Kapitel: Lineare Algebra

Kapitel: Lineare Algebra
Inhaltsübersicht
Matrizen und Vektoren, Matrizenrechnung
Lineare Gleichungssysteme (LGS)
Inverse einer Matrix (Berechnung mit Gauß-Jordan) und Matrixgleichungen
Determinanten
Vektorrechnung und Analytische Geometrie
▪ 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
Lineare Abhängigkeit, Unabhängigkeit
Eigenwerte, Eigenvektoren
[Lineare Abbildungen]
[Vertiefung: Orthogonalität]
Literatur
[Papula1] Kapitel I.5 und Kapitel II (jedoch teilweise eine andere Reihenfolge)
[Dürrsch] Kapitel 4, 5,6, 7, 8
[Papula2] Kapitel I.2-5
[Teschl 1] Kapitel 9 und 10 und teilweise 13
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
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).
Definition Matrix, Dimension, Zeilenindex, Spaltenindex, ℝ𝒎×𝒏 bzw. ℝ𝒎
Spezielle Matrizen und ihre Bezeichner
Rechnen mit Matrizen
1 Addieren / Subtrahieren, Vielfache, Multiplikation, Inverse (als Ersatz für Division)

Beispiel: Gegeben seien die 2 Matrizen
5 2 1 −1
𝑨=( ), 𝑩 = ( )
−1 3 3 4
Summe von Matrizen (gleicher Dimension)
𝑨 ± 𝑩 ≔ (𝑎𝑖𝑘 + 𝑏𝑖𝑘 )
5 2 1 −1 Gleiche Dimension (Format) erforderlich!
𝑨+𝑩=( )+( )=
−1 3 3 4
Differenz von Matrizen (gleicher Dimension) Nullmatrix 𝟎 neutral bzgl. Addition
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)
Produkt zweier Matrizen (passender Dimension) Matrix mal Matrix

Es läge nahe, das Produkt zweier Matrizen
𝑨∙𝑩 =? Ergebnis als „Skalarprodukt“ aus Zeile und Spalte! ebenfalls als elementweises Multiplizieren zu
definieren. Doch das ist nicht der Fall. Viele
Anwendungen erfordern eine Matrix-
Multiplikation nach einem anderen Prinzip.
Matrizen werden nach dem sog. Falk’schen

Schema multipliziert. Die Elemente der Produkt-
𝑩∙𝑨 Matrix bilden sich als „Skalarprodukt“ aus Zeile u.
Spalte.
▪ Spaltenanzahl 𝐴 = Zeilenanzahl 𝐵
Einheitsmatrix 𝑰 ist neutral bzgl. Multiplikation

𝑎11 𝑎12 1 0
𝑨 ∙ 𝑰 = (𝑎 𝑎22 ) ∙ (0 )
21 1
Potenzen einer Matrix
Folgende Rechenzeichen nicht üblich:

Division durch Matrix 𝑨 ∶ 𝑩 bzw.
𝑨
Brüche aus Matrizen
Inverse 𝑩−𝟏 (Ersatz für die Division) 𝑩
Ersatz: Multiplikation mit Inverser 𝑩−𝟏
Matrix 𝑿 heißt Inverse zur (quadratischen)

Matrix 𝑩, falls sie die Multiplikation mit 𝑩
umkehrt:
𝑩∙𝑿= 𝑿∙𝑩 = 𝑰
Man schreibt 𝑿 = 𝑩−𝟏 . 𝑩−𝟏 heißt Inverse zu 𝑩.
Gibt es ein solches 𝑿, so heißt 𝑩 invertierbar
bzw. regulär, ansonsten 𝑩 singulär.
Wenn Kandidat für 𝑩−𝟏 bekannt: Nachprüfen durch Multiplizieren!
▪ Manchmal auch: 𝑩−𝟏 „Kehrmatrix“ von 𝑩
1 −1 1 −1 4/7 1/7 ▪ Inverse nur sinnvoll, wenn 𝑩 quadratisch
𝑩=( ) 𝑩−𝟏 ≠( ) 𝑩−𝟏 =( ) Probe‼!
3 4 1/3 1/4 −3/7 1/7 ▪ Nicht jede quadratische Matrix hat Inverse!
▪ Gibt es Inverse, so ist sie eindeutig
Beispiele für nicht-invertierbare (singuläre) Matrizen ungleich 𝟎:
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
Bilden Sie das Matrix-Vektor-Produkt 𝑨 ∙ 𝒙 Analog: 𝑩 ∙ 𝒙 Was passiert bei 𝑨 ∙ 𝒚 ?

