3 Matrizen und Lineare Gleichungssysteme

Ähnliche Dokumente
Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)

2.2 Lineare Gleichungssysteme (LGS)

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Matrizen, Determinanten, lineare Gleichungssysteme

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

35 Matrixschreibweise für lineare Abbildungen

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

05. Lineare Gleichungssysteme

7 Matrizen über R und C

Matrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1

1 Matrizenrechnung zweiter Teil

1 Transponieren, Diagonal- und Dreiecksmatrizen

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

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

Invertierbarkeit von Matrizen

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( )

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).

$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

LINEARE ALGEBRA II. FÜR PHYSIKER

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

Lineare Algebra 1. Roger Burkhardt

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

37 Gauß-Algorithmus und lineare Gleichungssysteme

Matrizen. Lineare Algebra I. Kapitel April 2011

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

5 Die Allgemeine Lineare Gruppe

Tutorium: Analysis und Lineare Algebra

Dreiecksmatrizen. Die Treppennormalform

Serie 8: Online-Test

5.2 Rechnen mit Matrizen

Lineare Algebra I (WS 12/13)

(c) x 2 + 3x 3 = 1 3x 1 + 6x 2 3x 3 = 2 6x 1 + 6x x 3 = 5

2.3 Lineare Abbildungen und Matrizen

7 Matrizen über R und C

4. Übungsblatt zur Mathematik II für Inf, WInf

Lineare Algebra I. December 11, 2017

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

7 Matrizen über R und C

2 Matrizenrechnung und Lineare Gleichungssysteme

Basiswissen Matrizen

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

Serie 8: Fakultativer Online-Test

Lineare Algebra und analytische Geometrie I

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

3 Systeme linearer Gleichungen

Tutorium: Analysis und Lineare Algebra

Lineare Gleichungssysteme und Matrizen

Übungen zum Ferienkurs Lineare Algebra WS 14/15

1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4

1 Matrizen und Vektoren

5.2 Rechnen mit Matrizen

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Lineare Algebra und Numerische Mathematik für D-BAUG

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

Spezielle Matrizen. Invertierbarkeit.

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

3 Matrizenrechnung. 3. November

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

3 Determinanten, Eigenwerte, Normalformen

Kapitel 9: Lineare Gleichungssysteme

Lineare Algebra. Teil III. Inhaltsangabe

Lineare Algebra I - Prüfung Winter 2019

2 Die Algebra der Matrizen

Matrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

9.2 Invertierbare Matrizen

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).

a ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen

36 2 Lineare Algebra

Chr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen.

6 Lineare Algebra. 6.1 Einführung

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

Matrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya

32 2 Lineare Algebra

9 Matrizen über R und C

3 Lineare Algebra Vektorräume

6.2 Rechnen mit Matrizen

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

Transkript:

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen und n Spalten, oder kurz eine m n-matrix, über K ist ein Ausdruck A = ( a ij )1 i m mit Koeffizienten a ij K, ausführlich geschrieben als rechteckiges Schema a 11... a 1n..... a m1... a mn Der erste Index i in (...)1 i m bezeichnet stets die Zeile, der zweite j die Spalte. Definition: Eine m m-matrix heisst quadratisch. Eine m 1-Matrix heisst ein Spaltenvektor, eine 1 n-matrix ein Zeilenvektor. Beispiel: Die Nullmatrix O m,n := ( 0 ) 1 i m mit allen Einträgen gleich 0. Beispiel: Die (quadratische) Einheitsmatrix I m := ( δ ij mit der Kronecker- )1 i,j m Deltafunktion 1 für i = j, δ ij := 0 für i j. das heisst, mit allen Diagonaleinträgen gleich 1 und allen übrigen Einträgen gleich 0. Definition: DasProdukt einer m n-matrixa = ( a ij )1 i m ist die m n-matrix λ A := A λ := ( λa ij )1 i m. Definition: Die Summe zweier m n-matrizen A = ( a ij )1 i m ist die m n-matrix A+B := ( a ij +b ij )1 i m. mit einemelement λ K und B = ( b ij )1 i m Wir immer bei Addition kürzen wir ab B := ( 1) B und A B := A+( 1) B. Definition: Das Produkt einer m n-matrix A = ( a ij )1 i m B = ( b jk ) ist die m l-matrix 1 k l A B := ( n j=1 a ij b jk )1 i m. 1 k l mit einer n l-matrix

