Sie sind auf Seite 1von 11

Lineare Algebra LinAlg - Formelsammlung (v1.

2 / Januar 2015) Seite 1 von 11

1 Lineare Gleichungssysteme
1.1 Matrizen
Transponierte Matrix: AT (Matrix an Hauptdiagonalen spiegeln)
Orthogonale Matrix: At A = AAt = E Symmetrische Matrix: A = At
 Schiefsymmetrische Matrix:
a22 −a12 At = −A
Adjungierte Matrix: adj(A) = (TR: adj(M)) (Hauptdiagonale ist 0)
−a21 a11
Inverse Matrix: A−1 A E Gauss E A−1
−−−−→
2. Variante:  
−1 1 −1 1 d −b
A = · adj(A) Sofern det(A) 6= 0, A regulär Bsp: 2 · 2 Matrizen: A = ·
det(A) ad−bc −c a

1.2 Lineare Abhänigkeit


Eine Nullzeile bedeutet, dass diese Gleichung linear abhängig ist (liefert keine neuen Informationen).
Um die Abhängigkeit herauszufinden: At in Gausstableau. Es entsteht Nullzeile. ”Unbekannte”(oben) sind λ’s, Abhängigkeit
kann herausgelesen werden.

1.2.1 Lösungsmenge
Falls mehr Unbekannte als Gleichungen vorhanden sind, bleiben Unbekannte zurück.
Diese sind frei wählbar.
Frei wählbare ändern Vorzeichen bei x1 , x2 , ..., xm da sie auf die rechte Seite gehen!
Lösungsmenge sieht wie folgt aus:

1.3 Rang
Gausstableau nach Gauss:
Def: Rang = Maximale Anzahl linear unabhängiger Zeilen.

Regulär: Rang = N
Rang = M (alle Sterne sind 0)
Singulär: Sterne 6= 0 →
 keine Lösung.
N − Rang = Anzahl frei wählbare Variablen
Sterne = 0
N > Rang → ∞-viele Lösungen

1.4 Homogen, Inhomogen


Ax = b: Inhomogenes Gleichungssystem (regulär)
Ax = 0: Homogenes Gleichungssystem (singulär)

1.4.1 Reguläre, Singuläre Matrix


Begriff ist nur für quadratische Matrizen definiert.
A invertierbar Ax = b −→ x = A−1 b b = 0 −→ x = 0
regulär: Es existiert genau 1 Lösung:
det(A) 6= 0 b 6= 0 −→ x 6= 0
singulär: Es existieren 0 oder ∞ Lösungen. Grund ist Nullzeile. (Teilweise durch ”anstarren”beweisbar)
det(A) = 0 E * * inhomogen → keine Lösung!
Ax = 0 0 0 6= 0 homogen → ∞-Lösungen.

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 2 von 11

1.4.2 Partikuläre Lösung

Def: Ist xp eine Lösung des Gleichungssystem Ax = b, dann ist die Lösungsmenge: L = {xp + xh |xh ∈ Lh }
1. Finden einer einzigen Lösung des inhomogenen Systems.
2. Finden der Lösungsmenge des homogenen Systems.
Lh = Normale Lösungsmenge mit frei wählbaren Variablen. −→ L = {xp + Lh |λ, µ ∈ R} (gesammte Lösungsmenge)

Beispiel:
         
 4 − 5z   4 −5 
Li = 2 + 3z  | z ∈ R = 2 + z  3  | z ∈ R
z 0 1
   

2 Determinante
• Kriterium für Lösbarkeit Gl. System

– det(A) 6= 0 ⇐⇒ A ist regulär (1 Lösung)


– det(A) = 0 ⇐⇒ A ist singulär, Spalten sind linear abhängig (0 oder ∞-Lösungen)

• Hat A eine Nullzeile oder ist linear abhängig → det(A) = 0


• Ändert Vorteichen wenn man Zeile oder Spalte von Matrix(A) vertauscht.
• Determinante = Fläche von Parallelogramm (2D) / Volumen von Parallelepipeds (3D)
• det(E) = 1; Wird Zeile mit λ multipliziert, wird auch det(A) mit λ multipliziert.
• Rechengesetze: det(AB) = det(A) · det(B), det(At ) = det(A), det(A−1 ) = 1
det(A) , det(E) = 1

2.1 Sarrus
a b c
a b
= ad − bc d e f = aei + bf g + cdh − ceg − af h − bdi
c d
g h i
Achtung: Gilt nur für 2x2 und 3x3 Determinanten!