1 1 1 6 2
1 2 3 (2 4 3) ∙ (−1) = (−1)
( )
4 5 6 3 −1 4 −3 7
Welche Produkte sind definiert:

𝑨∙𝑩 𝑩∙𝑨 𝒙∙𝒙 𝒙𝑻 𝒙
Geben Sie einige Produkte mit 𝑨, 𝑩, 𝒙, 𝒚, 𝒙𝑻 , 𝒚𝑻 an, die erlaubt sind:
Geben Sie einige Produkte an, die nicht möglich sind:
Berechne insb. 𝒚𝑻 𝒚 Skalarprodukt (inner product) 𝒚𝒚𝑻 Dyadisches Produkt (outer product)
Wann funktioniert Vektor ∙ Vektor?
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
Hinweis: Arrays = Vektoren und Matrizen in Programmiersprachen
Multiplikation 𝑨 ∙ 𝑩 nach Falk‘schen Schema = Zeilenvektor mal Spaltenvektor (komponentenweise)
Beispiel-Anwendungen: Wann benötigt man diese Art der Matrix-Multiplikation?
3 Mehrstufige Fertigung / Mehrere Schichten [Tietze S. 459 f und 465, S. 535 ff]
(Produktionskoeffizienten 𝑩: Zwischenpr. pro

)Matrizen Endprodukt
𝐸1 𝐸2
𝑍1 6 5
𝑍2 4 3
𝑍3 1 2
𝑨: Rohstoffe 𝑪: Rohstoffe pro

pro Zwischenprodukt Endprodukt
𝑍1 𝑍2 𝑍3 𝐸1 𝐸2
𝑅1 4 3 3 𝑅1
𝑅2 2 4 6 𝑅2
𝑅3 1 7 4 𝑅3
𝑅4 3 3 0 𝑅4
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.
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).
Rechenregeln Addition = Bedingungen einer „Kommutativen Gruppe bzgl. + "

Kommutativgesetz 𝑨+𝑩=𝑩+𝑨
Diese ersten Rechenregeln (RR)
Assoziativgesetz 𝑨 + (𝑩 + 𝑪) = (𝑨 + 𝑩) + 𝑪 für Matrizen funktionieren, wie
man es intuitiv aus dem Rechnen
Neutrales Element 𝟎 𝑨+𝟎=𝑨 mit reellen Zahlen übertragen
würde.
Inverses Element bzgl. + 𝑨 + (−𝑨) = 𝟎 ; 𝑨 + 𝑩 = 𝟎 ⇒ 𝑩 = −𝑨
Rechenregeln für Vielfache = Multiplikation mit Zahl (genauer: Skalar)

Multiplikation mit 1 1⋅𝑨=𝑨 Die beiden ersten Blöcke bilden
die Bedingungen für einen
Kommutativgesetz 𝑘 ⋅ 𝑨 = 𝑨 ⋅ 𝑘 (Definition) sogenannten Vektorraum bzw.
linearen Raum.
Assoziativgesetz 𝑘 ⋅ (ℎ ⋅ 𝑨) = (𝑘 ⋅ ℎ) ⋅ 𝑨 = 𝑘ℎ𝑨
𝑘 ⋅ (𝑨 + 𝑩) = 𝑘 ⋅ 𝑨 + 𝑘 ⋅ 𝑩
Distributivgesetze
(𝑘 + ℎ) ⋅ 𝑨 = ( 𝑘 ⋅ 𝑨) + ( ℎ ⋅ 𝑨)
Rechenregeln Multiplikation von Matrizen bzw. Vektoren Ab hier Besonderheiten:
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
Transponieren eines Vielfachen (𝑘𝑨)𝑻 = 𝑘𝑨𝑻 Hilfreich (z.B. beim

Ausklammern)
Transponieren eines Produkts (𝑨𝑩)𝑻 = 𝑩𝑻 𝑨𝑻 Reihenfolge umkehren! Einheitsmatrix einfügen:
𝑇 𝑘𝑨 = 𝑘𝑰𝑨 = 𝑘𝑰 ∙ 𝑨
Transponieren einer Inversen (𝑨−𝟏 ) = (𝑨𝑻 )−𝟏
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 Übungen: Matrix-Multiplikation und Matrix-Inverse
Prüfen Sie, ob folgende Matrizen Inverse sind:

3 0 1 0.5 −0.5 0 Was müssten wir bei 𝐵 ändern, damit 𝐴, 𝐵
5.1
𝐴 = ( 1 0 1) und 𝐵 = ( 0 0 2) zueinander invers sind?
0 1 0 −0.5 1.5 0
𝑎 𝑏 1 𝑑 −𝑏 Beachte: Diese Formel gilt nur für 2x2