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 39 3.2 Grundeigenschaften Satz: Für alle Matrizen A, B, C über K und alle λ, µ K gilt, sofern die Matrizen die für die jeweilige Formel richtige Grösse besitzen: A+(B +C) = (A+B)+C A+B = B +A O m,n +A = A A+( 1) A = O m,n (Assoziativität der Addition) (Kommutativität der Addition) (Neutrales Element der Addition) (Inverses Element der Addition) λ (A+B) = λ A+λ B (Linksdistributivität der skalaren Multiplikation) (λ+µ) A = λ A+µ A (Rechtsdistributivität der skalaren Multiplikation) λ (µ A) = (λ µ) A (Assoziativität der skalaren Multiplikation) 1 A = A (Einselement und skalare Multiplikation) 0 A = O m,n (Nullelement und skalare Multiplikation) A (B C) = (A B) C A (B +C) = A B +A C (A+B) C = A C +B C I m A = A A I n = A λ (A B) = (λ A) B λ (A B) = A (λ B) (Assoziativität der Multiplikation) (Linksdistributivität der Multiplikation) (Rechtsdistributivität der Multiplikation) (Linksneutrales Element der Multiplikation) (Rechtsneutrales Element der Multiplikation) (Assoziativität für gemischte Multiplikation) (Assoziativität für gemischte Multiplikation) Insbesondere ist die Menge aller m n-matrizen über K zusammen mit der Addition und dem neutralen Element O m,n eine abelsche Gruppe. Die Menge aller m m-matrizen über K zusammen mit der Addition und Multiplikation und dem Nullelement O m,m und dem Einselement I m ist ein unitärer Ring. Vorsicht: Für m 2 ist dieser Ring weder kommutativ noch ein Schiefkörper.

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 40 3.3 Invertierbare Matrizen Definition: Eine m m-matrix A, zu der eine m m-matrix A mit A A = A A = I m existiert, heisst invertierbar.diebetreffende Matrix A heisst danninverse von A und wird mit A 1 bezeichnet. Die Menge aller invertierbaren m m-matrizen über K wird mit GL m (K) bezeichnet. Satz: Die Menge GL m (K) zusammen mit der Matrixmultiplikation und dem Einselement I m bildet eine Gruppe. Insbesondere gilt für alle m m-matrizen A und B: (a) Ist A invertierbar, so ist ihre Inverse A 1 eindeutig bestimmt. (b) Ist A invertierbar, so ist auch A 1 invertierbar mit (A 1 ) 1 = A. (c) Sind A und B invertierbar, so ist A B invertierbar und (A B) 1 = B 1 A 1. (d) Ist A invertierbar, so ist B invertierbar genau dann wenn A B invertierbar ist genau dann wenn B A invertierbar ist. Satz: Für jede invertierbare m m-matrix A gilt: (a) Für alle m n-matrizen B, C gilt A B = C genau dann wenn B = A 1 C ist. (b) Für alle n m-matrizen B, C gilt B A = C genau dann wenn B = C A 1 ist. Satz: Für jede m m-matrix A über K sind äquivalent: (a) Die Matrix A ist invertierbar. (b) Es existiert eine m m-matrix A über K mit A A = I m (Linksinverse). (c) Es existiert eine m m-matrix A über K mit A A = I m (Rechtsinverse). In jedem der Fälle (b) und (c) ist die Matrix A die eindeutig bestimmte Inverse A 1. Vorsicht: Dies beweisen wir erst nach der Dreieckszerlegung.

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 41 3.4 Transposition Definition: Die Transponierte einer m n-matrix A = ( a ij )1 i m ist die durch Vertauschen der Zeilenindizes mit den Spaltenindizes entstehende n m-matrix A T := ( a ij ) 1 i m = a 11... a m1..... a 1n... a mn Satz: Für alle Matrizen A, B über K und alle λ K gilt, sofern die Matrizen die für die jeweilige Formel richtige Grösse besitzen: (A T ) T = A (A+B) T = A T +B T (λ A) T = λ A T (A B) T = B T A T O T m,n = O n,m I T m = I m Ausserdem ist A invertierbar genau dann, wenn A T invertierbar ist, und dann gilt (A T ) 1 = (A 1 ) T.