2.2 Entwicklungssatz
1.
Zeile/Spalte mit meisten Nullen auswählen Vorzeichenmatrix:
2.
Element herausschreiben (Vorzeichenmatrix und Elementvorzeichen beachten) + - + -
3.
Zeile und Spalte vom Element wegdenken - + - +
+ - + -
4.
Rest als Determinante mit herausgenommenem Element multiplizieren
- + - +
5.
Schritt 2 - 4 wiederholen bis durch ganze Zeile/Spalte durch
a b c d
f g h b c d b c d b c d
e f g h
Beispiel: = +a· j k l −e· j k l +i· f g h −m· f g h
i j k l
n o p n o p n o p j k l
m n o p
(Herausgenommene Elemente, welche 0 sind fallen weg!)

2.3 Cramsche Regel


Mithilfe der Cramschen Regel können auch Gleichungssysteme aufgelöst werden solange det(a) 6= 0.
Gleichungssystem: Ax = b
b1 −3 0 −7 −3 0
    b2 3 −2 2 3 −2
−1 −3 0 −7
b 3 1 −3 −5 1 −3
mit A =  2 3 −2  und b =  2  Cramer: x = det(A) = det(A)
2 1 −3 −5


Werte vom Vektor b werden in Matrix A bei der gewünsten Stelle eingesetzt. Davon wird die Determinante ausgerechnet
und durch det(A) dividiert.

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 3 von 11

3 Vektorgeometrie

3.1 Gerade als Parametergleichung





  
px rx p ist der Ortsvektor (von Ursprung auf Gerade)
g:→

p +t·→

r =  py  + t ·  ry  →
−r ist der Richtungsvektor der Geraden
pz rz t ist eine Variable ∈ R

3.1.1 Gerade durch Punkt


     
Geg: S (Punktkoordinaten(x,y,z)) Sx px rx
 Sy  =  py  + t ·  ry 
Ges: Gibt es ein t für das die Gleichung stimmt?
Sz p
 z   rz
t= sx −px
• 1 Lösung: Punkt liegt auf Gerade und →
−v 6= 0
  rx
rx Sx px


• ∞-viele Lösungen: v = 0 und p = s −→ t ·  ry  =  Sy  −  py 
• Keine Lösung: Punkt liegt nicht auf Gerade. rz Sz pz

3.1.2 Schnittpunkt von 2 Geraden

x y z s t x y z s t
   1 0 0 sx 0 ax 1 0 0 0 0 Qx
x x 0 1 0 sy 0 ay 0 1 0 0 0 Qy


g: y =→

a +s·→

r h: y = b +t·→

u 0 0 1 sz 0 az Gauss
−−−−→ 0 0 1 0 0 Qz
z z 1 0 0 0 tx bx 0 0 0 1 0 s
0 1 0 0 ty by 0 0 0 0 1 t
0 0 1 0 tz bz 0 0 0 0 0 0

3.2 Ebene als Parametergleichung



 px
 
rx
  
ux  →

p ist der Ortsvektor (von Ursprung auf Ebene)
A=→

p + s→

r + t→

u =  py  + s ·  ry  + t ·  uy  →

r ,→

u sind Richtungsvektor der Ebene
pz rz uz s, t sind Variablen ∈ R
 

3.2.1 Durchschoss Gerade durch Ebene

Gleich wie Schnittpunkt von 2 Geraden, jedoch eine


Unbekannte mehr.
Gleichstellen und nach Stützvektoren umstellen:

