Beruflich Dokumente
Kultur Dokumente
Inhaltsübersicht
Determinanten
▪ Euklidisches Skalarprodukt: Länge eines Vektors, Abstand von Punkten, Winkel zwischen Vektoren
▪ Kreuzprodukt: Normale berechnen
▪ Spatprodukt / Gemischtes Produkt
▪ Geraden, Ebenen: Darstellungsform in Parameterform bzw. als Gleichung in Hesse-Normalform
▪ Orthogonalität (Rechtwinkligkeit) und Projektion von Vektoren
▪ Geraden, Ebenen: Schnitte, Lotfußpunkt (Projektion), Abstände
Eigenwerte, Eigenvektoren
[Lineare Abbildungen]
[Vertiefung: Orthogonalität]
Literatur
[Papula1] Kapitel I.5 und Kapitel II (jedoch teilweise eine andere Reihenfolge)
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Kapitel Lineare Algebra | Matrizen und Vektoren Seite 113
Lineare Algebra – Beispiele zur Motivation
Lineare Gleichungssysteme
Matrizenrechnung
𝑎11 𝑎12 … 𝑎1𝑘 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑘 … 𝑎2𝑛
𝑨 = 𝑎𝑖1
⋮ ⋮
𝑎𝑖2
⋮ ⋮
… 𝑎𝑖𝑘 … 𝑎𝑖𝑛 𝒚𝑻 𝑨𝑩𝒙 (𝑨𝑩)−𝟏 = 𝑩−𝟏 𝑨−𝟏
⋮ ⋮ ⋮ ⋮
( 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑘 … 𝑎𝑚𝑛 )
Geometrische Anwendungen
Robotik
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Kapitel Lineare Algebra | Matrizen und Vektoren Seite 114
Abschnitt: Matrizen und Vektoren [Papula2 I.2, Teschl1 Kap 10]
Rechteckige Zahlentabellen (Zahlen, die in Spalten und Zeilen angeordnet sind) sind ein wichtiges Hilfsmittel zur Beschreibung
vieler Anwendungen aus Technik, Informatik und Wirtschaftswissenschaften. In der Linearen Algebra fasst man derartige
Rechteckschemata als selbständige Rechenobjekte „Matrizen“ auf und versucht, auf möglichst kompakte Weise eine
„Mathematik“ mit derartigen Objekten zu ermöglichen, die den Anwendungsbedürfnissen genügt. In der Programmierung
kennen wir Matrizen als mehrdimensionale Arrays. Im Spezialfall, dass eine Matrix nur aus einer Spalte bzw. einer Zeile besteht,
spricht man von (Spalten- bzw. Zeilen-) Vektoren. In der Programmierung sind dies die üblichen (eindimensionalen) Arrays.
Für Vektoren werden wir im 2D und 3D Raum anschauliche Interpretationen geben und viele Anwendungen der
Vektorrechnung in Technik und Physik und Informatik (Computergrafik) kennenlernen. Aber auch Matrizen und Vektoren mit
sehr viel mehr als nur 3 Zahlen haben viele Anwendungen in E-Technik, Wirtschaftswissenschaften und Informatik (z.B.
Codierungstheorie). Matrizen schreiben wir mit Großbuchstaben (in Fettdruck). Je nach Anwendung haben die Spalten bzw.
die Zeilen und somit die Position einer Zahl im Rechteckschema eine spezifische Bedeutung (z.B. Nr. eines Monats).
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Kapitel Lineare Algebra | Matrizen und Vektoren Seite 115
Rechnen mit Matrizen
5 2 1 −1
𝑨−𝑩=( )−( )=
−1 3 3 4 Zahl (Skalar) mal Matrix (Skalarmultiplikation)
Vielfache: 3-Fache einer Matrix (beliebiger Dimension) 𝑘 ⋅ 𝑨 ≔ (𝑘 ⋅ 𝑎𝑖𝑘 ) = 𝑨 ⋅ 𝑘 = 𝑨 + ⋯ + 𝑨 (𝑘-fach)
Egal, ob die Skalar 𝑘 vorne oder hinten steht.
5 2
3∙𝑨 =3∙( )=
−1 3 −𝑨 ≔ (−1) ⋅ 𝑨
Damit ist: 𝐴 − 𝐵 = 𝐴 + (−𝐵)
▪ Spaltenanzahl 𝐴 = Zeilenanzahl 𝐵
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Kapitel Lineare Algebra | Matrizen und Vektoren Seite 116
2 Auch nicht-quadratische Matrizen bzw. Vektoren multiplizieren. Wann passen die Dimensionen zusammen?
Beim Multiplizieren muss das Format der Zeilen bzw. Spalten passen!
1 1 1 6 1
1 2 3 1
𝑨=( ), 𝑩 = (2 4 3) , 𝒙 = (−1) , 𝒚=( ), 𝒛 = (2)
4 5 6 −2
3 −1 4 −3 3
Berechne insb. 𝒚𝑻 𝒚 Skalarprodukt (inner product) 𝒚𝒚𝑻 Dyadisches Produkt (outer product)
Spezialfall Matrix mal Vektor (verschiedene Schreibweisen): Sehr häufig kommt es (bei Linearen
Gleichungssystemen, bei linearen Abbildungen
1 1 1 𝑥1
etc.) vor, dass eine Matrix und ein Vektor
𝑨∙𝒙 = (2 4 3) ( 𝑥2 )
multipliziert werden. Wir unterstellen immer, dass
3 −1 4 𝑥3
ihre Dimensionen zusammenpassen.