a) 𝑨=( ) hat die Inverse 𝑨−𝟏 = ( ) sofern für den
𝑐 𝑑 𝑎𝑑−𝑏𝑐 −𝑐 𝑎 Matrizen. Für Matrizen höherer Dimension
5.2 erforderlichen Nenner 𝑎𝑑 − 𝑏𝑐 ≠ 0 gilt. Beweis? lernen wir ein Berechnungsverfahren
2 4 (Gauß-Jordan-Algorithmus) erst später
b) Geben Sie die Inverse von 𝑨 = ( ) anhand dieser Formel an.
−1 3 kennen.
5.3 Weisen Sie die Rechenregel für die Inverse nach: (𝑨𝑩)−1 = 𝑩−𝟏 𝑨−𝟏
6 Übungen: Multiplikation von Matrizen ist nur in Spezialfällen kommutativ
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 Weitere Aufwärmübungen zur Technik der Matrix-Multiplikation (bei Bedarf)
Führen Sie die folgenden Matrix-Multiplikationen durch:
7.1
…welche Produkte sind mit den Matrizen/Vektoren 𝐴, 𝐵, 𝑥, 𝑦 definiert: 𝐴𝐵, 𝐵𝐴, 𝑥𝑦 𝑇 , 𝑦𝑥 𝑇

1 2 3 2 𝐵𝑥, 𝐴𝑦, 𝑥 𝑇 𝐴, 𝑦 𝑇 𝐵,
7.2 2 3 4 6 1
3 2 2 4 𝑥 𝑇 𝐴𝑦, 𝑦 𝑇 𝐵𝑥,
𝐴 = (1 2 3 4) , 𝐵 = ( ) , 𝑥 = (3) , 𝑦 = ( )
2 1 4 3 𝑥 𝑇 𝐴𝐵𝑥, 𝑦 𝑇 𝐵𝐴𝑦
1 1 1 2 5
1 2 1 1
Berechnen Sie mit den Matrizen bzw. Vektoren der vorigen Aufgabe: a) 𝐵𝑥 Spaltenvektor:
a) 𝐵𝑥 (22 19 25 12)𝑇
b) 𝑥 𝑇 𝐴 b) 𝑥 𝑇 𝐴 Zeilenvektor: (10,14,18,28)
7.3 c) 𝑦𝑥 𝑇 2 6 10
𝑇 4 12 20
c) 𝑦𝑥 Matrix: ( )
3 9 15
1 3 5
8 Übung
Die quadratische Matrix 𝐴 heißt schiefsymmetrisch, falls 𝐴𝑇 = −𝐴. Geben

8.1
Sie ein Beispiel für eine solche 3 × 3-Matrix. Was fällt auf?
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]
Grundlagen: Definition LGS, Matrixschreibweise, Koeffizientenmatrix, Lösbarkeit
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]
Kirchhoff‘sche Regeln im elektrisches Netzwerk mit ohmschen Widerständen 𝑅𝑘
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
Stellen Sie für die Einzelstromstärken 𝐼𝑘 des folgenden

Netzwerks ein LGS auf und schreiben Sie es in Matrix-
Schreibweise. Später werden wir das LGS für die Werte
lösen.
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
Frage: Wie löst man großes LGSe systematisch

(über ein programmierbares Verfahren)?
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.
Anzahl: Wie viele Lösungen kann ein (reelles) LGS haben?
Ein 2 x 2 LGS kann im x,y-Koordinatensystem als zwei Geraden veranschaulicht werden.
Offensichtlich gibt es nur drei Möglichkeiten: Keine Lösung, 1 Lösung, unendlich viele Lösungen:
Dies kann man verallgemeinern:
„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!
Gauß-Algorithmus zur Lösung von LGS: Eleminationsverfahren ⟹ Zeilenstufenform (ZSF)
Gauß-Algorithmus = programmierbares Verfahren, um ein LGS

auf Zeilenstufenform (ZSF) umzuformen, ohne dass sich die
Lösungsmenge ändert. Mit Hilfe von zulässigen Zeilenoperationen
(ZOP) werden systematisch von links nach rechts und oben nach
unten Koeffizienten eliminiert (entfernt, Nullen erzeugt). In ZSF kann
man die Widerspruchsfreiheit entscheiden und den sog. Rang
und damit die Größe der Lösungsmenge bestimmen. Da (im Fall frei
wählbarer Variablen) ein Rückwärtsauflösen oft unübersichtlich
ist, erzeugen wir in einem zweiten Teil durch vollständige
Elimination die reduzierte ZSF (max. viele Einheitsvektoren). Hier
ist Lösungsmenge direkt ablesbar.
Anmerkung: Der Gauß-Algorithmus lässt sich auch als

rekursiver Algorithmus formulieren und programmieren
(und zwar erstaunlich kurz).
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 1: Lösbarkeit? LGS auf ZSF bringen NR: (Rechenweg)

und Anzahl der Lösungen (bzw. der freien (strikt nach Gauß-Algo ohne Zeilentausch):
Vollständige
Parameter) bestimmen!
Elimination
1 0 3 0 0 8 2
11.5 −1 2 −1 1 2 7 8
(Bsp der
−2 0 −6 1 1 −7 2
Übersicht der
1 0 3 0 1 12 2
vorigen Seite)
( 2 0 6 0 0 16 4)
( )
1 0 3 0 0 8 2 ZSF erreicht! Lösbarkeit?