3.2.2 Spiegelung von Vektor an Ebene

Zuerst müssen zwei Komponenten errechnet werden:


1. −
v→ →
− →
− →− →−
|| Die Parallele zur Ebene: v − ( v · n ) n
−→ −→
2. v⊥ Der senkrechte Vektor zur Ebene: v⊥ = (~v · ~n)~n (~n ist Einheitsvektor)


Dann ist v 0 = −
v→ −
→ v − 2(~v · ~n)~n
|| − v⊥ = ~

3.2.3 Schnittgerade von zwei Ebenen

Gleiches Verfahren wie bei Schnittpunkt von 2 Geraden, jedoch nun mit frei wählbaren.

(Ebenengleichungen ins Gausstableau einsetzen)

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 4 von 11

3.3 Vereinheitlichtes Lösungsverfahren


   
x 5
 
4
 
2
   
x 5
 
6
 
5 x, y und z werden dabei direkt ”gegaus-
y  = 8 +s0 6 +t0 5 , y  = 4 +s1 6 +t1 4 st”, es entsteht kein Umweg über frei
z 6 7 6 z 4 7 4 wählbare Variablen. Beispiel anhand
Schnittgerade zweier Ebenen.
x y z s0 t0 s1 t1 x y z s0 t0 s1 t1
1 0 0 -4 -2 0 0 5 1 0 0 0 0 0 -14 -67 Lösung ist in diesem Fall die Ge-
0 1 0 -6 -5 0 0 8 0 1 0 0 0 0 -13 -68 radengleichung:
0 0 1 -7 -6 0 0 6 → 0 0 1 0 0 0 -14.5 -80 
−67
 
14

1 0 0 0 0 -6 -5 5 0 0 0 1 0 0 -5.5 -26 −68 + t1  13 
0 1 0 0 0 -6 -4 4 0 0 0 0 1 0 4 -16 −80 14.5
0 0 1 0 0 -7 -4 4 0 0 0 0 0 1 -1.5 -12

3.4 Skalarprodukt

• |→

q
a | = ~a · ~a = a2x + a2y + a2z
Multiplikation von zwei Vektoren. Ergibt als Resultat eine Zahl,
kein Vektor! • Skalarprodukt = 0 ⇔ Vektoren sind
    senkrecht aufeinander
ax bx

− →

a · b = ay  · by  = ax · bx + ay · by + az · bz = a · b · cos(α)
az bz

− →

a·b ax ·bx +ay ·by +az ·bz
Zwischenwinkel: cos(α) = →
− =√ √
|→

a |·| b | ax 2 +ay 2 +az 2 · bx 2 +by 2 +bz 2

Mittelsenkrechte

3.5 Normalengleichung
 
x

− Mit Ebenengleichung (~r = p~ + t~u + s~v )
n · (→

a −→

p)=0 ~a = y  = Gesucht, Unbekannt
folgt: ~n = ~u × ~v
z
Eine Normale → −
n ist immer senkrecht auf dem Objekt bzw. Vektor. Die Normale einer Kugel ist parallel zum Radius-
−→ −
vektor. Mit einem Punkt P (0P = →
p ) lässt sich die Koordinatengleichung direkt hinschreiben:

n1 x + n2 y + n3 z = −
→·→
n −
0 p
Umgekehrt lässt sich aus der Koordinatengleichung die Normalengleichung herauslesen.
   
2 3
Beispiel 1: Gegeben sind 2 Punkte: A =  2 , B = −3
−2 −1 Beispiel 2:  
3
Normale kann mithilfe des Vektorproduktes gefunden werden: 3x − 2y − 7 = −4 −→ →

n = −2
        −1
nx 2 nx 3
ny  ·  2  = 2nx + 2ny − 2nz , und ny  · −3 = 3nx − 3ny − nz
nz −2 nz −1
 
−2 2
2 2 -2 0 1 0 0
2 Gl. in Gauss einsetzen: Gauss
−−−−→
3
−1 −→ →

n = 1 für n3 = 3 (n3 ist frei wählbar)
3 -3 -1 0 0 1 3 0
3

3.5.1 Ebene in Normalenform bringen


     
nx x px
ny  · y  − py  = 0 ←→ ax + by + cz + d = 0
nz z pz

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 5 von 11

3.6 Hessische Normalform


ax + by + cz − d = 0 d = 1(Abstand vom Nullpunkt zur Ebene immer = 1 in hess. Normalform!)