1 ∙ 𝑥1 + 1 ∙ 𝑥2 + 1 ∙ 𝑥3 𝑏1
𝑨∙𝒙 = (2 ∙ 𝑥1 + 4 ∙ 𝑥2 + 3 ∙ 𝑥3 ) = ( 𝑏2 ) = 𝒃 Dann ist das Ergebnis wieder ein Vektor.
3 ∙ 𝑥1 − 1 ∙ 𝑥2 + 4 ∙ 𝑥3 𝑏3 Manchmal ist es vorteilhaft zu sehen, dass man
1 1 1 diese Multiplikation als Summe von Vielfachen
(2) ∙ 𝑥1 + ( 4 ) ∙ 𝑥2 + (3) ∙ 𝑥3 = 𝒃 der Spaltenvektoren der Matrix betrachten kann.
3 −1 4
𝒂𝟏 ∙ 𝑥1 + 𝒂𝟐 ∙ 𝑥2 + 𝒂𝟑 ∙ 𝑥3 = 𝒃 Eine Summe von Vielfachen vorgegebener
Objekte (Matrizen, Vektoren…) nennt man eine
Linearkombination. Die Faktoren 𝑘𝑖 =
Linearkombination (LK) von Vektoren / von Matrizen
𝒎 Koeffizienten der LK
𝒂 = 𝑘1 ∙ 𝒂𝟏 + ⋯ + 𝑘𝑚 ∙ 𝒂𝒎 bzw. 𝒂 = ∑ 𝑘𝑖 𝒂𝒊
𝒊=𝟏
𝒎
𝑨 = 𝑘1 ∙ 𝑨𝟏 + ⋯ + 𝑘𝑚 ∙ 𝑨𝒎 bzw. 𝑨 = ∑ 𝑘𝑖 𝑨𝒊
𝒊=𝟏
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Kapitel Lineare Algebra | Matrizen und Vektoren Seite 117
Multiplikation 𝑨 ∙ 𝑩 nach Falk‘schen Schema = Zeilenvektor mal Spaltenvektor (komponentenweise)
3 Mehrstufige Fertigung / Mehrere Schichten [Tietze S. 459 f und 465, S. 535 ff]
Im Graph siehe Einheiten Rohstoff pro Einheit Zwischenprodukt und Einheiten Zwischenprodukt pro Einheit Endprodukt.
Wenn man 𝑥𝑘 Einheiten von 𝐸𝑘 erstellen will, wie viele Einheiten 𝑧𝑘 benötigt man von 𝑍𝑘 ?
3.1
Wenn man 𝑧𝑘 Einheiten von 𝑍𝑘 erstellen will, wie viele Einheiten 𝑟𝑘 benötigt man von 𝑅𝑘 ?
3.2
Wenn man 𝑥𝑘 Einheiten von 𝐸𝑘 erstellen will, wie viele Einheiten 𝑟𝑘 benötigt man von 𝑅𝑘 ?
3.3
Wir werden weitere Situationen kennenlernen, in denen ein „Nacheinander Ausführen“ in eine Matrix-Multiplikation übergeht.
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Kapitel Lineare Algebra | Matrizen und Vektoren Seite 118
Rechenregeln für Matrizen bzw. Vektoren
Falls Rechenoperationen (Addieren, Vielfache, Multiplizieren, Inverse) kombiniert werden, benötigen wir (wie beim Rechnen mit
Zahlen) Prioritätsregeln wie „Klammer vor Potenz vor Punkt vor Strich“. Wie bei Zahlen entsteht die Frage nach der
Reihenfolge der Auswertungen (Kommutativgesetz: Reihenfolge tauschen? Assoziativgesetz: Klammern bei gleichartigen
Rechenoperationen egal? Distributivgesetz: Ausmultiplizieren / Ausklammern bei verschiedenartigen Operationen. Alle
eingeführten Rechenregeln gelten natürlich auch für Zeilen- bzw. Spaltenvektoren, denn dies sind spezielle Matrizen! Welche
geometrische Deutung die Rechenoperationen haben, sehen wir in der Analytischen Geometrie.
4 Auch nicht-quadratische Matrizen bzw. Vektoren multiplizieren. Wann passen die Dimensionen zusammen?
8 4 2 −3
Berechnen Sie für 𝐴 = ( ), 𝐵 = ( ) das Produkt 𝐴𝐵. Was fällt auf?
4 2 −4 6
Bezeichnungen: 𝟎 = Nullmatrix, 𝑰 = Einheitsmatrix, 𝑘, ℎ ∈ ℝ Skalare (einzelner Zahlenwert, ggf. mit einer Einheit).
KEIN Kommutativgesetz !!!!! 𝑨𝑩 ≠ 𝑩𝑨 Im Allg. nicht vertauschbar! Tauschen Sie bei der Matrix-
Multiplikation nicht die
KEIN Satz vom Nullprodukt !!! 𝑨𝑩 = 𝟎 ⇏ 𝑨 = 𝟎 oder 𝑩 = 𝟎
Reihenfolge der Matrizen, sie
Assoziativgesetze (𝑨𝑩)𝑪 = 𝑨(𝑩𝑪) = 𝑨𝑩𝑪 muss erhalten bleiben!
Skalar beliebig verschieben 𝑘(𝑨𝑩) = (𝑘𝑨)𝐵 = 𝑨(𝑘𝑩) 𝑨𝑩 ≠ 𝑩𝑨
𝑨(𝑩 + 𝑪) = 𝑨𝑩 + 𝑨𝑪
Distributivgesetze
(𝑨 + 𝑩)𝑪 = 𝑨𝑪 + 𝑩𝑪 Satz von Nullprodukt gilt nicht!
