a 11 a 1n a m1 a mn Durch elementare Zeilenumformungen (a)-(c) wird (a ij ) auf Stufenform transformiert: 1 1 1 1 j 1 j 2 j 3 j r k 1 k 2 k 3 k 4 k n r 1 2 3 r =: (a ij),

dh {1,, n} = {j 1,, j r } {k 1,, k n r } Dann hat das zu (a ij ) gehörige Gleichungssystem ( ) X j1 + a 1k 1 X k1 + + a 1k n r X kn r = X j1 + a 2k 1 X k1 + + a 2k n r X kn r = X jr + a rk 1 X k1 + + a rk n r X kn r = den gleichen Lösungsraum wie ( ) Spezielle Lösungen (x 1,, x n ) K n von ( ) sind dann: (1) x k1 = 1, x jl = a lk 1 (2) x k2 = 1, x jl = a lk 2 (n r) x kn r = 1, x jl = a lk n r für 1 l r, x i = sonst Wir bezeichnen diese Lösungen mit c (1),, c (n r), dh es gilt: c (i) := (c (i) 1,, c(i) n ) mit c (i) k i = 1, c (i) j l = a lk i für 1 l r und c (i) k s = für s i Lemma (c (1),, c (n r) ) ist eine Basis des Lösungsraums von ( ) bzw ( ) (1) Lineare Unabhängigkeit: (,, ) = (α 1 c (1) + + α n r c (n r) ) = (, α 1 k 1,, α n r, ) α 1 = = α n r = k n r (2) Erzeugendensystem: Sei b = (b 1,, b n ) eine beliebige Lösung von ( ) Dann ist auch x = (x 1,, x n ) := b b k1 c (1) b k,n r c n r eine Lösung von ( ), also x ki = für alle k i Da x auch ( ) löst, sind auch alle x jl =, dh x = Also b = b k1 c (1) + + b k,n r c n r Beispiel 2 2 6 1 2 6 4 2 4 1 1 4 7 1 2 1 9 17 2 1 1 3, 5 1 5 1 1 1 3 1 k 1 j 1 j 2 k 2 k 3 j 3 = k 1 k 2 k 3 c (1) = (1,,,,, ) c (2) = (, 5, 1, 1,, ) c (3) = (, 1, 3,, 1, ) Beispiel x 1 + 2x 2 x 3 2x 4 x 6 = 2x 1 + 2x 2 2x 3 x 4 + x 5 + 2x 6 = 2x 1 + 4x 2 + (5/2)x 3 + 4x 4 2x 5 + 2x 6 = x 1 x 3 x 4 + x 6 =

Spezielle Lösungen sind c (1) = ( 5 6, 1 4, 4 ) 3, 1 2, 1, 1 2 1 2 1 2 2 2 1 1 2 2 4 (5/2) 4 2 2 1 1 1 1 1 2 1 2 1 2 3 1 4 (9/2) 8 2 4 2 1 2 1 1 1 1 3 1 (3/2) (1/2) 2 (9/2) 8 2 4 2 1 2 1 (25/9) (5/9) (35/9) 1 (3/2) (1/2) 2 1 (16/9) (4/9) (8/9) 2 1 2 1 (5/6) (1/9) 1 (1/4) (1/2) 1 (4/3) (8/9) 1 (1/2) 1 und c (2) = ( 19, 12, 89 ), 1,, 1 Ein homogenes Gleichungssystem ( ) in n Unbestimmten besitzt genau dann nur die triviale Lösung (x 1 =,, x n = ), wenn der Spaltenrang der zugehörigen Koezientenmatrix n beträgt ( ) ist genau dann nur trivial lösbar, wenn der Lösungsraum von ( ) der Nullraum ist Da die einzige Basis des Nullraums die leere Menge ist, kann es keine Lösungen der Gestalt c (i) geben, dh n = r Lemma Für jeden Untervektorraum des K n gilt: (1) dim U + dim U = n (2) (U ) = U (1) Sei U = span(v 1,, v m ) mit v i = (a i1,, a in ) Dann gilt: dim U = n Zeilenrang von (a ij ) = n dim span(v 1,, v m ) = n dim U (2) u U u v für alle v U u (U ) U (U ) Wegen dim U + dim U = n und dim U + dim(u ) = n folgt dim U = dim(u ) Also (U ) = U Definition Sei U ein Untervektorraum von V Für v V heiÿt v + U := {v + u u U} der um v verschobene (ane) Unterraum Also ist v + U genau dann ein Untervektorraum von V, wenn v U