→ · (~
n p − d) = 0 −
→ hat Länge 1!
n
0 0


n = ~n
0 |~
n|
Beispiel: Geradengleichung: 3x + 4y = 5
Hessische Normalform: H(x, y) = 35 x + 45 y − 1

3.6.1 Abstand Ebene - Punkt


  
x0 →

p0 ist Stützvektor der Ebene, −
→ ist Normale
n
Parameterform: d =  y0  − → −
p0  · − →
n 0
0
(Achtung normiert auf Länge 1)
z0
p−p
n·(~ −→)
Koeffizientenschreibweise: d = |~na | x + |~nb | y + |~nc | z + d
|~
n| = |~
n|
0

3.6.2 Vektor an Ebene spiegeln 3.6.3 Winkelhalbierende Geraden




v2 = ~v − 2(~n · ~v ) · −

n 1. Geraden g & h auf Hessische Normalform bringen.
0


v = ~v − 2 n·~
~ v
· ~n w1 : g = h
2 n|2
|~ 2. Winkelhalbierende Geraden sind:
w2 : g = −h
Winkelhalbierende vom 0-Punkt
3.7 Orthonormalisierung (Gilt nur vom Ursprung aus!)
Ziel: Alle Vektoren haben Länge 1 und sind senkrecht aufeinander. Gegeben: 2 Punkte A, B (gleicher Abstand
~
Bedingung: ~a, b, ~c sind linear unabhängig. vom Ursprung)
Gesucht: Winkelhalbierende

− ~b−(−
→·~b)·−
→ − → − → − −
→ −→

− ~
a a 2 a2 →
− c−(→
~ −c ·−
→)·−
a → →
2 a2 −( c · b2 )· b2 g : t · 0A h : t · 0B
a =
2 |~
a| b = 2 |~b−(−
→·~b)·−
a
c =
→|
a 2 |Zähler|
2 2 ~ B
A+ ~
w : w(t)
~ =t· 2

3.8 Least Squares


Ziel: Überbestimmtes Gleichungssystem möglichst genau lösen.
(At (Ax − b) = 0)    
x1 x Achtung: Reihenfolge beachten:
t t
A Ax = A b ⇐⇒ A A t
=Abt t
AA Ab t
−→ x, 1
x2 x2 At · A (nicht drehen!)

3.9 Kreis und Kugel


m
~ ist Ortsvektor zu Mittelpunkt,
K(M, r) = {~
p|(~
p − m)
~ · (~
p − m) ~ 2 = r2 }
p − m)
~ = (~
P auf Kugel, p~= (x, y, z)
Durchstosspunkt Gerade-Kugel
Gerade: g=→ −
p0 + t~r,
|~r|2 t2 + 2→

p · (→
− ~ + |→
p − m)t − ~ 2 − r2
p − m|
0 0 0
Kugel: p| |(→
{~ −
p0 + t~r) − m|
~ = r}
Thaleskugel

Tangentialebene (Kreis/Kugel)
~n = →

p0 − m
~

− p0 ist Berührungspunkt
(p0 − m) p−→
~ · (~ −
p0 ) = 0

− p ist Punkt auf Tangente
(p0 − m)
~ · (~ ~ = r2
p − m)

3.10 Vektorprodukt (Kreuzprodukt)


• (~a × ~b) ist senkrecht auf ~a und ~b 1. Zeile Abdecken, Kreuzprodukt bilden.
• |~a × ~b| ist Flächeninhalt von #~a, ~b      
a1 b1 a2 b3 − b2 a3
• ~a, ~b, (~a × ~b) bilden ein Rechtssystem
~a × ~b = a2  × b2  = a3 b1 − b3 a1 
• h = |~b| · sin(α) a3 b3 a1 b2 − b1 a2
• Resultat ist Vektor!