Neutrales Element 𝑰 𝑰𝑨 = 𝑨𝑰 = 𝑨
Bei Inverser und
Transponierter eines
Rechenregeln Inverse
Produktes tauscht sich die
−1
2-malige Inverse (𝑨−𝟏 ) =𝑨 Reihenfolge der Matrizen:
Inverse eines Produktes (𝑨𝑩)−1 = 𝑩−𝟏 𝑨−𝟏 Reihenfolge umkehren! (𝑨𝑩)−1 = 𝑩−𝟏 𝑨−𝟏
1
Inverse von Vielfachem (𝑘𝑨)−1 = 𝑨−𝟏 (𝑘 ≠ 0) (𝑨𝑩)𝑻 = 𝑩𝑻 𝑨𝑻
𝑘
Rechenregeln Transponieren
Sowieso: Wie bei Zahlen auch
Zweimaliges Transponieren (𝑨𝑻 )𝑻 = 𝑨 hier:
(𝑨 + 𝑩)−𝟏 ≠ 𝑨−𝟏 + 𝑩−𝟏
Transponieren einer Summe (𝑨 + 𝑩)𝑻 = 𝑨𝑻 + 𝑩𝑻
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Kapitel Lineare Algebra | Matrizen und Vektoren Seite 119
Gemischte Übungen: Matrizen
Lernziele:
▪ Matrizen addieren, mit einem Skalar multiplizieren (S-Multiplikation), transponieren, multiplizieren können.
▪ Nachweis, dass zwei gegebene Matrizen Inverse sind.
Nicht prüfungsrelevant:
▪ Begriff der adjungierten Matrix 𝐴∗ (für komplexe Matrizen)
5.3 Weisen Sie die Rechenregel für die Inverse nach: (𝑨𝑩)−1 = 𝑩−𝟏 𝑨−𝟏
𝑎11 𝑎12
Für welche 2 × 2-Matrizen 𝐴 = (𝑎 𝑎22 ) gilt die Vertauschbarkeit: 𝑎 𝑏
21 𝐴=( )
6.1 1 1 1 1 0 𝑎
𝐴( )=( )𝐴 ?
0 1 0 1
1 0 0
Welche quadratischen Matrizen 𝐴 sind mit der Matrix 𝑆 = (0 −1 0) 𝑎 0 0
6.2 0 0 −1 𝐴 = (0 𝑏 𝑐)
vertauschbar, d.h. 𝐴𝑆 = 𝑆𝐴? 0 𝑑 𝑒
7.1
8 Übung
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Gemischte Übungen: Matrizen und Vektoren Seite 120
Abschnitt: Lineare Gleichungssysteme (LGS) [Teschl1 Kap 11, Papula2 Kapitel I.V]
9 Beispiele und Übungen: Handelt es sich um ein LGS. Wenn ja: homogen oder inhomogen?
𝑨 ∙ 𝒙 = 𝒃 können wir nicht wie eine einzelne lineare (Zahlen-)Gleichung reeller Zahlen durch Division durch 𝑨 lösen, denn
𝒃
𝒙= gibt es nicht, und den Ersatz 𝒙 = 𝑨−𝟏 𝒃 gibt es nur, falls 𝑨−𝟏 existiert, d.h. nur für bestimmte quadratische Matrizen.
𝑨
Zum Auffinden aller Lösungen nutzen wir deshalb den sog. Gauß-Algorithmus.
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme Seite 121
LGS aufstellen in der E-Technik: Elektrische Netzwerke – Knotenregel und Maschenregel
[Dürrschnabel S. 100 A 5, Papula2 Abs I.2.1+5.3, Teschl1 Abs. 11.1.1]
Knotenregel: In einem Knoten ist die Summe aller Ströme, die in einen Knoten hineinführen, ist gleich der
Summe aller Ströme, die aus dem Knoten herausführen.
Maschenregel: In einer Masche ist die Summe aller Spannungsabfälle 𝑈𝑘 = 𝑅𝑘 𝐼𝑘 gleich der Summe aller
Spannungsquellen.
10 Beispiel einer etwas größeren Schaltung: LGS zur Berechnung der Stromstärken aufstellen
Es sei 𝑈 = 12 𝑉,
𝑅1 = 5 Ω, 𝑅2 = 𝑅3 = 𝑅4 = 10 Ω, 𝑅5 = 5 Ω
Knoten 1: 𝐼1 = 𝐼3 + 𝐼4
Dies ergibt ein 5 x 5 LGS für die Stromstärken:
Knoten 2: 𝐼2 + 𝐼3 = 𝐼4
𝐼1 − 𝐼3 − 𝐼4 = 0
Masche 1: 5Ω ∙ 𝐼1 − 10Ω ∙ 𝐼2 + 10Ω ∙ 𝐼3 = 0 𝐼2 + 𝐼3 − 𝐼5 = 0
5 𝐼1 − 10 𝐼2 + 10 𝐼3 = 0
Masche 2: −10Ω ∙ 𝐼3 + 10Ω ∙ 𝐼4 − 5Ω ∙ 𝐼5 = 0 − 10 𝐼3 + 10 𝐼4 − 5 𝐼5 = 0
10 𝐼2 + 5 𝐼5 = 12
Masche 3: 10Ω ∙ 𝐼2 + 5Ω ∙ 𝐼5 = 12
Analog kann man natürlich auch kompliziertere Schaltkreise betrachten. Allerdings muss der Zusammenhang zwischen Spannung und Strom für
jedes Bauteil linear sein (wie eben das Ohm’sche Gesetz für Widerstände). Bei einem Wechselstromkreis ist das auch für Spulen und
Kondensatoren der Fall, wenn man Strom und Spannung mit komplexen Zahlen beschreibt. Bei komplizierteren Bauteilen (Dioden, Transistoren)
ist der Zusammenhang allerdings nichtlinear und damit ist auch das zugehörige Gleichungssystem nichtlinear. Eine Lösung ist dann im
Allgemeinen nur noch numerisch mithilfe von Näherungsverfahren möglich.