0 2 2 1 2 15 10
0 0 0 1 1 9 6
0 0 0 0 1 4 0
(0 0 0 0 0 0 0)
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
𝑥1 = Bemerkung: Strukur der Lösungsmenge

𝑥2 =
𝑥3 =
𝑥4 =
𝑥5 =
𝑥6 =
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)
Anmerkung zur Anzahl Zeilen 𝑚 und Anzahl Variablen 𝑛

▪ 𝑚 < 𝑛: unterbestimmtes LGS. Weniger Bedingungen als Unbekannte: Keine eindeutige Lösung möglich.
▪ 𝑚 > 𝑛: überbestimmtes LGS. Mehr Bedingungen als Unbekannte: Das „Risiko“ eines Widerspruchs steigt. Falls es nicht
lösbar ist, ist man evtl. an einer bestmöglichen Näherungslösung interessiert. Hierzu an anderer Stelle mehr.
▪ Die ZSF reduziert die Bedingungen auf die minimale Anzahl 𝑟 ≤ 𝑛 Bedingungen.
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
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.
13 Beispiel: LGS mit Parameter
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
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.
Gauß-Jordan-Verfahren (= 𝒏 simultane Gauß-Verfahren)
14 Beispiel: Berechnung von 𝑨−𝟏
−1 1 0 1 0 0 Teil 1: Links ZSF mit Eins-Diagonale

(−1 −1 1 0 1 0) (von links nach rechts Nullen unten)
−2 −1 1 0 0 1
Teil 2: Links: Reduzierte ZSF → Einheitsmatrix 𝐼

(von rechts nach links Nullen oben)
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).
LGS über 𝑨−𝟏 lösen? Der Gedanke liegt nahe…
Lin. Gleichung Division bzw. Kehrwert Schreibweise 𝑎−1

5 1
2𝑥 = 5 𝑥= = ∙5 𝑥 = 2−1 ∙ 5
2 2
Ein LGS ist eine Matrix-Vektor-Gleichung.

LGS als Matrix-mal- Matrix-Division Inverse Matrix (gibt es
Vektor-Gleichung schreibt man nicht. in manchen Fällen) (Wann) Kann man ein LGS über
Inverse mal rechte Seite lösen?
𝒃 𝟏
𝑨∙𝒙=𝒃 𝒙= = ∙𝒃
𝑨 𝑨
𝒙 = 𝑨−𝟏 ∙ 𝒃 Inverse gibt es höchstens für quadratische
Matrizen und auch dann nicht für alle
quadratische Matrizen.
Wenn es 𝐴−1 gibt, ist das zugehörige LGS

𝑨 quadratisch: Folgende Aussagen sind gleichwertig:
eindeutig lösbar. Das gilt auch umgekehrt
(siehe ZSF).
Inverse 𝑨−𝟏 existiert
ZSF ⇔ 𝐑𝐚𝐧𝐠(𝑨) = 𝒏 (maximal)
LGS ⇔ 𝑨𝒙 = 𝒃 ist eindeutig lösbar (∗)
LGS Lösung ⇔ 𝒙 = 𝑨−𝟏 ∙ 𝒃 eindeutige Lösung von (∗)
Begründen:
LGS Lösung 𝒙 = 𝑨−𝟏 ∙ 𝒃 „besser als“ Gauß-Algo?
𝒙 = 𝑨−𝟏 ∙ 𝒃 nur sinnvoll, wenn (die Inverse 𝐴−1 existiert) und

... die Inverse schon zur Verfügung steht oder Selbst wenn Inverse existiert, ist ihre
... sich die Inverse sich sehr leicht berechnen lässt (z.B. für 2x2-Matrix) Berechnung im Allg. aufwändiger als ein
... das LGS für viele verschiedene rechte Seiten 𝒃 gelöst werden muss Gauß-Algo (denn für die Berechnung der
(siehe z.B. das Anwendungsbeispiel). Inverse werden implizit 𝑛 LGS gelöst).
Anwendungsbeispiel: Farbmodell nach RGB und YIG
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!
a) Multiplikation von rechts b) Multiplikation von links
𝑿∙𝑨= 𝑪 | ∙ 𝑨−𝟏 von rechts 𝑨∙𝑿 = 𝑪 | ∙ 𝑨−𝟏 von links
⇒ 𝑿 ∙ 𝑨 ∙ 𝑨−𝟏 = 𝑪 ∙ 𝑨−𝟏 | 𝑨 ∙ 𝑨−𝟏 = 𝑰 ⇒ 𝑨−𝟏 ∙ 𝑨 ∙ 𝑿 = 𝑨−𝟏 ∙ 𝑪 | 𝑨 ∙ 𝑨−𝟏 = 𝑰
⇒ 𝑿 ∙ 𝑰 = 𝑪 ∙ 𝑨−𝟏 ⇒ 𝑰 ∙ 𝑿 = 𝑨−𝟏 ∙ 𝑪
⇒ 𝑿 = 𝑪 ∙ 𝑨−𝟏 ⇒ 𝑿 = 𝑨−𝟏 ∙ 𝑪
Erinnerung: Weitere Besonderheiten der Matrix-Rechenregeln beachten!
15 Beispiel: Matrixgleichung lösen.
Bestimmen Sie alle Matrizen 𝑿 mit Lösungsstrategien: grundsätzlich