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 6 von 11

3.10.1 Fläche zweier Vektoren


Linearität: ~a = a~0 + a~00
   
u v Fläche von Dreieck:
A(~u, ~v ) = |~u × ~v | = 1 × 1
u2 v2 → A(~a, ~b) = A(a~0 + a~00 , ~b) A = 21 · A(~u, ~v )

3.10.2 Volumen von Parallelepipeds


     
x1 y1 z1
~x × ~y ist Grundfläche, ~z ist Höhe
V (~x, ~y , ~z) = |(~x × ~y ) · ~z| = x2 × y2 · z2 
Linearität: ~a = a~0 + a~00
      
x3 y3 z3

3.11 Abstände
Punkt zu Gerade
|(~
a−~ r|
p)×~ Punkt p : p~
d= ~
r Gerade g:→ −
p0 + t~r
Punkt zu Ebene

− → − Punkt p : p~
p−→
d = r1 ×r2 · (~ −
p )
|→ σ:→ −
p0 + t1 →

r1 + t2 →


r1 ×→

r2 | 0
Ebene r2
Windschiefe Geraden


Gerade g : →−
p1 + t→

r1
r1 ×→

d= |→

r ×→
1
r2

r |
2
· (→

p2 − →

p1 ) Gerade h : p2 + s→

− −
r2
Richtung von d: r1 × →

− −
r2 = ~n

3.12 Zwischenwinkel
a×~b|
|~
nur für spitze Winkel: sin(α) = a|·|~b|
|~

3.13 Schwerpunkt eines Dreiecks


rs = 31 (→

− −
r1 + →

r2 + →

r3 )

4 Lineare Räume
4.1 Kern
Kern = Alle Abbildungen von v, welche durch A auf den Nullvektor von v 0 abgebildet werden
L = {v ∈ Rn |Av = 0} −→ Nullraum von A, Kern von A, ker(A)

4.2 Bild
Bild = Alle Vektoren von V 0 , welche Bilder sind von den Vektoren von V
U = {Bξ|ξ ∈ R1291 } ⊂ Rn

4.3 Basis
Die Basis B spannt den Unterraum V auf. Die Basis selbst besteht aus einer Menge linear unabhängiger Vektoren.

Beispiel 1: Finde Basis des Nullraums der Matrix A:


Nullraum aufge-
  ergibt frei wählbare
1 2 3 1 2 3 0 1 0 -1 0   spannt
  durch
1
A = 4 5 6 4 5 6 0 Gauss 0 1 2 0 1
−−−−→ t −2 −2
7 8 9 7 8 9 0 0 0 0 0 1
1
Beispiel 2: Finde eine Basis des Bildraumes im A:    
Basis besteht aus so wenig  1 2 
Gauss von Bsp.1 ergiebt 1
linear unabhängigen Vek- −→ −→ Basis B = 4 , 5
frei Wählbare.
toren wie möglich! 7 8
 

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 7 von 11

4.4 Basistransformation (Basiswechsel)


Wechsel von einer Basis B in eine neue Basis B 0 mithilfe der Transformationsmatrix. Wird benötigt um Koordinaten umzu-
rechnen.