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme Seite 122
Anzahl: Wie viele Lösungen kann ein (reelles) LGS haben?
Offensichtlich gibt es nur drei Möglichkeiten: Keine Lösung, 1 Lösung, unendlich viele Lösungen:
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme Seite 123
„Einfache“ Fälle, in denen man die LGS-Lösung/en ablesen kann:
Wie kann man die Lösbarkeit (0, 1, ∞ L.) und die Lösungen selbst an der Strukur des LGS erkennen?
Die Struktur der obigen Matrizen war so günstig (Stufen-Form), dass wir die Lösungen problemlos ablesen konnten. Liegt ein
LGS nicht in dieser günstigen Gestalt vor, so versuchen wir, die linearen Gleichungen gleichwertig so umzuformulieren, dass sie
eine für das Ablesen der Lösungen vorteilhafte Zeilenstufenform (ZSF) annehmen, dabei aber die Lösungsmenge unverändert
lassen („äquivalentes“ LGS in ZSF). Welche Umformungen erhalten die Lösungsmenge? Die Gauß’schen Zeilenoperation ZOP!
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme Seite 124
Gauß-Algorithmus zur Lösung von LGS: Eleminationsverfahren ⟹ Zeilenstufenform (ZSF)
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme Seite 125
11 Erste Beispiele zum Gauß-Algorithmus
Untersuchen Sie die folgenden LGS auf Lösbarkeit und bestimmen Sie die jeweilige Lösungsmenge in Vektorschreibweise.
𝑥1 − 𝑥2 + 7 𝑥3 = 6
11.1 Widerspruch − 𝑥1 + 4𝑥2 − 13 𝑥3 = 3 𝐿=∅
2 𝑥1 + 𝑥2 + 8 𝑥3 = 17
Eindeutige
Lösung − 𝑥2 − 4 𝑥3 = −11 2
11.2
(Gauß inkl. 𝑥1 − 𝑥2 − 𝑥3 = 0 𝐿 = {(−1)}
Zeilentausch) 4 𝑥1 − 𝑥2 + 2 𝑥3 = 15 3
Mehrdeutige
𝑥2 + 3 𝑥3 = 2 −4 1
Lösbarkeit
11.3 𝑥1 + 2 𝑥2 + 5 𝑥3 = 0 𝐿 = {( 2 ) + 𝜆 (−3) | 𝜆 ∈ ℝ}
Typische
„Trapezform“
2 𝑥1 + 5 𝑥2 + 13 𝑥3 = 2 0 1
𝑥1 + 2 𝑥2 − 𝑥3 = 3 3 −2 1
Mehrere freie
11.4 2 𝑥1 + 4 𝑥2 − 2 𝑥3 = 6 𝐿 = {(0) + 𝜆2 ( 1 ) + 𝜆3 (0) | 𝜆2 , 𝜆3 ∈ ℝ}
Parameter
−3 𝑥1 − 6 𝑥2 + 3 𝑥3 = −9 0 0 1
Teil 2) Lösungen? Berechnen der unendlich vielen Lösungen durch vollständige Elimination
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme / Inverse / Matrix-Gleichung Seite 126
Reduzierte ZSF: Lösungen ablesen! NR: ausführliche Schreibweise
Lösungen in Vektorschreibweise:
2 −3 −8
2 −1 −1
0 1 0
𝐿={ + 𝜆3 + 𝜆6 | 𝜆3 , 𝜆6 ∈ ℝ}
6 0 −5
0 0 −4
( 0) (0) (1)
12 Beispiel: Beim manuellen Lösen sollte bzw. kann man Brüche vermeiden
3 2 3 0 1
(4 2 3 1) 𝒙=( 3 )
2 3 3 2 −3
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme / Inverse / Matrix-Gleichung Seite 127
LGS mit Parameter
LGS können auch Parameter enthalten (Platzhalter für konstante Zahlenwerte). Je nach Wert des Parameters kann sich die
Lösbarkeit des LGS (keine, eine, unendlich viele Lösungen) und somit die Struktur der Lösungsmenge unterscheiden. Die
Lösbarkeit ermittelt man wie oben gezeigt anhand der ZSF, wobei man diese durch Mitführen des Parameters erstellt.
a) Beurteilen Sie die Lösbarkeit (Anzahl der Lösungen) des folgenden LGS in Abhängigkeit
des Parameters 𝛼 ∈ ℝ
Situation: LGS ist auf ZSF, aber …
1 2 3 4
(0 5 6 7 )
0 0 𝛼−1 2𝛼 − 2
1 2 3 4 1 2 3 4
(0 5 6 7) (0 5 6 7)
b) Beurteilen Sie die Lösbarkeit des folgenden LGS in Abhängigkeit des Parameters 𝛼 ∈ ℝ
plus Lösungsmenge in Vektorschreibweise.
