Beruflich Dokumente
Kultur Dokumente
Eine Matrix ist dabei ein rechteckiges Schema, dessen Elemente meist Zahlen sind.
Elemente der Matrix können aber auch Variable oder Funktionen sein.
Eine Matrix besteht aus m Zeilen und n Spalten und wird (m, n) -Matrix genannt.
Die Dimension einer Matrix mit m Zeilen und n Spalten ist m n .
Die Position eines Elementes aij wird mit einem Doppelindex gekennzeichnet.
Der erste Index i gibt dabei die Zeile, der zweite Index j die Spalte an des Elements an.
Matrix m n :
aij n Spalten, Index j
a11 a12 a13 . .
m Zeilen,
a21 a22 a23 . .
Index i a a a33 . .
31 32
. . . . .
. amn
. . .
Beispiel: (2,3) -Matrix, also 2 Zeilen und 3 Spalten; das Element ist beispielsweise a21 4
1 2 3
A
4 5 6
Merkregel Indexreihenfolge: zuerst die Zeile, die Spalte später
- als Schreibweise hat sich eine Anordnung in Zeilen und Spalten zwischen großen Klammern
(meist runde Klammern) durchgesetzt.
Die Matrix selbst wird durch Großbuchstaben bezeichnet.
- einzelne Zeilen und Spalten der Matrix werden oft als Spalten- oder Zeilenvektoren bezeichnet:
a a a11 a
A 11 12 Spaltenvektoren: und 12
a21 a22 a21 a22
Zeilenvektoren: a11 a12 und a21 a22
- die Dimension einer Matrix ergibt sich aus der Anzahl ihrer Zeilen und Spalten - z.B. wird einer
m n -Matrix die Zeilendimension m und die Spaltendimension n zugeschrieben.
- Hat die Matrix nur eine Spalte, nennt man sie einen Spaltenvektor; hat sie nur eine Zeile, nennt
man sie einen Zeilenvektor.
quadratische Matrix
besitzt die gleiche Anzahl von Zeilen und Spalten (m n)
häufig benutzt werden die 2 2 - und 3 3 -Matrix
a a
A 11 12
a21 a22
die Elemente mit i j bilden die Hauptdiagonale der Matrix
Nullmatrix
alle Elemente der Matrix sind gleich Null
0 0
A - hier: 2x2-Nullmatrix.
0 0
Einheitsmatrix
die Elemente der Hauptdiagonalen sind gleich Eins und alle anderen Elemente sind Null
1 0
A
0 1
Diagonalmatrix
alle Elemente - außer den Elementen der Hauptdiagonalen – sind gleich Null
3 0
A
0 2
Einheitsmatrix und Nullmatrix sind spezielle Formen der Diagonalmatrix
obere Dreiecksmatrix
alle Elemente unterhalb der Hauptdiagonalen sind gleich Null
3 2 1
A 0 1 4
0 0 3
untere Dreiecksmatrix
alle Elemente oberhalb der Hauptdiagonalen sind gleich Null
3 0 0
A 2 1 0
1 4 3
- So ist die Determinante n-ter Ordnung der Matrix A (amn ) vom Typ (m, m) zugeordnet.
a a a11 a12
A 11 12 det A A a11a22 a12 a21
a21 a22 a21 a22
Beispiel:
4 5 4 5
A det A A 4 (2) 5 3 23
3 2 3 2
2 Bemerkungen:
Für nichtquadratische Matrizen ist die Determinante nicht definiert.
Die Determinante ist eindeutig, d.h. jeder quadratischen Matrix wird genau
eine Determinante (Zahl) zugeordnet.
Mit der „Regel von Sarrus“ wird der Versuch unternommen, mittels eines Schemas
dieses „Ausmultiplizieren“ übersichtlicher zu gestalten:
- Durch Entwicklung in Unterdeterminanten reduziert man den Rang, bis die Berechnung
(z.B. für eine 3x3-Matrix) möglich ist.
Dazu legt man eine Zeile oder Spalte (was immer bequemer ist) fest, welche die sogenannten
Pivot-Elemente enthält. Legen wir beispielsweise die 2. Zeile fest, sind a21, a22 , ..., a2 m diese
Pivot-Elemente.
Die Unterdeterminanten zu diesen Pivot-Elementen erhält man, indem man in der
Ausgangsmatrix jeweils die entsprechende Spalte und Zeile „streicht“.
So heißt beispielsweise die Unterdeterminante zum Pivot-Element a21 :
a12 a13 a1m
a32 a33 a3 m
A21 det A21
am 2 am3 amm
Die Determinante von A lässt sich nun aus einer Summe von Produkten darstellen.