B = {b1 , b2 }; B 0 = {b01 , b02 } ~v = Bξ = B 0 ξ 0


ξ = Streckungsfaktor von B für ~v ~v = ξ1 b1 + ξ2 b2 = ξ10 b01 + ξ20 b02

Beispiel
   
1 0 4 2
B= ; B0 =
0 1 1 3
neue Basisvektoren durch alte ausdrücken:
b01 = 4b1 + 1b2
b02 = 2b1 + 3b2

ξ aus ξ 0 berechnen:
Umrechnen
   von  neuen
 0 Koordinaten
 0  in alte:
= (4b1 + 1b2 ) · ξ10 + (2b1 + 3b2 ) · ξ20 ξ1 4 2 ξ1 ξ
= (4 · ξ10 + 2 · ξ20 )b1 + (1 · ξ10 + 3 · ξ20 )b2 = = T 10 ξ = T ξ0
ξ2 1 3 ξ20 ξ2
= ξ1 b1 + ξ2 b2

4.4.1 Spezialfall Rn

~v = Bξ = B 0 ξ 0
T = B 0−1 B 0
Für reguläre n × n-Matrizen:
ξ = T ξ 0 = B −1 B 0 ξ 0
ξ 0 = T ξ = B 0−1 Bξ

4.4.2 Allgemeiner Fall

1 0
ξ −→ Aξ
Für n × m-Matrizen, (n > m) B’ B Gauss 0 1 T
−−−−→ ↓ ↓
0 0 0 0
0 0 ξ0 −→ A0 ξ 0
~v = Bξ = B ξ 1 0
~v = ξ1 b1 + ξ2 b2 = ξ10 b01 + ξ20 b02 B B’ Gauss 0 1 T −1
−−−−→ A0 = T AT −1
0 0 0 0

4.5 Orthogonale Matrizen


Die Spalten einer orthogonalen Matrix sind orthogonal • A−1 = At
und haben die Länge 1 • AA−1 = AAt = E
O(n) = {A|A orthogonal n × n-Matrix} • det(A) = ±1

4.6 Spiegelung
det(A) = −1 analog in beliebig vielen Dimensionen
SO(n) = {A ∈ O(3)|det(A) = 1} Unterraum von orthogonalen Matrizen
 
1 0 0
Beispiele:   an XY-Ebene T = 0 1 0 
1 0
an X-Achse T = 0 0 −1
 0 −1 1 0 0
−1 0 an XZ-Ebene T = 0 −1 0
an Y-Achse T =
 0 1 0 0 1
0 1 −1 0 0
an 45◦ -Geraden T =
1 0 an YZ-Ebene T =  0 1 0
0 0 1

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 8 von 11

4.7 Projektion
 
1 0 0
an XY-Ebene T = 0 1 0
Beispiele:
0 0 0
 
1 0
an X-Achse T = 1 0 0
0 0
an XZ-Ebene T = 0 0 0
0 0 1
 
0 0
an Y-Achse T = 0 0 0
0 1
an YZ-Ebene T = 0 1 0
0 0 1

4.8 Drehmatrizen
det(A) = +1
SO(n) = {A ∈ O(3)|det(A) = 1} Die Spalten von A sind die Bilder der
x0 = Dφ · x Standardbasis-Vektoren!

Verwenden um Vektoren zu drehen! Wird das Koordinatensystem gedreht,


−1
muss die inverse Drehmatrix genommen werden! (zB. Dx,α )

Drehung gegen den Uhrzeigersinn ist positiv!


 
cos(α) −sin(α) in 2-Dimensionen
2D A = Dα =
sin(α) cos(α) Dα Dβ = Dα+β
 
1 0 0
in 3-Dimensionen Reihenfolge
3D, Drehung um x-Achse A = Dx,α = 0 cos(α) −sin(α)
der Drehung beachten!
0 sin(α) cos(α)
 
cos(α) 0 sin(α)
3D, Drehung um y-Achse A = Dy,α = 0 1 0 
−sin(α) 0 cos(α)

cos(α) −sin(α) 0
3D, Drehung um z-Achse A = Dz,α = sin(α) cos(α) 0
0 0 1
     
Um Vektor zu drehen, 0 1 0 0 0
Vektor mit Drehmarix 0 · 0 cos(α) −sin(α) = −sin(α)
multiplizieren: 1 0 sin(α) cos(α) cos(α)

4.9 Spur
 
a11 ... a1n Spur = Summer der Diago-
 .. .. ..  = a + a + a + . . . + a
Spur(A) =  . . .  11 22 33 nn nalelementen auf der Haupt-
an1 ... ann diagonalen.