Situation: ZOP bis ZSF nicht für alle 𝛼 gleich
𝑥 + 𝑧 = 3
2∙𝑥 + 𝛼∙𝑦 = 𝛼
+ 𝑦 + 𝑧 = 4
1 0 1 3
(0 𝛼 −2 )
0 1 1
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme / Inverse / Matrix-Gleichung Seite 128
Berechnung von 𝑨−𝟏 Erinnerung War ein Kandidat für
𝑨−𝟏 bekannt, so war nur Probe
Ziel: 𝑨∙𝑿 = 𝑰 durch Multiplizieren nötig:
𝑥11 𝑨 ∙ 𝑨−𝟏 = 𝑰 ?
𝑨 ∙ (𝑥21 ) =
𝑥31 Neu: 𝑨−𝟏 herleiten, wenn es
keinen Kandidaten gibt!
𝑥12
𝑨 ∙ (𝑥22 ) =
→ 𝑛 LGS mit gleicher Matrix 𝐴.
𝑥32
𝑥13
→ da man immer dieselben ZOP
𝑨 ∙ (𝑥23 ) = benötigt, kann man diese simultan
𝑥33
lösen.
Hinweis: Wir haben die Technik der vollständigen Elimination der Variablen genutzt zur Bestimmung der unendlich vielen
Lösungen unterbestimmter LGS sowie für die Berechnung der Matrix-Inverse. Darüber hinaus spielt sie eine wichtige Rolle beim
sog. Simplexalgorithmus für die sog. Lineare Optimierung (nicht Inhalt in dieser VL).
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme / Inverse / Matrix-Gleichung Seite 129
LGS über 𝑨−𝟏 lösen? Der Gedanke liegt nahe…
Begründen:
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme / Inverse / Matrix-Gleichung Seite 130
Matrix-Gleichungen lösen
Matrixgleichung: Gleichung aus mehreren gegebenen Matrizen 𝑨, 𝑩, … und einer unbekannten, gesuchten Matrix 𝑿.
Einfache Beispiele zeigen: Ersatz für Division wird benötigt. Bedenke die passende Richtung!
⇒ 𝑿 ∙ 𝑰 = 𝑪 ∙ 𝑨−𝟏 ⇒ 𝑰 ∙ 𝑿 = 𝑨−𝟏 ∙ 𝑪
⇒ 𝑿 = 𝑪 ∙ 𝑨−𝟏 ⇒ 𝑿 = 𝑨−𝟏 ∙ 𝑪
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Lineare Gleichungssysteme / Inverse / Matrix-Gleichung Seite 131
Gemischte Übungen: Lineare Gleichungssysteme und Matrix-Inverse
Lernziele:
▪ Schreibweise eines LGS mit Hilfe von Matrizen.
▪ Wie viele Lösungen kann ein lineares Gleichungssystem haben? Rang einer Matrix anhand der Zeilenstufenform (ZSF)
▪ Geometrische Interpretation eines LGS mit 2 bzw. 3 Unbekannten (Geraden, Ebenen).
▪ Lösung eines LGS mit Hilfe des Gauß‐Algorithmus (teilweise bzw. vollständige Elimination der Variablen).
▪ Lösungsmenge in Vektorschreibweise angeben können.
▪ Anwendungssituationen der vollständigen Elimination kennen.
▪ Berechnung der inversen Matrix mit Hilfe des Gauß‐Algorithmus (Gauß-Jordan-Verfahren)
▪ Falls 𝐴−1 bekannt, LGS mit Hilfe von 𝐴−1 lösen können.
Lösen Sie die folgenden LGS graphisch sowie rechnerisch (egal mit welcher Methode) und machen Sie die Probe!
−2𝑥 + 𝑦 = −1
16.1
𝑥 − 2𝑦 = 8
Bestimmen Sie die Lösungen des LGS und geben Sie die Lösungsmenge in Vektorschreibweise an.
𝑥1 + 𝑥2 + 𝑥3 = 2 6
17.1 2𝑥1 + 4𝑥2 + 3𝑥3 = −1 𝐿 = {(−1)}
3𝑥1 − 𝑥2 + 4𝑥3 = 7 −3
𝐼1 − 𝐼3 − 𝐼4 = 0 𝐼1 = 0,96
𝐼2 + 𝐼3 − 𝐼5 = 0 𝐼2 = 0,72
17.2 5 𝐼1 − 10 𝐼2 + 10 𝐼3 = 0 𝐼3 = 0,24
− 10 𝐼3 + 10 𝐼4 − 5 𝐼5 = 0 𝐼4 = 0,72
10 𝐼2 + 5 𝐼5 = 12 𝐼5 = 0,96
−𝑥2 + 𝑥3 = 38 8
17.3 4𝑥1 + 2𝑥2 + 3𝑥3 = −19 𝐿 = {(−33)}
3𝑥1 + − 𝑥3 = 19 5
18 Aufgaben: Mehrdeutig lösbare LGS mit Hilfe des Gauß-Algorithmus (ZSF und ggf. vollständige Elimination)
Untersuchen Sie die folgenden LGS auf Lösbarkeit und bestimmen Sie die jeweilige Lösungsmenge in Vektorschreibweise.
Anleitung: Gauß-Algorithmus strikt nach dem in der VL besprochenen programmierbaren Schrittabfolge. Prüfen Sie
in jedem Schritt, ob das LGS schon auf ZSF ist. Markieren Sie die ZSF→ Lösbarkeit und die Struktur der Lösungsmenge
ablesen → im Fall der mehrdeutigen Lösbarkeit: Technik der vollständigen Elimination (reduzierte ZSF) → Lösungsmenge in
Vektorschreibweise → Geben Sie auch mindestens zwei konkrete Lösungen an → Proberechnung.