Jeder Summand setzt sich dabei folgendermaßen zusammen:
Entwickelt man nach der i -ten Zeile ( i wird festgehalten) ergibt sich die Determinante A zu:
m
det A aij (1) i j Aij
j 1
Entwickelt man nach der j -ten Spalte ( j wird festgehalten) ergibt sich die Determinante A zu:
m
det A aij (1) i j Aij
i 1
Die Strategie bei der Berechnung der Determinante einer m m -Matrix ( m 3 ) ist also die
Entwicklung nach einer Spalte bzw. Zeile, um die Dimension der Matrix, deren Determinante
man berechnen soll, sozusagen Schritt für Schritt zu „reduzieren“.
Anmerkungen:
Der Wert einer Determinante ist unabhängig von der Auswahl der Entwicklungszeile/-spalte
Eine Determinante ist gleich Null, wenn
- eine Zeile/Spalte aus lauter Nullen besteht
Beispiel:
Lösung eines Gleichungssystems mit n unabhängigen Gleichungen und n Unbekannten.
Solche Gleichungssysteme kommen beispielsweise bei der Analyse von Stromkreisen mit den
Kirchhoffschen Gesetzen vor.
Cramersche Regel
Im wichtigen Spezialfall, in dem die Anzahl der Unbekannten mit der Anzahl der Gleichungen in
kann die Lösung des inhomogenen Gleichungssystems explizit und eindeutig angegeben werden:
D1 D D
x1 ; x2 2 ; ......; xn n ;
D D D
D1 , D2 , ..., Dn bezeichnet dabei Determinanten, die entstehen, wenn jeweils die i -te Spalte der
Ausgangsdeterminante D durch den Vektor mit den Komponenten der rechten Seite des Glei-
chungssystems ersetzt wird.
Beispiel:
x1 2 x2 x3 11 1 2 1
5 x2 20 D 0 5 0 10
3 x 2 2 x3 8 0 3 2
11 2 1 1 11 1 1 2 11
D1 20 5 0 10 D2 0 20 0 40 D3 0 5 20 20
8 3 2 0 8 2 0 3 8
D1 D2 D3
x1 1 x2 4 x3 2
D D D
Hinweis:
Für die praktische Lösung von linearen Gleichungssystemen höherer Dimensionen ist die CRAMER-
sche Regel nicht geeignet. Der Rechenaufwand übersteigt mit wachsender Dimension sehr schnell
alle Vorstellungen.
Addition / Subtraktion
Voraussetzung:
Matrizen lassen sich nur addieren bzw. subtrahieren, wenn die beteiligten Matrizen jeweils die
gleiche Anzahl an Zeilen und Spalten besitzen.
Beispiel:
a a a b b b
A 11 12 13 ; B 11 12 13
a21 a22 a23 b21 b22 b23
A und B lassen sich addieren bzw. subtrahieren, da Zeilen- und Spaltenzahl übereinstimmen.
Beispiel:
a a a b b
A 11 12 13 ; B 11 12
a21 a22 a23 b21 b22
A und B lassen sich nicht addieren bzw. subtrahieren, da Zeilen- und Spaltenzahl nicht überein-
stimmen.
Beispiel:
a a b b a b a b
A 11 12 ; B 11 12 ; A B 11 11 12 12
a21 a22 b21 b22 a21 b21 a22 b22
1 2 2 3 3 5
A ; B ; A B
3 4 4 5 7 9
Rechenregeln
es gilt das Kommutativgesetz A B B A
es gilt das Assoziativgesetz ( A B) C A ( B C )
Voraussetzung
Matrizen lassen sich nur dann miteinander multiplizieren, wenn die Spaltenanzahl der ersten
Matrix mit der Zeilenanzahl der zweiten Matrix übereinstimmt.
A und B müssen zueinander passen!
Beispiel:
b11 b12
a a a13
A( 2,3) B(3, 2 ) 11 12 b21 b22
a21 a22 a23
b31 b32
A und B lassen sich multiplizieren, da die Zeilenzahl von A der Spaltenzahl von B entspricht
Beispiel:
a a a b b
A( 2,3) B( 2, 2) 11 12 13 11 12
a21 a22 a23 b21 b31
A und B lassen sich nicht multiplizieren, da die Zeilenzahl von A der Spaltenzahl von B nicht ent-
spricht
Bei der Multiplikation einer Matrix A mit einem Skalar werden alle Elemente der Matrix mit
dem Skalar k multipliziert.
b b k a11 k a12
B k A mit B k 11 12
b21 b22 k a21 k a22
Dimensionsbetrachtung:
Die Multiplikation von einer m n -Matrix A mit einer l m -Matrix B
(Spaltenzahl von A ist m , Zeilenzahl von B ist m - A und B passen zueinander!)
ergibt A B - eine l n -Matrix.