4.9.1 Drehwinkel
In 3D: In 2D:
cos(α) = Spur(A)−1
2 cos(α) = Spur(A)
2

4.9.2 Richtung der Drehachse


Ist ~v die Drehachse? −→ D~v = ~v D = Drehmatrix

Wird ~v unverändert wiedergegeben, so ist ~v die Drehachse!

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 9 von 11

5 Matrizenzerlegung
Ax = b → viel Arbeit

Ly = b L, R sind Dreiecksmatrizen
A = LR → LRx = b
Rx =y det(A) = det(L) · det(R)
Q orthogonal, Q−1 = Qt

Qy = b ”sehr einfach”
A = QR →
 Rx = y ”einfach” det(A) = det(Q) · det(R)
Qt y = b ”einfach” Q Dreiecksmatrix
A = Qt Q →
Qx = y ”sehr einfach” det(A) = det(Q)2

5.1 LU-Zerlegung
U = Gauss ohne Rückwärtz-Einsetzen. (Diagonalelemente = 1, oben rechts ursprünglichen Zahlen)
L = Besteht aus Pivot-Elementen und Spalte unter Pivot-Elementen.

 Finde dieLU-Zerlegung der Matrix A: A = L · U


Beispiel:
−1 0 2 -1 0 2 1 0 -2 1 0 -2 1 0 -2
5 5
A= 1 3 3 1 3 3 → 0 3 5 → 0 1 3 → 0 1 3
−1 −3 1 -1 -3 1 0 -3 -1 0 0 4 0 0 1
   
−1 0 0 1 0 −2
Daraus kann man
L= 1 3 0, U = 0 1 53 
nun L und U ablesen: −1 −3 4 0 0 1

5.2 LR-Zerlegung

1. Für eine LR-Zerlegung muss zuerst die LU-Zerlegung durchgeführt werden Lneu = L · (Diagonalelemente von L)−1
2. Lneu durch L bilden. R = (Diagonalelemente von L) · U
3. R ausrechnen. Kontrolle: A = Lneu · R
4. Kontrolle durchführen Lneu · R = A

Beispiel: (siehe LU-Zerlegung vorher)


   −1      
−1 0 0 −1 0 0 −1 0 0 −1 0 0 1 0 0
1
Lneu = L · (LDiag. )−1 =  1 3 0 ·  0 3 0 =  1 3 0 ·  0 3 0  = −1 1 0
1
−1 −3 4 0 0 4 −1 −3 4 0 0 4 1 −1 1
     
−1 0 0 1 0 −2 −1 0 2
R = LDiag. · U =  0 3 0 · 0 1 53  =  0 3 5
0 0 4 0 0 1 0 0 4
     
1 0 0 −1 0 2 −1 0 2
Kontrolle: A = Lneu · R = −1 1 0 ·  0 3 5 =  1 3 3
1 −1 1 0 0 4 −1 −3 1

5.3 QR-Zerlegung
QR-Zerlegung liefert eine Matrix mit orthonormierten Spalten. Einzelne Spalten der Matrix A werden auf die Länge 1 nor-
miert.


→= ~
x →
− y −(−
~ →·~
x −

2 y )·x2 →
− z −(→
~ −
z ·−
→)·−
x → → − →− → −
2 x2 −( z ·y2 )·y2
x 2 |~
x| y2 = y −(−
|~ →·~
x −

2 y )·x2 |
z2 = |Zähler|

Beispiel:
√1 −2
 
√ 0
 
1 0 0
für Q wird das Resultat der √13 √16 −1 

A = 1 1 0 Q=  3 6 2
Orthonormalisierung verwendet
1 1 1 √1 √1 √1
3 6 2
 1
√1 √1
  √ √2 √1


3 3 3 1 0 0 3 3 3
−1 t √−2 √1 √1  0 √2 √1 
R ist links unter
R=Q A=QA= 6 1 1 0 = 
6 6 6 6 Hauptdiagonalen = 0.
−1 √1 1 1 1 1
0 √ 2 2
0 0 √2