Bringen Sie das LGS auf ZSF und beurteilen Sie die Lösbarkeit.
2𝑥1 − 𝑥2 − 6𝑥3 + 𝑥4 = 0
𝑥1 − 3𝑥3 + 𝑥4 = 1 −2 2
+ 2𝑥2 + 𝑥3 + 𝑥4 = 3 2 −1
𝐿 = {( ) + ( ) 𝑘 | 𝑘 ∈ ℝ }
−1 1
2𝑥1 − 3𝑥2 − 7𝑥3 = −3 0 1
18.2 Arbeiten Sie danach mit folgender ZSF weiter, um die Lösungsmenge
in Vektorschreibweise zu bestimmen: −2 0
2 −1 −6 1 0 2 1
( ), ( )
(0 1 −1 0
0 1 2)
0 1
0 0 1 −1 −1
Gegen Sie am Ende zwei konkrete Lösungen an (und damit Probe!)
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Gemischte Übungen: LGS / Inverse / Matrix-Gleichung Seite 132
Teil 1: LGS → ZSF → Lösbarkeit / Anzahl der freien Parameter?
− 𝑥2 − 2𝑥3 + 3𝑥4 = −9
𝑥3 − 𝑥4 + 3𝑥5 + 2𝑥6 = 1
𝑥1 − 3 𝑥2 + 𝑥4 + 𝑥5 + 𝑥6 = −3
−3𝑥1 + 9𝑥2 − 𝑥3 − 2𝑥4 − 6𝑥5 − 5𝑥6 = 8
𝑥1 − 3𝑥2 + 𝑥4 + 𝑥5 + 2𝑥6 = −1
Teil 2: Folgendes LGS ist schon in ZSF → Kennzeichnen Sie die ZSF!
→ Anzahl Lösungen? Strategie zur Berechnung der Lösungen? (Wie
heißt die Ziel-Matrix, wie erreicht man sie? Welche ZOP als erstes?
1 −3 0 1 1 1 −3
0 −1 −2 3 0 0 −9
( )
0 0 1 −1 3 2 1
0 0 0 0 0 1 2
Bestimmen Sie für folgende Matrizen 𝑨 ihre Inverse mit Hilfe des Gauß-Jordan-Verfahrens. Danach Probe!
Benutzen Sie dann die Inverse 𝑨−𝟏 , um die folgenden LGSe zu lösen: 𝑨𝒙 = 𝟏, 𝑨𝒙 = 𝒆𝟐 , 𝑨𝒙 = (1 0 − 1)𝑇
20.1 1 0 2 3 0 1 1 0 2
a) 𝑨 = ( 1 2 1) b) 𝑨 = ( 1 0 1) c) 𝑨 = (2 −1 3)
0 2 0 0 1 0 4 1 8
−4𝑥1 + 3𝑥2 = 2
20.2 Löse das 2 × 2-LGS (eindeutig) mit der bekannten Formel für 2x2 Inverse der Koeffizientenmatrix.
2𝑥1 − 2𝑥2 = −2
𝑎 𝑏 1 𝑑 −𝑏
𝑨=( ) hat die Inverse 𝑨−𝟏 = ( ) sofern für den erforderlichen Nenner 𝑎𝑑 − 𝑏𝑐 ≠ 0 gilt.
𝑐 𝑑 𝑎𝑑−𝑏𝑐 −𝑐 𝑎
21.1
2 4
Beispiel: Geben Sie die Inverse von 𝑨 = ( ) anhand dieser Formel an.
−1 3
−4𝑥1 + 3𝑥2 = 2
21.2 Löse das 2 × 2-LGS mit der durch die obige Formel bekannten Inverse der Koeffizientenmatrix.
2𝑥1 − 2𝑥2 = −2
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Gemischte Übungen: LGS / Inverse / Matrix-Gleichung Seite 133
22 Aufgabe: Matrizengleichungen nach 𝑿 auflösen. Dabei Rechenregeln für Matrizen anwenden
22.1 𝑿𝑨 + 𝟑𝑿 + 𝑩 = 𝑿𝑪 + 𝑫
2 −1 −3 2 6 −2 −5 5/3
22.3 𝑨𝑿 + 𝑩𝑿 = 𝑪 mit 𝑨 = ( ); 𝑩 = ( ); 𝑪 = ( ) 𝑿=( )
−1 1 1 2 3 −1 1 −1/3
23 Zusatz-Material zum Aufbau von Routine: Berechnen Sie die Lösungsmenge per Gauß-Algo. Probe.
𝑥1 + 2 𝑥2 + 3 𝑥3 = 1
4 𝑥1 + 5 𝑥2 + 6 𝑥3 = 2
23.1 𝐿=∅
7 𝑥1 + 8 𝑥2 + 9 𝑥3 = 3
5 𝑥1 + 7 𝑥2 + 9 𝑥3 = 4
Tipp: Beim manuellen Lösen ist in diesem Fall vorteilhaft,
(im Gegensatz zum programmierten Gauß-Algo) durch
2𝑥1 + 9𝑥2 + 14𝑥3 = 25 Zeilentausch den Koeffizient 1 nach oben zu nehmen.