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 42 3.5 Lineare Gleichungssysteme Sei K ein Körper. Definition: Ein System von Gleichungen n j=1 a ijx j = b i für alle 1 i m, das heisst a 11 x 1 +... + a 1n x 1 = b 1... a 11 x 1 +... + a mn x n = b m fürgegebenea ij,b i K undzubestimmenden Variablenx j,heisst lineares Gleichungssystem (kurz LGS) über K. Sind alle b j = 0, so heisst das Gleichungssystem homogen. Fakt: Jedes lineare Gleichungssystem kann man schreiben in Matrixform A x = b fürdiematrixa = ( a ij )1 i m unddiespaltenvektorenb = (b i ) 1 i m undx = (x i ). Insgesamt stellt man das LGS oft durch die zusammengesetzte m (n + 1)-Matrix dar: a 11... a 1n b 1 (A,b) :=...... a m1... a mn b m Definition: Elementare Zeilenumformungen eines linearen Gleichungssystems oder einer Matrix über K sind: (a) das Addieren von λ K mal einer Zeile zu einer anderen, (b) das Multiplizieren einer Zeile mit λ K, (c) das Vertauschen zweier Zeilen. Die Wirkung jeder elementaren Zeilenumformung auf ein Gleichungssystem Ax = b entspricht der Wirkung derselben elementaren Zeilenumformung auf die Matrix (A, b). Fakt: Jede elementare Zeilenumformung ist umkehrbar, nämlich in den betreffenden Fällen durch (a) das Addieren von λ mal derselben Zeile zu derselben anderen, (b) das Multiplizieren derselben Zeile mit λ 1, (c) das nochmalige Vertauschen derselben Zeilen. Für das Gleichungssystem insgesamt erhalten wir daher eine Äquivalenzumformung. Definition: Ein Gleichungssystem oder eine Matrix heisst in Zeilenstufenform, wenn die von Null verschiedenen Terme in jeder Zeile echt später beginnen als in der Zeile davor. Satz: (Gauss-Elimination) Jedes Gleichungssystem und jede Matrix lässt sich durch eine Folge elementarer Zeilenumformungen in Zeilenstufenform bringen.

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 43 Beweis: Später zusammen mit der Dreieckszerlegung. Definition: Eine Matrix mit genau einem Eintrag 1 und allen übrigen Einträgen 0 heisst Elementarmatrix. Genauer betrachten wir für fest gegebene m,n 1 und alle 1 i m und 1 j n die Elementarmatrix E ij := ( ) δ ii δ jj. 1 i m 1 j n Satz: Seien A eine m n-matrix und λ K, und 1 i,j m mit i j. (a) Addierenvonλmalderj-tenZeilevonAzuri-tenergibtdieMatrix(I m +λe ij ) A. (b) Die Matrix I m +λe ij ist invertierbar mit der Inversen I m λe ij. Definition: Eine m m-matrix A = ( a ij )1 i,j m mit a ij = 0 für alle i j heisst Diagonalmatrix. Satz: Seien A eine m n-matrix und λ K und 1 i m. Sei D die m m- Diagonalmatrix mit Eintrag λ an der Stelle(i, i) und allen übrigen Diagonaleinträgen 1. (a) Multiplizieren der i-ten Zeile von A mit λ ergibt die Matrix D A. (b) Die Matrix D ist invertierbar; ihre Inverse ist die Diagonalmatrix mit Eintrag λ 1 an der Stelle (i,i) und allen übrigen Diagonaleinträgen 1. Definition: Eine m m-matrix, in der jede Zeile und jede Spalte genau eine 1 und sonst nur Einträge 0 besitzt, heisst Permutationsmatrix. In Formeln: P = ( p ij )1 i,j m ist eine Permutationsmatrix wenn gilt: i j: p ij = 1 j j: p ij = 0, und j i: p ij = 1 i i: p i j = 0. Satz: Seien A eine m n-matrix und 1 i,j m mit i j. Sei P die m m- Permutationsmatrix, die der Einheitsmatrix gleicht ausser dass die Einträge in Position (i,i) und (j,j) gleich 0 und die Einträge in Position (i,j) und (j,i) gleich 1 sind. (a) Vertauschen der i-ten und j-ten Zeile von A ergibt die Matrix P A. (b) Die Matrix P ist invertierbar mit der Inversen P 1 = P. Satz: Jede Folge elementarer Zeilenoperationen wird durch Multiplikation von links mit einer geeigneten invertierbaren Matrix repräsentiert. Satz: Jede Matrix lässt sich durch eine Folge elementarer Zeilenoperationen und Vertauschen von Spalten in die folgende Blockmatrixform bringen für ein geeignetes k: I k C O O Bemerkung: Vertauschen von Spalten in der zu der linken Seite eines linearen Gleichungssystems assoziierten Matrix bedeutet Vertauschen von Variablen. Sobald man die linke Seite in die obige Form gebracht hat, ergeben sich die Lösungen wie folgt:

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 44 Satz: Ein lineares Gleichungssystem der Form I k C O O,l y = d besitzt eine Lösung genau dann, wenn der i-te Eintrag von d gleich Null ist für alle i > k. In diesem Fall ist y = d eine partikuläre Lösung, und die allgemeine Lösung ist y = d + C für einen beliebigen Spaltenvektor z der Länge l. I l z

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 45 3.6 Dreiecksmatrizen Definition: Eine m m-matrix A = ( a ij )1 i,j m mit (a) a ij = 0 für alle i > j heisst obere Dreiecksmatrix, (b) a ij = 0 für alle i < j heisst untere Dreiecksmatrix. Satz: Für jede obere (bzw. untere) Dreiecksmatrix A ist A T eine untere (bzw. obere) Dreiecksmatrix. Satz: Sei W := ( δ i,m+1 j die Permutationsmatrix mit allen Einträgen auf der )1 i,j m Antidiagonalen gleich 1 und allen übrigen Einträgen 0. Dann ist für jede obere (bzw. untere) Dreiecksmatrix A die Matrix W A W eine untere(bzw. obere) Dreiecksmatrix. Bemerkung: Durch beide Transformationen kann man die folgenden Aussagen für obere Dreiecksmatrizen in analoge Aussagen für untere Dreiecksmatrizen übersetzen. Satz: Für jede obere Dreiecksmatrix mit allen Diagonaleinträgen gleich 1 gilt: (a) Sie kann durch eine Folge elementarer Zeilenumformungen der Art Addiere ein Vielfaches einer späteren Zeile zu einer früheren in die Einheitsmatrix überführt werden. (b) Sie ist ein Produkt von Matrizen I m +λe ij für gewisse λ K und i < j. Satz: Für je zwei obere Dreiecksmatrizen A und B derselben Grösse sind auch A+B und A B obere Dreiecksmatrizen, und deren Diagonaleinträge sind die Summe bzw. das Produkt der entsprechenden Diagonaleinträge von A und B. Satz: Für jede obere Dreiecksmatrix A gilt: (a) Jede Links- oder Rechtsinverse von A ist wieder eine obere Dreiecksmatrix. (b) Die Matrix A ist invertierbar genau dann, wenn kein Diagonaleintrag Null ist.

3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 46 3.7 Dreieckszerlegung von Matrizen Satz: Für jede Matrix A existieren eine Permutationsmatrix P und eine invertierbare untere Dreiecksmatrix U, so dass U P A Zeilenstufenform hat. Satz: (LR-Zerlegung) Für jede invertierbare Matrix A existieren eine Permutationsmatrix P, eine invertierbare untere Dreiecksmatrix L, und eine invertierbare obere Dreiecksmatrix R, so dass gilt A = P L R. Satz: Für jede quadratische Matrix sind äquivalent: (a) Die Matrix ist invertierbar. (b) Die Matrix lässt sich durch elementare Zeilenoperationen in die Einheitsmatrix überführen. (c) Während der Gauss-Elimination bleiben alle Zeilen ungleich Null. Satz: Sei A eine m n-matrix und (A,I m ) die durch Zusammensetzen entstehende m (n+m)-matrix. Seien B eine m n-matrix und U eine m m-matrix, so dass (B,U) durch eine Folge elementarer Zeilenoperationen aus (A,I m ) entsteht. Dann gilt B = U A. Folge: Für jede invertierbare m m Matrix A führt die vollständige Gauss-Elimination von der Matrix (A,I m ) auf die Matrix (I m,a 1 ).