analog zu Gleichungen für reelle
𝑨𝑿 + 𝑨 = 𝑨𝑻 + 3𝑿 Variablen (𝑿 isolieren).
Es sind aber die Besonderheiten
der Matrix-Rechenregeln zu
beachten:
(1) Beim Multiplizieren bzw.

Ausklammern von Matrizen
die Richtung bedenken!
Die Reihenfolge der Faktoren
darf nicht vertauscht werden!
(2) Es gibt keine Matrix-Brüche!
Teilen Sie niemals durch eine
Matrix! Stattdessen
Multiplikation mit der Inverse.
Dabei Richtung beachten, aus
der mit der Inverse multipliziert
wird.
(3) Beim Ausklammern
Matrix + Zahl verhindern:
Ausdrücke der Form 𝑨 + 𝑘
(Matrix + Zahl) gibt es nicht.
Matrix 𝑰 einfügen: 𝑘𝑨 = 𝑘𝑰 ∙ 𝑨
Nicht korrekt wäre dagegen:

𝑨𝑻 −𝑨
𝑿 = (𝑨𝑻 − 𝑨)(𝑨 − 3)−𝟏 bzw.
𝑨−3
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.
16 Aufgaben: 2 x 2 LGS und geometrische Interpretation
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
17 Aufgaben: LGS mit Hilfe des Gauß-Algorithmus lösen (eindeutige Lösung)
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.
𝑥1 − 4𝑥2 + 2𝑥4 = 4 8 −10

− 𝑥2 − 𝑥3 = 2 1 −2
18.1 𝐿 = {( ) + ( )𝑘 | 𝑘 ∈ ℝ }
−3 2
+ 𝑥3 − 2 𝑥4 = −3
0 1
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
18.3 Fehlenden Werte ergänzen! Wieder ZSF einzeichnen. Nächste ZOP?

𝐿=
40 2 17
15 1 6
−3 1 −3 |
+ 𝜆4 + 𝜆5 𝜆 , 𝜆 ∈ℝ
0 1 0 | 4 5
0 0 1
{( 2 ) (0 ) (0) }
Zwei konkrete Lösungen:
Reduzierte ZSF 40 42
15 16
−3 −2
,
0 1
0 0
(2) (2)
Passt die rechts angegebene Lösungsmenge?
Was sind (wohl) typische Fehler beim Ablesen der Lösungsmenge?
19 Aufgaben: LGS mit Parametern

𝛼2
Bestimmen Sie die Lösungsmenge in Abh. des Parameters 𝛼 ∈ ℝ.
5+𝛼
3𝑦 + 6𝑧 = 0 −5𝛼
19.1 𝛼 = −5: 𝐿 = ∅; 𝛼 ≠ −5: 𝐿 =
𝑥 + + 2𝑧 = 𝛼 5+𝛼
5𝑥 + 𝛼𝑦 = 0 5𝛼
{ (10 + 2𝛼) }
20 Aufgaben: Inverse einer Matrix
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
Berechnen Sie mit Hilfe der einzelnen Inversen bzw. Transponierten:

20.3
(𝐴𝐵)−1 = (2𝐴)−1 = (𝐴𝐵)𝑇 = (𝐴 + 2𝐵)𝑇 =
21 Aufgaben: Inverse-Eigenschaft für 𝟐 × 𝟐-Matrix nachweisen
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
22 Aufgabe: Matrizengleichungen nach 𝑿 auflösen. Dabei Rechenregeln für Matrizen anwenden
22.1 𝑿𝑨 + 𝟑𝑿 + 𝑩 = 𝑿𝑪 + 𝑫
22.2 (𝑨𝑿𝑻 )𝑻 + 𝟐𝑿 = 𝑿𝑩 + 𝑪 𝑿 = 𝑪(𝑨𝑻 − 𝑩 + 𝟐𝑰)−𝟏
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)
2𝑥2 + 4𝑥3 + 𝑥4 + 7𝑥5 = −1 1 −1 1