23.2
𝑥1 + 3𝑥2 + 4𝑥3 = 8 3
5𝑥1 + 12𝑥2 + 18𝑥3 = 39 𝐿 = {(−1)}
2
1 −0,5
23.3 2𝑥1 − 2𝑥2 + 𝑥3 = 0 𝐿 = {𝑥 ∈ ℝ3 |𝑥 = (1) 𝑘1 + ( 0 ) 𝑘2 ; 𝑘1 , 𝑘2 ∈ ℝ}
0 1
2𝑥1 − 2 𝑥2 + 𝑥3 = 0 −0,5
23.4 𝐿 = {𝑥 ∈ ℝ3 |𝑥 = ( 0 ) 𝑘; 𝑘 ∈ ℝ}
𝑥2 + 3 𝑥3 = 0
1
2 −3 2
1 1 5 0 1 −2 6 3 −2 1
23.5 −1 0 −3 0 0 2 −2 0 1 0
( ) 𝐿={ + 𝜆3 + 𝜆6 | 𝜆3 , 𝜆6 ∈ ℝ}
0 0 0 1 1 −1 3 2 0 2
1 0 3 0 1 −1 3 1 0 −1
(0 ) (0) (1)
LGS in spezieller Form, für die man die Lösung direkt (ohne Gauß-Algorithmus) bestimmen kann.
Auch dies Form hier nennt man kanonische Form, weil maximal viele Einheitsvektoren in den Spalten.
0 1 0
2𝑥1 + 𝑥2 + 𝑥3 = 200 0 0 1
23.8 𝑥1 + 𝑥2 + 𝑥4 = 120 𝐿 = { 200 + −2 𝜆1 + −1 𝜆2 | 𝜆1 , 𝜆2 ∈ ℝ}
𝑥1 + 3𝑥2 + 𝑥5 = 240 120 −1 −1
(240) (−1) (−3)
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Gemischte Übungen: LGS / Inverse / Matrix-Gleichung Seite 134
Determinanten [Teschl1 Kap. 11]
Idee: 2 x 2 LGS → Formel für 𝑨−𝟏 bekannt → Nenner ≠ 0 → Nenner = det 𝐴 Determinante einer 2x2 Matrix ist das
Produkt der Hauptdiagonale minus
Produkt der Nebendiagonale.
|𝑨| = |𝑎 𝑏
|=
𝑐 𝑑
|𝑨| = |𝑎 𝑏
|=
𝑐 𝑑
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Determinanten Seite 135
25 Beispiele: Berechnen Sie die Determinanten nach dem Laplace‘schen Entwicklungssatz
a) Berechnung der Determinante einer größeren Matrix durch Reduktion um eine Dimension:
2 1 3
|𝑩| = |4 0 5|
7 6 8
▪ Der Ergebniswert ist unabhängig von der Wahl der Zeile oder Spalte!
▪ Rechenaufwand minimieren, indem…
2 5 6
b) Dreiecksmatrix 𝑪 = (0 −3 7)
0 0 4
Spezialfall 3x3 Determinanten nach der Regel von Sarrus (da nur für 3x3 nicht prüfungsrelevant)
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Determinanten Seite 136
Methode 2: Determinante-Berechnung mit Gauß-Algorithmus (Dreiecksform)
26 Beispiel: Berechnung der Determinante nach Gauß bzw. Mischform aus Gauß und Laplace
0 12 0 1
1 2 −3 5
𝑨= ( ) Zeige: det(𝐴) = −204
1 0 2 2
−1 2 −1 1
1 2 −3 5
0 12 0 1
det 𝑨 = ? | |
1 0 2 2
−1 2 −1 1
Mögl. 2: Mischform! Erst einige Nullen durch Gauß-Operationen, dann Laplace-Entwicklung z.B. nach 1. Spalte
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Determinanten Seite 137
Determinante als Kennzahl für Invertierbarkeit
Eine der wichtigsten Verwendungen
𝑨 quadratisch: Folgende Aussagen sind gleichwertig: der Determinante ist ihr
Zusammenhang zur Existenz der
Determinante 𝐝𝐞𝐭 𝑨 ≠ 𝟎 Inversen bzw. Lösbarkeit von
quadratischem LGS.
27 Verwendung der Determinante zur Beurteilung der Existenz der Inverse bzw. Lösbarkeit von quadr. LGS
2 6 3
Gegeben sei die quadratische Matrix 𝑨 = (4 10 5). Weshalb sofort erkennbar, dass sie nicht invertierbar ist?
7 16 8
27.1
𝑨∙𝒙=𝜆∙𝒙 (𝒙 ≠ 𝟎) (∗∗)
Eigenwerte? Finde die Nullstellen 𝜆 des sog. Wie kann man Faktoren 𝜆 ∈ ℝ
charakteristischen Polynoms der Matrix 𝑨 (𝑛-ten Grades mit Variablen 𝜆) und (dazu passende) Vektoren
𝒙 ≠ 𝟎 mit Eigenschaft (∗∗)
𝐝𝐞𝐭(𝑨 − 𝜆𝑰) = 0 berechnen?