Definition Seien K ein Körper, a ij, b i K, X 1,, X n Unbestimmte Das System (+) a 11 X 1 + + a 1n X n = b 1 a m1 X 1 + + a mn X n = b m heiÿt ein inhomogenes lineares Gleichungssystem (über K) in den Unbestimmten X 1,, X n mit einfacher Koezientenmatrix a 11 a 1n (a ij ) := a m1 a mn und erweiterter Koezientenmatrix Das System ( ) (a ij b i ) := heiÿt das zugehörige homogene System a 11 a 1n b 1 a m1 a mn b m a 11 X 1 + + a 1n X n = a m1 X 1 + + a mn X n = Sei A = (a ij ) die einfache Matrix von (+) A (i) bezeichne die i-te Zeile von A und X = (X 1,, X n ) dann besagt (+) gerade: A 1 X = b 1,, A m X = b m Lemma Bezeichne M den Lösungsraum von ( ) Sei x eine spezielle Lösung von (+) Dann ist der Lösungsraum von (+) gerade der ane Raum x + M x K n löst (+) A 1 x = b 1,, A m x = b m A 1 x = A 1 x,, A m x = A m x A 1 (x x ) =,, A m (x x ) = x x M x x + M Bezeichne (A (i), b i ) die i-te Zeile der erweiterten Matrix (a ij b i ) und (X, X n+1 ) = (X 1,, X n, X n+1 ) Betrachte das homogene System (++) (A 1, b 1 ) (X, X n+1 ) =,, (A m, b m ) (X, X n+1 ) = Dann gilt: x = (x 1,, x n ) löst (+) (x, 1) löst (++) a i1 x 1 + + a in x n = b i a i1 x 1 + + a in x n + b i ( 1) =

Wir betrachten die erweiterte Matrix (a ij b i ) Durch elementare Zeilenumformungen erhalten wir 1 b 1 1 b r =: (a ij b i) b r+1 b m j 1 j r (+) ist genau dann lösbar, wenn b r+1 =,, b m = Eine spezielle Lösung ist dann x = (,,, b 1,,,, b r,,, ) : Seien b r+1,, b m = Dann löst x := (x, 1) das homogene System (++), denn? + +? + b 11 +? + +? + b 2 +? + + +? + b r +? + +? b 1 =? + +? + b 1 +? + +? + b 21 +? + + +? + b r +? + +? b 2 =? + +? + b 1 +? + +? + b 2 +? + + +? + b r1 +? + +? b 3 = Also löst x das System (+) und damit auch (+) : Sei etwa b r+1 Wir multiplizieren die (r + 1)-te Zeile mit (b r+1) 1 und erreichen: 1 b 1 1 b r 1 b m Also fordert die (r + 1)-te Zeile des zugehörigen inhomogenen Gleichungssystems: Widerspruch = X 1 + X 2 + + X n = 1, Das inhomogene lineare Gleichungssystem (+) ist genau dann lösbar, wenn der Zeilenrang von (a ij ) mit dem Zeilenrang von (a ij b i ) übereinstimmt Wir zeigen: b r+1 =,, b m = Zeilenrang(a ij ) = Zeilenrang(a ij b i ) : Klar : Sei (etwa) b r+1 Zeilenrang(a ij b i ) = r + 1 > r = Zeilenrang(a ij )

Definition (+) heiÿt universell lösbar, falls (+) bei jeder Wahl der b i lösbar ist (+) heiÿt eindeutig lösbar, falls (+) zu jeder Wahl der b i höchstens eine Lösung hat Beachte also: Ein System, das für gar keine Wahl der b i lösbar ist, wird auch eindeutig lösbar genannt (+) ist genau dann eindeutig lösbar, wenn der Spaltenrang von (a ij ) gleich der Spaltenzahl n ist (+) ist genau dann universell lösbar, wenn der Zeilenrang von (a ij ) gleich der Zeilenzahl m ist Eindeutiger Fall: Für b 1,, b m K beliebig gilt: Spaltenrang(a ij ) = n ( ) ist nur trivial lösbar Also ist die Lösungsmenge von (+) entweder x + {} = x oder Universeller Fall: : Zeilenrang(a ij ) = r = Zeilenzahl = m Zeilenrang(a ij b i ) = r = Zeilenrang(a ij ) : Sei der Zeilenrang r von (a ij ) kleiner als die Zeilenzahl m Wir bezeichnen die r linear unabhängigen Zeilen von (a ij ) mit A (i1),, A (ir) 1, i=i Wähle i {1,, m}\{i 1,, i r } und setze b i := {, i i Dann (A (i), 1) / span((a (i1), ),, (A ir, )), dh der Zeilenrang(a ij b i ) > r = Zeilenrang(a ij ), also ist (+) nicht lösbar