𝑥1 + 𝑥3 − 𝑥5 = 1 0 −2 −2
23.6 𝑥1 + 𝑥2 + 3𝑥3 + 𝑥5 = 1 𝐿 = { 0 + 1 𝜆3 + 0 𝜆5 | 𝜆3 , 𝜆5 ∈ ℝ}
𝑥2 + 2𝑥3 − 𝑥4 − 𝑥5 = 1 −1 0 −3
3𝑥1 + 2𝑥2 + 7𝑥3 − 𝑥4 − 2𝑥5 = 4 (0) (0) (1)
2 −3 −8
1 0 3 0 0 8 2
4 −2 −1
−1 1 −1 1 2 6 8
0 1 0
23.7 −2 0 −6 1 1 −7 2 𝐿={ + 𝜆3 + 𝜆6 | 𝜆3 , 𝜆6 ∈ ℝ}
6 0 −5
1 0 3 0 1 12 2
0 0 −4
( 2 0 6 0 0 16 4) (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)
LGS mit Parametern
Für welche 𝛼 ∈ ℝ hat das folgende LGS keine, eine,

unendlich viele Lösungen?
𝛼 = 0 , −1: keine
23.9 6𝑥 + 10 𝑦 + 2𝛼𝑧 = 2𝛼
Sonst: genau eine
6𝑥 + (𝛼 + 10)𝑦 + 3𝑧 = 2𝛼 + 3
3𝑥 + (𝛼 + 5)𝑦 + 4𝑧 = 2𝛼 + 3
[Quelle: Teschl 1, Tietze S. 484 – 490, Vorlesungen HS OG, Hartmann]
Determinanten [Teschl1 Kap. 11]
Oft hat man es mit quadratischen LGS zu

𝑨 quadratisch: Wir kennen schon die gleichwertigen Aussagen: tun. Dabei ist oftmals die Frage, ob das
Inverse 𝑨−𝟏 existiert quadratische LGS eindeutig lösbar ist bzw.
ob die Inverse einer Matrix 𝑨 existiert,
LGS ⇔ 𝑨𝒙 = 𝒃 ist eindeutig lösbar (∗) wichtiger als die Lösung bzw. die
LGS Lösung ⇔ 𝒙 = 𝑨−𝟏 ∙ 𝒃 ist eindeutige Lösung von (∗) Inverse von 𝑨 selbst!
Die Entscheidung über die Eindeutigkeit
NEU der Lösung bzw. Existenz der Inversen
Determinante kann man über eine einzige Kennzahl
beurteilen, welche sich aus den Elementen
der Matrix ergibt, die sog. Determinante.
24 Zunächst 2x2 Determinanten
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.
Selbst für eine 1000x1000-Matrix, die aus

einer Million Zahlen besteht, lässt sich
eine einzige Zahl berechnen, die besagt,
ob die Matrix invertierbar ist oder nicht!
Alle bzgl. Determinanten vorkommenden

Matrizen seien quadratisch.
Idee der Berechnung über „Unterdeterminante“ entlang Zeile oder Spalte
Berechnung der Determinante einer 2 x 2 Matrix nach 1. Zeile:
|𝑨| = |𝑎 𝑏
|=
𝑐 𝑑
Berechnung der Determinante einer 2 x 2 Matrix nach 1. Spalte:
|𝑨| = |𝑎 𝑏
|=
𝑐 𝑑
Methode 1: Determinanten-Berechnung nach Laplace‘schem Entwicklungssatz
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)
Nur für 𝟑 × 𝟑 Matrizen gilt die Regel von Sarrus

Man schreibt die 1. und 2. Spalte der Matrix
nochmals rechts daneben.
Nun addiert man die drei Hauptdiagonalprodukte
𝑎𝑒𝑖 + 𝑏𝑓𝑔 + 𝑐𝑑ℎ
und zieht die drei Nebendiagonalprodukte ab
−𝑐𝑒𝑔 − 𝑎𝑓ℎ − 𝑏𝑑𝑖
Diese Regel ergibt sich z.B. durch Entwicklung nach

Laplace nach der ersten Spalte. Sie gilt jedoch nur
für 3x3 Matrizen. In unserer Vorlesung nutzen wir nur
die Berechnungsverfahren, die für beliebige
Dimension gelten.
Methode 2: Determinante-Berechnung mit Gauß-Algorithmus (Dreiecksform)
Ziel: Möglichst viele Nullen (evtl. bis Dreiecksform) durch Gauß-Zeilen-/Spalten-Operationen
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
Mögl. 1: Gauß-Operationen bis Dreieck-Form
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
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.
ZSF ⇔ 𝐑𝐚𝐧𝐠(𝑨) = 𝒏 (maximal) Begründung der Determinanten-

Bedingung anhand der ZSF:
Inverse ⇔ 𝑨−𝟏 existiert
LGS ⇔ 𝑨𝒙 = 𝒃 eindeutig lösbar
Homog. LGS ⇔ 𝑨𝒙 = 𝟎 eindeutig lösbar (∗)