Das Matrixprodukt C A B hat so viele Zeilen wie die Matrix A und so viele Spalten
wie die Matrix B .
A( 2,3) B(3, 4) C( 2, 4)
b11 b12 b13 b14
a11 a12 a13 c c c c
b21 b22 b23 b24 11 12 13 14
a21 a22 a23 c21 c22 c23 c24
b31 b32 b33 b34
Rechenregeln
die Matrizenmultiplikation ist nicht kommutativ: A B B A
die Matrizenmultiplikation ist distributiv: A ( B C) ( A B) ( A C)
( A B) C ( A C ) ( B C)
die Matrizenmultiplikation ist assoziativ: ( A B) C A ( B C )
Voraussetzung
Es gibt keine Voraussetzungen. Jede beliebige Matrix lässt sich transponieren.
4 5 6 3 6
das Gleiche erreicht man durch Spiegelung an der Hauptdiagonalen mit den Elementen
a11, a22 , ...
Vektoren
- wie leicht vorzustellen, lassen sich auch Vektoren in Form einer Matrix darstellen
- häufig begegnen uns dabei die Begriffe Spaltenvektor bzw. Zeilenvektor:
T
x
y ( x y z)
z
hat man 2 Spaltenvektoren a und b der Länge (Dimension) n , so ist ein Matrixprodukt
der Form a b nicht definiert.
Die beiden „Matrizen“ a und b passen nicht zueinander; die Spaltenanzahl von a und
die Zeilenanzahl von b stimmen nicht überein.
a sei ein Spaltenvektor mit n Zeilen; bT sei ein Zeilenvektor mit n Spalten
die Matrizen „passen zueinander“
Ergebnis ist eine n n -Matrix, das dyadische Produkt oder Tensorprodukt
Multipliziert man eine Zahl mit ihrem Kehrwert, lautet das Ergebnis stets 1.
Das sollte so auch für Matrizen gelten!
Multipliziert man eine Matrix A mit ihrer inversen Matrix A1 , ergibt sich die Einheitsmatrix.
Beispiel:
2 1 0 0 1 2 1 0 0
1
A A 1 2 2 1 2 4 0 1 0 E
0 1 1 1 2 5 0 0 1
Im Lichte der Matrixmultiplikation betrachtet besteht die Ermittlung der Komponenten der
inversen Matrix darin, ein Gleichungssystem aus 9 Gleichungen mit 9 Unbekannten zu lösen.
Beispiel:
Gegeben ist eine Matrix A . Berechne die Inverse!
2 1 0 x11 x12 x13 1 0 0
1
A A 1 2 2 x21 x22 x23 0 1 0 E
0 1 1 x x33 0 0 1
31 x32
wenden man die Cramersche Regel auf das Gleichungssystem an, ergibt sich:
1 1 0 2 1 0 2 1 1
0 2 2 1 0 2 1 2 0
2 1 0
0 1 1 0 0 1 0 1 0
x11 ; x21 ; x31 ; A1 2 2 1
A A A
0 1 1
analog verfahren wir mit der 2. Spalte und erhalten x12 , x22 und x32
sowie der 3. Spalte und erhalten x13 , x23 und x33
1 1 0 0 1 0 0 1 0
0 2 2 1 2 2 0 2 2
0 1 1 0 1 1 1 1 1
x11 x12 x13
A A A
2 1 0 2 0 0 2 0 0
1 0 2 1 1 2 1 0 2
0 0 1 0 0 1 0 1 1
A1 x21 x22 x23
A A A
2 1 1 2 1 0 2 1 0
1 2 0 1 2 1 1 2 0
x 0 1 0 0 1 0 0 1 1
x32 x33
31 A A A
Rechenregeln
Die Inverse eines Matrizenproduktes entspricht dem Produkt der jeweiligen Inversen.
( A B) 1 B1 A1
(Reihenfolge bei der Multiplikation beachten!)
Die Inverse der transponierten Matrix entspricht der Transponierten der inversen Matrix.
