Lineare Algebra 11. Matrizen Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. a11 a12 ... a1n a21 a22 ... a2n ... ... ... ... am1 am 2 ... amn = (aij) Addition von Matrizen A = (aij) und B = (bij) seien zwei mn-Matrizen. elementweise A+B=C mit cij = aij + bij A-B=C mit cij = aij – bij Man kann nur solche Matrizen addieren und subtrahieren, die gleiche Zeilenzahl m und gleiche Spaltenzahl n besitzen. Matrixaddition ist assoziativ und kommutativ. 1 2 3 4 5 6 + 2 1 2 0 0 = 3 4 -1 - 7 4 4 - 1 Addition von Matrizen A = (aij) und B = (bij) seien zwei mn-Matrizen. elementweise A+B=C mit cij = aij + bij A-B=C mit cij = aij – bij Man kann nur solche Matrizen addieren und subtrahieren, die gleiche Zeilenzahl m und gleiche Spaltenzahl n besitzen. Matrixaddition ist assoziativ und kommutativ. 1 2 3 4 5 6 - 0 1 2 0 0 = 3 6 -1 - 7 0 4 13 n Multiplikation von Matrizen cij = aik bkj k 1 A B = Man kann nur solche Matrizen A und B miteinander multiplizieren, für die gilt: A = mn-Matrix, B = np-Matrix Das Ergebnis ist eine mp-Matrix. C 1 2 3 4 5 6 1a + 2c + 3e a b c d e f a b c d e f 1a + 2c + 3e , 1b + 2d + 3f a b c d e f 1a + 2c + 3e , 1b + 2d + 3f 4a + 5c + 6e a b c d e f ( 4a + 5c + 6e , 4b + 5d + 6f ) 1a + 2c + 3e , 1b + 2d + 3f n cij = aik bkj k 1 = Der zweite Index des ersten Faktors und der erste Index des zweiten Faktors laufen bis n. mn-Matrix np-Matrix = mp-Matrix n cij = aik bkj k 1 = Der zweite Index des ersten Faktors und der erste Index des zweiten Faktors laufen bis n. mn-Matrix np-Matrix = mp-Matrix Die Operation ist nicht kommutativ; im Allgemeinen ist selbst für quadratische Matrizen, also solche mit m = n, die sich überhaupt nur in beiden Fällen als Faktoren eignen AB≠BA 1 0 0 1 0 1 = 0 0 0 0 0 0 n cij = aik bkj k 1 = Der zweite Index des ersten Faktors und der erste Index des zweiten Faktors laufen bis n. mn-Matrix np-Matrix = mp-Matrix Die Operation ist nicht kommutativ; im Allgemeinen ist selbst für quadratische Matrizen, also solche mit m = n, die sich überhaupt nur in beiden Fällen als Faktoren eignen AB≠BA 1 0 0 1 0 1 0 1 1 0 0 0 = aber = 0 0 0 0 0 0 0 0 0 0 0 0 1 2 3 4 5 6 a b c d e f 1a+2c+3e 4a+5c+6e 1b+2d+3f 4b+5d+6f 1 0 2 3 1 2 1 0 3 2 1 = 2 1 0 2 3 1 2 1 0 3 2 1 = 2 1 0 9 2 2 6 10 6 = 0 0 6 0 1 4 6 3 1 0 2 3 1 2 1 0 3 2 1 = 2 1 0 9 2 2 6 10 6 = 0 0 6 0 1 4 6 3 b1 (a1, a2) = (a1b1 + a2b2) b2 1 0 2 3 1 2 1 0 3 2 1 = 2 1 0 9 2 2 6 10 6 = 0 0 6 0 1 4 6 3 b1 (a1, a2) = (a1b1 + a2b2) b2 11.1 Erklären Sie folgendes Schema: 1 4 1 2 5 1 3 6 2 2 3 2 14 35 9 2 5 1 15 39 9 Sei A eine mn-Matrix, B eine np-Matrix und C eine pq-Matrix, so gilt A (B C) = (A B) C Die Matrixmultiplikation ist also assoziativ, und sie ist auch distributiv über die Matrixaddition +: A (B + C) = (A B) + (A C) Sei A eine mn-Matrix, B eine np-Matrix und C eine pq-Matrix, so gilt A (B C) = (A B) C Die Matrixmultiplikation ist also assoziativ, und sie ist auch distributiv über die Matrixaddition +: A (B + C) = (A B) + (A C) Es gibt eine nn-Matrix I, die nn-Einheitsmatrix, 1 0 ... 0 0 1 ... 0 I= = (ij) ... ... ... ... 0 0 ... 1 so dass für jede nn-Matrix A gilt (11.4) A I = A = I A. Sei A eine mn-Matrix, B eine np-Matrix und C eine pq-Matrix, so gilt A (B C) = (A B) C Die Matrixmultiplikation ist also assoziativ, und sie ist auch distributiv über die Matrixaddition +: A (B + C) = (A B) + (A C) Es gibt eine nn-Matrix I, die nn-Einheitsmatrix, 1 0 ... 0 0 1 ... 