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 10 von 11

5.4 Cholesky-Zerlegung
Eine Matrix ist symmetrisch und positiv definiert wenn die Cholesky-Zerlegung funktioniert. Die Cholesky-Zerlegung zieht
die Wurzel aus einer Matrix.
A = LLt
     √
9 6 3 3 0 0 3 2 1 L11 = 9 = 3 L22 = 22 +?2 = 8 → 2
A= 6 8 4 = 2 2 0
     0 2 1  L21 = 6/3 = 2 L32 = 2 · 1 + 2·? = 4 → 1
3 4 3 1 1 1 0 0 1 L31 = 3/3 = 1 L33 = 12 + 12 +?2 = 3 → 1

6 Eigenwerte und Eigenvektoren


Problem: finde Vektor ~v zu A sodass A~v = λ~v ~v 6= 0 heisst Eigenvektor von A.
An A~v = ~v ⇒ An~v = ~v
A~v = −~v ⇒ An~v = (−1)n~v
A~v = λ~v ⇒ An~v = λn~v

6.1 Ist Matrix A diagonalisierbar?


• jede symmetrische Matrix ist diagonalisierbar A = At (An Diagonale gespiegelt)
• Eigenvektoren von A als Basis verwenden → A diagonal in Eigenvektorbasis = A’
• A ist diagonalisierbar, wenn Basis aus Eigenvektoren existiert!

Schritt 1: Eigenwerte λ von A finden. Beispiel:


 
det(A − λE) −→ ergibt charakteristisches Polynom! 2 −1 2−λ -1
A= −→ = (2 − λ)2 − 1
−1 2 -1 2−λ
= λ2 − 4λ − 3 −→ Charakteristisches Polynom
Schritt 2: Eigenwerte bestimmen 
2 λ1 = 1
det(A − λE) = 0 0 = λ − 4λ − 3 = (λ − 1)(λ − 3)
λ2 = 3


v1 :
Schritt 3: Eigenvektoren bestimmen 2 − λ1 -1 1 -1 x=y
Gauss
−−−−→ y = frei wählbar
-1 2 − λ1 0 0
Für jedes λ dazugehörigen Vektor finden.   →
− →

1 v2 gleich wie v1 ,
Dazu wird (A − λE)~v = 0 in Gauss eingesetzt. =⇒ → −
v1 =
1 nun einfach mit λ2

6.2 Diverses
System: Rechtssystem : det(A) > 0
Linkssystem : det(A) < 0
d  d  d    
a
−a −a x a
Umrechnung Koordinatenform
σ : ax + by + cz = d ⇒ σ =  0  + u  db  + v  0  ~n = y  =  b 
→ Parameterform d
z c
0 0 c

Umrechnung Parameterform d erhält man durch einsetzen des


σ = p~ + s→

r1 + t→

r2 ⇒ ~n = ~v × ~v
→ Koordinatenform Stützvektors p~ in die Koordinatengleichung.
⇒ σ :ax +by + cz = d
vx
Eigenschaften Vektor
~v = vy  → vx 2 + vy 2 + vz 2 = |v|2
vz

F. Gerber 26. Januar 2015


Lineare Algebra LinAlg - Formelsammlung (v1.2 / Januar 2015) Seite 11 von 11

6.3 TI-nspire CX CAS


Zweck Befehl
Skalarprodukt zweier Vektoren dotP([vec],[vec])
Kreuzprodukt zweier Vektoren crossP([vec],[vec])
Gauss rref([Matrix])
Determinante det([Matrix])
Matrix transponieren Menu → 7 → 2
Gauss ohne rückwärts einsetzen ref([Matrix])

linalgcas
Gauss mit Schritten gaussstep([Matrix])
Rang bestimmen rank([Matrix])
Diagonalisieren diagonalization([Matrix])
Inverse mit Schritten inversestep([Matrix])

F. Gerber 26. Januar 2015