( AT )1 ( A1 )T
- oben wurde bei der Lösung verschiedener Probleme (insbesondere das Lösen von linearen
Gleichungssystemen) auf die Cramersche Regel zurückgegriffen
- gern wird zur Lösung derartiger Probleme auch der Gauß-Jordan-Algorithmus verwendet
- mit dem nach Carl Friedrich Gauß und Wilhelm Jordan benannten Verfahren lässt sich die
Lösung eines linearen Gleichungssystems berechnen; es erweitert das nach Gauß benannte
Eliminationsverfahren.
Mit den Koeffizienten wird eine s.g. erweiterte Koeffizientenmatrix des gebildet:
1. Spalte: Faktoren von x , 2. Spalte: Faktoren von y , 3. Spalte: Faktoren von z
4. Spalte: rechte Seite des Gleichungssystems.
1 1 1 0
4 2 1 1
9 3 1 3
nun wissen wir es genau! Aber keine Angst - Ähnliches ist uns schon begegnet:
beim Entwicklungssatz nach Laplace
1. Kofaktoren berechnen:
mit Aij (1)i j Dij erhalten wir ( Dij ist die entsprechende Unterdeterminante):
2. Kofaktormatrix aufstellen
A A12 7 5
Cof ( A) 11
A21 A22 3 4
3. Kofaktormatrix transponieren
Die Adjunkte einer Matrix ist die Transponierte der Kofaktormatrix.
A A21 7 3
Adj( A) Cof ( A)T 11
A12 A22 5 4
die Formel zur Berechnung der inversen Matrix mit Hilfe der Adjunkten lautet
1
A1 Adj( A)
A
4 3
Beispiel 1: wir verwenden die Matrix aus dem Abschnitt „Adjunkte“: A
5 7
A det( A) 4 7 3 5 13
A A12 7 5
Cof ( A) 11 - siehe oben
A21A22 3 4
A A21 7 3
Adj( A) Cof ( A)T 11 - siehe oben
A12 A22 5 4
1 1 7 3
A1 Adj( A)
A 13 5 4
2 1 0
Beispiel 2: wir verwenden die Matrix aus dem Abschnitt „Invertieren“: A 1 2 2
0 1 1
A det( A) 4 1 4 1
0 1 2
Adj( A) Cof ( A) 1 2 4
T
- selber prüfen
1 2 5
0 1 2
1 1
A Adj( A) 1 2 4 - stimmt! Lösung siehe oben
A 1 2 5
Eine orthogonale Matrix ist eine quadratische, reelle Matrix, deren Zeilen- und Spaltenvektoren
paarweise orthonormal zueinander sind.
Es folgt also:
Bilden die Spalten einer quadratischen Matrix ein System zueinander orthogonaler
Einheitsvektoren, so heißt diese Matrix orthogonale Matrix.
Eigenschaften
- die Inverse einer orthogonalen Matrix ist gleichzeitig ihre Transponierte.
Q1 QT
- die transponierte Matrix Q T ist ebenfalls eine orthogonale Matrix
- das Produkt einer orthogonalen Matrix mit ihrer Transponierten ergibt die Einheitsmatrix.
Q QT E
- das Produkt zweier orthogonaler Matrizen ist wieder orthogonal
- eine orthogonale Matrix ist über den komplexen Zahlen diagonalisierbar
- die Determinante einer orthogonalem Matrix hat entweder den Wert +1 oder -1.
- eine orthogonale Matrix mit der Determinante +1 beschreibt eine Drehung.
Man spricht dann auch von einer eigentlich orthogonalen Matrix.
- eine orthogonale Matrix mit der Determinante -1 beschreibt eine Drehspiegelung.
Man spricht dann auch von einer uneigentlich orthogonalen Matrix.
- eine orthogonale Matrix, die die Drehung eines Vektors beschreibt, heißt Drehmatrix
Anwendungen
Multiplikation mit einer orthogonalen Matrix dreht oder spiegelt Vektoren.
Länge und Winkel zwischen den Vektoren bleibt erhalten.
Solche Abbildungen heißen Kongruenzabbildungen
Beispiel
0 1
Handelt es sich bei der Matrix A um eine orthogonale Matrix?
1 0
Wir prüfen...
0 1 0 1 1 0
A AT E
1 0 1 0 0 1
...und kommen zu dem Ergebnis, dass es sich bei der Matrix A um eine orthogonale Matrix han-
delt.