(𝑨 − 𝜆𝑰)𝒙 = 𝟎
1 2
𝐴 =( ). Bestimme die Eigenwerte (und dann dazu passende Eigenvektoren) der quadratischen Matrix 𝐴
2 1
27.2
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Determinanten Seite 138
Übersicht: Determinanten-Rechnung
𝐝𝐞𝐭 𝑨 ≠ 𝟎 𝐝𝐞𝐭 𝑨 = 𝟎
⇔ Rang(𝐴) = 𝑛 ⇔ Rang(𝐴) < 𝑛
⇔ 𝑨 invertierbar (regulär) ⇔ 𝑨−𝟏 existiert ⇔ 𝑨 nicht invertierbar (singulär) ⇔ 𝑨−𝟏 existiert nicht
⇔ LGS 𝑨𝒙 = 𝒃 eindeutig lösbar ⇔ LGS 𝑨𝒙 = 𝒃 keine oder unendlich viele Lösungen
⇔ Homogenes LGS 𝑨𝒙 = 𝟎 nur Lösung 𝒙 = 𝟎 ⇔ Homogenes LGS 𝑨𝒙 = 𝟎 hat auch Lösungen 𝒙 ≠ 𝟎
Ausblick: Ausblick:
⇔ Spaltenvektoren von 𝑨 sind linear unabh. im ℝ𝑛 ⇔ Spaltenvektoren von 𝑨 sind linear abhängig im ℝ𝑛
⇔ Zeilenvektoren von 𝑨 sind linear unabh. im ℝ𝑛 ⇔ Zeilenvektoren von 𝑨 sind linear abhängig im ℝ𝑛
Zum Begriff „linear (un-)abhängig“ siehe später! 𝐝𝐞𝐭(𝑨 − 𝜆𝑰) = 𝟎 liefert die „charakteristische Gleichung“ für
die Berechnung der sog. Eigenwerte 𝝀 von 𝑨
Für diese 𝜆 gibt es also Eigenvektoren 𝒙 ≠ 𝟎 mit 𝑨𝒙 = 𝜆𝒙
Die Inverse lässt sich auch über die 𝐝𝐞𝐭 𝑨 und die sog. Adjunkte
Inverse über Adjunkte Matrix mittels (Komplementäre Matrix) 𝑨 ̃ bestimmen. Diese wird als Transponierte
Determinanten (nicht prüfungsrelevant) der Determinanten der Streichmatrizen 𝐴 𝑗𝑘 gebildet inkl.
Vorzeichenregel wie beim Laplaceschen Entwicklungssatz.
Siehe Papula2 I.4.2)
̃
𝑨
𝑨−𝟏 = mit 𝑎̃𝑗𝑘 = (−1)𝑘+𝑗 det 𝐴𝑘𝑗
|𝑨|
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Determinanten Seite 139
Gemischte Übungen: Determinanten
Lernziele:
▪ Berechnung der Determinante mit Hilfe des Laplace’schen Entwicklungssatzes
▪ Berechnung der Determinante mit Hilfe des Gauß‘schen Algorithmus
▪ Bedeutung der Determinante für die Invertierbarkeit einer Matrix bzw. (eindeutige) Lösbarkeit eines LGS
▪ Rechenregeln für Determinanten
Nicht prüfungsrelevant
▪ Determinanten-Interpretation für Parallelogramm-Flächen bzw. Spatvolumen
▪ Regel von Sarrus
▪ Explizite LGS-Lösung über Determinanten (Cramer’sche Regel)
▪ Berechnung von 𝐴−1 über Determinanten (Adjunkte bzw. komplementäre Matrix)
28 Übungen: Berechnung der Determinante nach Laplace, nach Gauß und über Mischformen
2 −1 −3 7 −2 1
28.1 Berechnen Sie: a) |6 0 −9| = −3 b) det (2 3 0) = ⋯ = 111
1 1 −2 4 −1 5
2 −6 4 0 1 0 −1 2
4 −12 −1 2 2 1 0 1
28.2 Berechnen Sie: det ( ) = ⋯ = 1560 b) det ( ) = ⋯ = 15
1 7 2 1 −3 1 0 1
0 10 3 9 2 2 0 −1
Nach welcher Strategie berechnen Sie (effizient) die Determinante der folgenden Matrix 𝑨 ?
Führen Sie diese Berechnung aus
Was bedeutet dies für die Lösbarkeit des LGS 𝑨𝒙 = 𝒃 für eine (bel.) rechte Seite 𝒃 ∈ ℝ4 ?
28.3 4 3 −3 3
−1 1 4 0
A =( ) ⇒ det(𝐴) =
1 −3 −2 0
0 0 −5 0
Die Determinante einer (3, 3)-Matrix A sei gleich 5. Geben Sie an:
28.4
a) det(2𝐴) b) det(𝐴2 ) c) det(𝐴−1 ) d) det(𝐴𝑇 )
𝜆≠
29.1
Was sind die Besonderheiten dieses LGS? (Format)? 0, √2 , −√2
Für welche 𝜆 ist das LGS eindeutig lösbar? (Wie kann man diese Frage am schnellsten
beantworten? Welche Bedingung stellt man auf? Berechnen Sie dann die zu dieser Bedingung
passenden 𝜆…). Ohne Gauß-Algo: Wie lautet dann die eindeutige Lösung?
2−𝑡 1 −1
𝐴=( 1 1−𝑡 0 ) a) 𝑡 = 0, 1, 3
−1 0 1−𝑡
b) Vielfachen
a) Für welche 𝑡 ist die folgende Matrix nicht invertierbar? Wie am schnellsten beantworten? −2
29.2 Stellen Sie die Bedingung auf und berechnen Sie die passenden 𝑡. von (−1)
b) Weshalb ist dies gleichwertig zum Bestimmen von Eigenwerten (welcher Matrix 𝑩)? 1
Finden Sie zum Eigenwert 3 alle Vektoren 𝒙 mit 𝑩𝒙 = 3𝒙 (man nennt sie Eigenvektoren) →
LGS aufstellen! Wie viele Lösungen? → Lösungen 𝒙 berechnen…
30 Zusatzübungen
1 𝑥 𝑥2 (𝑥 − 𝑦) ∙
30.1 Berechnen Sie: |1 𝑦 𝑦2| (𝑦 − 𝑧) ∙
1 𝑧 𝑧2 (𝑧 − 𝑥)
Mathematik 1 | Prof. Eva Decker | WS 2022/23 | Lineare Algebra | Determinanten Seite 140