⇔ 𝑨𝒙 = 𝟎 hat nur die (triviale) Lösung 𝒙 = 𝟎
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
Eigenvektoren 𝒙 ≠ 𝟎 zum Eigenwert 𝜆 ∈ ℝ Wie verändert die Lineare

der quadratischen Matrix 𝑨 sind Vektoren mit Transformation 𝑨𝒙 einen
Eigenvektor 𝒙?
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?
Eigenvektoren zu Eigenwert 𝜆: Lösungen 𝒙 ≠ 𝟎 des/der LGS (pro 𝜆)
(𝑨 − 𝜆𝑰)𝒙 = 𝟎
1 2
𝐴 =( ). Bestimme die Eigenwerte (und dann dazu passende Eigenvektoren) der quadratischen Matrix 𝐴
2 1
27.2
Übersicht: Determinanten-Rechnung
Existenz der Inverse / eindeutigen LGS-Lösung (im Fall quadratischer 𝑛 × 𝑛-Matrix)
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
Rechenregeln für Determinante 𝑨, 𝑩 quadratische 𝑛 × 𝑛 Matrizen mit reellen Koeffizienten, 𝑘 ∈ ℝ.

(immer nur für quadratische Matrizen) (1) det (𝑨) = 𝑎11 ∙ 𝑎22 ∙ ⋯ ∙ 𝑎𝑛𝑛 falls 𝑨 Dreiecksmatrix
(2) det (𝑘𝑨) = 𝑘𝑛 det 𝑨 Achtung: det (𝑘𝑨) ≠ 𝑘 ∙ det 𝑨
(3) det (𝑨𝑩) = det 𝑨 ∙ det 𝑩 Produktsatz
det (𝑨 + 𝑩) ≠ det 𝑨 + det 𝑩 Kein Summensatz !!!
1
(4) det (𝑨−𝟏 ) = falls 𝐴 invertierbar
det 𝑨
(5) det (𝑨𝑻 ) = det 𝑨
Charakteristische Eigenschaften (1) det 𝑰 = 1 (Normierung)

für Determinante (2) det ist linear in jeder (einzelnen) Spalte bzw. Zeile
(nicht prüfungsrelevant) (aber nicht bzgl. der ganzen Matrix)
Es gibt nur eine Funktion mit den (3) Sind die Spalten linear abhängig, so ist die Determinante 0.
Eigenschaften (1)(2)(3) bzw. (1)(2) (3‘): Die Beachte: Begriff „Lineare Abhängigkeit“ separates Kapitel.
Determinante! (1-3) sind sinnvolle
(3‘) 𝐝𝐞𝐭 ist alternierend: Ein Spalten-/Zeilentausch bewirkt VZW.
Volumeneigenschaften
Ausblick: Verwendung in Vektorrechnung bzw. Analytischen Geometrie
𝒂, 𝒃, 𝒄 ∈ ℝ3 komplanar / liegen in einer Ebene / l.a. 𝐝𝐞𝐭(𝒂|𝒃|𝒄) = 0
Fläche Parallelogramm (aus 2 Vektoren 𝒂, 𝒃 ∈ ℝ3 ) |𝒂 × 𝒃|
Im ℝ3 Spatprodukt [𝒂, 𝒃, 𝒄] = (𝒂 × 𝒃) ∙ 𝒄 [𝒂, 𝒃, 𝒄] = 𝐝𝐞𝐭(𝒂|𝒃|𝒄)
Cramer’sche Regel (nicht |𝑨𝒌 |

𝑥𝑘 =
prüfungsrelevant) |𝑨|
wobei 𝑨𝒌 = ersetze in 𝑨 𝑘-ter Spalte durch rechte Seite 𝒃.
Eindeutige Lösung eines quadratischen
(da im Vergleich zum Gauß-Algo hoher Rechenaufwand, für praktische
LGS 𝑨𝒙 = 𝒃 mittels Determinanten Zwecke nicht relevant und nicht Teil der VL).
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|
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 )
29 Übungen: Determinanten mit Parametern. Invertierbarkeit bzw. LGS-Lösbarkeit per Determinante
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)

Kapitel: Lineare Algebra

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Kapitel: Lineare Algebra

Hochgeladen von

Copyright:

Verfügbare Formate

Kapitel: Lineare Algebra

Matrizen und Vektoren, Matrizenrechnung

Lineare Gleichungssysteme (LGS)