Drehmatrix im R 2
- im zweidimensionalen Raum lautet die Rotationsmatrix
cos sin
R
sin cos
- die Drehung eines Vektors r im mathematisch positiven Sinn (gegen den Uhrzeigersinn) um
einen Winkel erreicht man mit
cos sin x x cos y sin x'
R r r'
sin cos y x sin y cos y'
die Komponenten des Bildvektors r ' ergeben sich demnach zu
x' x cos y sin
y' x sin y cos
Beispiel
2
Der Vektor r soll um 30° Grad gedreht werden.
1
cos 30 sin 30 2
R30 r
sin 30 cos 30 1
Ergebnis
cos 30 sin 30 2 1,23
R30 r r '
sin 30 cos 30 1 1,87
die Eulerwinkel sind also ein Satz dreier unabhängiger Parameter, mit denen die Orientierung
eines festen Körpers im dreidimensionalen Raum beschrieben werden kann.
die Drehlage wird aus einer beliebigen Lage durch eine Abfolge dreier Drehungen um spezielle
Achsen erzeugt
- die erste Drehachse ist eine raumfeste Achse, die beiden anderen sind vorher schon
mitgedrehte Achsen
Euler-Winkel dienen u.a. dazu bekannten Koordinaten eines Ortsvektors in die zu einem verdreh-
ten Koordinatensystem gehörenden umzurechnen
Bezeichnungen: raumfestes oder Labor-System und körperfestes oder Körper-System
die Umrechnung erfolgt mit Hilfe der ober gezeigten Drehmatrix, mit der der Ortsvektor zu
multiplizieren ist
die umgekehrte Umrechnung von körperfesten in raumfeste Koordinaten wird analog durchzu-
führen
- die dafür notwendige Drehmatrix lässt sich aus der Drehmatrix der Vorwärts-Drehung
bestimmen
- die Matrix für die Rückdrehung ist die transponierte zur Matrix der Vorwärts-Drehung
- oft finden sich auch Begriffe wie „passiven Drehung“ bzw. „Koordinatentransformation“
(dabei wird das Koordinatensystem gedreht) oder
„aktive Drehung“ (dabei wird der Ortsvektor gedreht; man erhält einen neuen Ortsvektor),
das Koordinatensystem bleibt dabei unverändert
- ein weitere Begriff in Verbindung mit Matrizen ist der Begriff "Bild einer Matrix"
- was ist das und wie wird es ermittelt?
Das Bild einer Matrix ist gleich den linear unabhängigen Spalten.
damit ergibt sich die Frage, welche Menge an Vektoren b als Lösungen auftreten können.
bei Funktionen läge x im Definitionsbereich, für b ergäbe sich der Wertebereich
bei Matrizen wird uns das durch das Bild der Matrix gegeben.
das Bild gibt also den ‚Wertebereich der Matrix‘, die Menge an Vektoren b als Lösung, an
wie berechnet man den Wertebereich der Matrix, das Bild einer Matrix?
Beispiel:
1 3 2
A 2 4 4
3 5 6
- wir multiplizieren diese Matrix nacheinander mit den drei Einheitsvektoren des R 3 :
1 3 2 1 1 1 3 2 0 3 1 3 2 0 2
2 4 4 0 2 ; 2 4 4 1 4 ; 2 4 4 0 4
3 5 6 0 3 3 5 6 0 5 3 5 6 1 6
wir können damit den vierten Vektor aus dem Bild streichen,
da der dritte Vektor diesen gewissermaßen einschließt.
- Achtung: der dritte Vektor ist ein Vielfaches des ersten Vektors!
wir können auch den 3. Vektor streichen!
1 3
img ( A) 2 ; 4
3 5
Das Bild einer Matrix ist gleich den linear unabhängigen Spalten. (siehe oben)
Verfahren, um die linear unabhängigen Spalten einer Matrix zu berechnen werden hier nicht
vorgestellt. Dazu wird auf die Literatur verwiesen.
der Rang einer Matrix ist die Anzahl der Zeilen (oder Spalten, resp.) der Determinante
oder der größten Unterdeterminante mit Nicht-Null-Wert
Beispiel:
der Rang einer 3 x 3 -Matrix ist rg ( A) rank ( A) 3 , wenn A 0 ;
falls die Determinante A 0 , sucht man die größte Unterdeterminante.
1 3 2
4 4 2 4 2 4
A 2 4 4 0; A11 4 ; A12 0; A13 2
5 6 3 6 3 5
3 5 6
sowohl A11 0 , als auch A13 0
die Matrix hat den Rang 2; rg ( A) rank ( A) 2
Als Spur einer quadratischen n n -Matrix bezeichnet man die Summe der Diagonalenelemente:
n
Spur( A) a jj a11 a22 ...ann
j 1