0 I= = (ij) ... ... ... ... 0 0 ... 1 so dass für jede nn-Matrix A gilt (11.4) A I = A = I A. Eine 11 Matrix ist eine Zahl. Eine 1n Matrix heißt Zeilenvektor. Eine n1 Matrix heißt Spaltenvektor oder einfach Vektor. 11.2 A = 1 4 7 A A A B C A B C C B 2 3 5 6 ,B= 8 9 1 3 5 2 4, C = 6 -1 - 2 0 -3 - 1 0 11.4 Inversion von Matrizen Mit Hilfe der inversen Matrix kann man bestimmte lineare Gleichungssysteme lösen. a11x1 + a12x2 + ... + a1nxn = b1 a21x1 + a22x2 + ... + a2nxn = b2 ........................... am1x1 + am2x2 + ... + amnxn = bm (S) Wenn A B = I gilt, so nennt man B die inverse Matrix von A und bezeichnet B mit A-1. 1 0 ... 0 0 1 ... 0 I= = (ij) ... ... ... ... 0 0 ... 1 (11.4) Wenn A B = I gilt, so nennt man B die inverse Matrix von A und bezeichnet B mit A-1. Da die Matrixmultiplikation nicht kommutativ ist, muss man im Allgemeinen zwischen dem Linksinversen und dem Rechtsinversen unterscheiden. Für eine quadratische Matrix sind die beiden Inversen jedoch identisch. Sei L das Linksinverse zu A, d.h. L A = I und R das Rechtsinverse A R = I 1 0 ... 0 0 1 ... 0 I= = (ij) ... ... ... ... 0 0 ... 1 (11.4) Wenn A B = I gilt, so nennt man B die inverse Matrix von A und bezeichnet B mit A-1. Da die Matrixmultiplikation nicht kommutativ ist, muss man im Allgemeinen zwischen dem Linksinversen und dem Rechtsinversen unterscheiden. Für eine quadratische Matrix sind die beiden Inversen jedoch identisch. Sei L das Linksinverse zu A L A = I und R das Rechtsinverse A R = I Eine Matrix heißt umkehrbar, wenn ein Linksinverses L und ein Rechtsinverses R existieren. In diesem Falle gilt L = R, denn R = I R = (L A) R = L (A R) = L I = L 1 2 0 A = 4 3 - 1 6 5 - 1 1 0 0 I = 0 1 0 0 0 1 1 2 0 0 - 5 - 1 0 - 7 - 1 1 0 0 - 4 1 0 - 6 0 1 0 1 2 0 1 1/5 0 - 7 - 1 0 0 1 4/5 - 1/5 0 -6 0 1 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 A = 4 3 - 1 6 5 - 1 1 0 0 I = 0 1 0 0 0 1 1 2 0 0 - 5 - 1 0 - 7 - 1 1 0 0 - 4 1 0 - 6 0 1 0 1 2 0 1 1/5 0 - 7 - 1 0 0 1 4/5 - 1/5 0 -6 0 1 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 A = 4 3 - 1 6 5 - 1 1 0 0 I = 0 1 0 0 0 1 1 2 0 0 - 5 - 1 0 - 7 - 1 1 0 0 - 4 1 0 - 6 0 1 0 1 2 0 1 1/5 0 - 7 - 1 0 0 1 4/5 - 1/5 0 -6 0 1 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 A = 4 3 - 1 6 5 - 1 1 0 0 I = 0 1 0 0 0 1 1 2 0 0 - 5 - 1 0 - 7 - 1 1 0 0 - 4 1 0 - 6 0 1 0 1 2 0 1 1/5 0 - 7 - 1 0 0 1 4/5 - 1/5 0 -6 0 1 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 0 1 1/5 0 0 1 0 0 1 4/5 1/5 0 - 1 - 7/2 5/2 1 2 0 0 1 0 0 0 1 0 0 1 1 1/2 - 1/2 - 1 - 7/2 5/2 1 0 0 I = 0 1 0 0 0 1 1 -1 -1 A-1 = 1 1/2 - 1/2 - 1 - 7/2 5/2 Ergebnis: Probe: A A-1 = I = A-1 A. 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 0 1 1/5 0 0 1 0 0 1 4/5 1/5 0 - 1 - 7/2 5/2 1 2 0 0 1 0 0 0 1 0 0 1 1 1/2 - 1/2 - 1 - 7/2 5/2 1 0 0 I = 0 1 0 0 0 1 1 -1 -1 A-1 = 1 1/2 - 1/2 - 1 - 7/2 5/2 Ergebnis: Probe: A A-1 = I = A-1 A. 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 0 1 1/5 0 0 1 0 0 1 4/5 1/5 0 - 1 - 7/2 5/2 1 2 0 0 1 0 0 0 1 0 0 1 1 1/2 - 1/2 - 1 - 7/2 5/2 1 0 0 I = 0 1 0 0 0 1 1 -1 -1 A-1 = 1 1/2 - 1/2 - 1 - 7/2 5/2 Ergebnis: Probe: A A-1 = I = A-1 A. 1 2 0 0 1 1/5 0 0 2/5 0 0 1 4/5 - 1/5 0 - 2/5 - 7/5 1 1 2 0 0 1 1/5 0 0 1 0 0 1 4/5 - 1/5 0 - 1 - 7/2 5/2 1 2 0 0 1 0 0 0 1 0 0 1 1 1/2 - 1/2 - 1 - 7/2 5/2 1 0 0 I = 0 1 0 0 0 1 1 -1 -1 A-1 = 1 1/2 - 1/2 - 1 - 7/2 5/2 Ergebnis: Probe: A A-1 = I = A-1 A 1 2 0 4 3 1 6 5 - 1 11.5 Das