Inverse einer Matrix (Berechnung mit Gauß-Jordan) und Matrixgleichungen

Vektorrechnung und Analytische Geometrie

Lineare Abhängigkeit, Unabhängigkeit

[Dürrsch] Kapitel 4, 5,6, 7, 8

[Papula2] Kapitel I.2-5

[Teschl 1] Kapitel 9 und 10 und teilweise 13

Definition Matrix, Dimension, Zeilenindex, Spaltenindex, ℝ𝒎×𝒏 bzw. ℝ𝒎

Spezielle Matrizen und ihre Bezeichner

1 Addieren / Subtrahieren, Vielfache, Multiplikation, Inverse (als Ersatz für Division)

Differenz von Matrizen (gleicher Dimension) Nullmatrix 𝟎 neutral bzgl. Addition

Produkt zweier Matrizen (passender Dimension) Matrix mal Matrix

Matrizen werden nach dem sog. Falk’schen

Einheitsmatrix 𝑰 ist neutral bzgl. Multiplikation

Potenzen einer Matrix

Folgende Rechenzeichen nicht üblich:

Matrix 𝑿 heißt Inverse zur (quadratischen)

Bilden Sie das Matrix-Vektor-Produkt 𝑨 ∙ 𝒙 Analog: 𝑩 ∙ 𝒙 Was passiert bei 𝑨 ∙ 𝒚 ?

Welche Produkte sind definiert:

Geben Sie einige Produkte mit 𝑨, 𝑩, 𝒙, 𝒚, 𝒙𝑻 , 𝒚𝑻 an, die erlaubt sind:

Geben Sie einige Produkte an, die nicht möglich sind:

Wann funktioniert Vektor ∙ Vektor?

Hinweis: Arrays = Vektoren und Matrizen in Programmiersprachen

Beispiel-Anwendungen: Wann benötigt man diese Art der Matrix-Multiplikation?

(Produktionskoeffizienten 𝑩: Zwischenpr. pro

𝑨: Rohstoffe 𝑪: Rohstoffe pro

Rechenregeln Addition = Bedingungen einer „Kommutativen Gruppe bzgl. + "

Rechenregeln für Vielfache = Multiplikation mit Zahl (genauer: Skalar)

Rechenregeln Multiplikation von Matrizen bzw. Vektoren Ab hier Besonderheiten:

Transponieren eines Vielfachen (𝑘𝑨)𝑻 = 𝑘𝑨𝑻 Hilfreich (z.B. beim

5 Übungen: Matrix-Multiplikation und Matrix-Inverse

Prüfen Sie, ob folgende Matrizen Inverse sind:

𝑎 𝑏 1 𝑑 −𝑏 Beachte: Diese Formel gilt nur für 2x2

6 Übungen: Multiplikation von Matrizen ist nur in Spezialfällen kommutativ

7 Weitere Aufwärmübungen zur Technik der Matrix-Multiplikation (bei Bedarf)

Führen Sie die folgenden Matrix-Multiplikationen durch:

…welche Produkte sind mit den Matrizen/Vektoren 𝐴, 𝐵, 𝑥, 𝑦 definiert: 𝐴𝐵, 𝐵𝐴, 𝑥𝑦 𝑇 , 𝑦𝑥 𝑇

Die quadratische Matrix 𝐴 heißt schiefsymmetrisch, falls 𝐴𝑇 = −𝐴. Geben

Grundlagen: Definition LGS, Matrixschreibweise, Koeffizientenmatrix, Lösbarkeit

Kirchhoff‘sche Regeln im elektrisches Netzwerk mit ohmschen Widerständen 𝑅𝑘

Stellen Sie für die Einzelstromstärken 𝐼𝑘 des folgenden

Frage: Wie löst man großes LGSe systematisch

Ein 2 x 2 LGS kann im x,y-Koordinatensystem als zwei Geraden veranschaulicht werden.

Dies kann man verallgemeinern:

Gauß-Algorithmus = programmierbares Verfahren, um ein LGS

Anmerkung: Der Gauß-Algorithmus lässt sich auch als

Teil 1: Lösbarkeit? LGS auf ZSF bringen NR: (Rechenweg)

1 0 3 0 0 8 2 ZSF erreicht! Lösbarkeit?

𝑥1 = Bemerkung: Strukur der Lösungsmenge

Anmerkung zur Anzahl Zeilen 𝑚 und Anzahl Variablen 𝑛

13 Beispiel: LGS mit Parameter

Gauß-Jordan-Verfahren (= 𝒏 simultane Gauß-Verfahren)

14 Beispiel: Berechnung von 𝑨−𝟏

−1 1 0 1 0 0 Teil 1: Links ZSF mit Eins-Diagonale

Teil 2: Links: Reduzierte ZSF → Einheitsmatrix 𝐼

Lin. Gleichung Division bzw. Kehrwert Schreibweise 𝑎−1

Ein LGS ist eine Matrix-Vektor-Gleichung.

Wenn es 𝐴−1 gibt, ist das zugehörige LGS

ZSF ⇔ 𝐑𝐚𝐧𝐠(𝑨) = 𝒏 (maximal)

LGS ⇔ 𝑨𝒙 = 𝒃 ist eindeutig lösbar (∗)

LGS Lösung ⇔ 𝒙 = 𝑨−𝟏 ∙ 𝒃 eindeutige Lösung von (∗)