Matrixinversionsverfahren Jedes System von m linearen Gleichungen mit n Unbekannten lässt sich als Matrix-Gleichung schreiben A X = B (11.6) wobei A eine mn-Matrix (11.1), X die n1-Matrix (der Vektor) der Unbekannten und B die m1-Matrix (der Vektor) der Konstanten ist. Solch eine einfache Gleichung löst man durch A-1 A X = X = A-1 B (11.7) Deshalb lässt sich die Lösungsprozedur für lineare Gleichungssysteme vereinfachen, wenn es gelingt, die inverse Matrix A-1 zu A zu finden. Dies ist nicht in jedem Falle möglich. Doch existiert eine eindeutige Lösung für alle linearen Gleichungssysteme mit r = m = n, d. h. für alle eindeutig lösbaren linearen Gleichungssysteme. Wir wollen uns daher im Folgenden auf die entsprechenden Matrizen A beschränken. Die dazu notwendige Rechentechnik wurde bereits in Abschnitt 11.4 dargelegt. Dieses Verfahren bietet den Vorteil, dass das Gleichungssystem bei einem Wechsel des Konstantenvektors B weiterhin mit derselben inversen Matrix 11.5 Das Matrixinversionsverfahren Jedes System von m linearen Gleichungen mit n Unbekannten lässt sich als Matrix-Gleichung schreiben A X = B (11.6) wobei A eine mn-Matrix (11.1), X die n1-Matrix (der Vektor) der Unbekannten und B die m1-Matrix (der Vektor) der Konstanten ist. Solch eine einfache Gleichung löst man durch A-1 A X = X = A-1 B (11.7) Deshalb lässt sich die Lösungsprozedur für lineare Gleichungssysteme vereinfachen, wenn es gelingt, die inverse Matrix A-1 zu A zu finden. Dies ist nicht in jedem Falle möglich. Doch existiert eine eindeutige Lösung für alle linearen Gleichungssysteme mit r = m = n, d. h. für alle eindeutig lösbaren linearen Gleichungssysteme. Wir wollen uns daher im Folgenden auf die entsprechenden Matrizen A beschränken. Die dazu notwendige Rechentechnik wurde bereits in Abschnitt 11.4 dargelegt. Dieses Verfahren bietet den Vorteil, dass das Gleichungssystem bei einem Wechsel des Konstantenvektors B weiterhin mit derselben inversen Matrix 11.5 Das Matrixinversionsverfahren Jedes System von m linearen Gleichungen mit n Unbekannten lässt sich als Matrix-Gleichung schreiben A X = B (11.6) wobei A eine mn-Matrix (11.1), X die n1-Matrix (der Vektor) der Unbekannten und B die m1-Matrix (der Vektor) der Konstanten ist. Solch eine einfache Gleichung löst man durch A-1 A X = X = A-1 B (11.7) Deshalb lässt sich die Lösungsprozedur für lineare Gleichungssysteme vereinfachen, wenn es gelingt, die inverse Matrix A-1 zu A zu finden. Dies ist nicht in jedem Falle möglich. Doch existiert eine eindeutige Lösung für alle linearen Gleichungssysteme mit r = m = n, d. h. für alle eindeutig lösbaren linearen Gleichungssysteme. Wir wollen uns daher im Folgenden auf die entsprechenden Matrizen A beschränken. Die dazu notwendige Rechentechnik wurde bereits in Abschnitt 11.4 dargelegt. Dieses Verfahren bietet den Vorteil, dass das Gleichungssystem bei einem Wechsel des Konstantenvektors B weiterhin mit derselben inversen Matrix 11.5 Das Matrixinversionsverfahren Jedes System von m linearen Gleichungen mit n Unbekannten lässt sich als Matrix-Gleichung schreiben A X = B (11.6) wobei A eine mn-Matrix (11.1), X die n1-Matrix (der Vektor) der Unbekannten und B die m1-Matrix (der Vektor) der Konstanten ist. Solch eine einfache Gleichung löst man durch A-1 A X = X = A-1 B (11.7) Deshalb lässt sich die Lösungsprozedur für lineare Gleichungssysteme vereinfachen, wenn es gelingt, die inverse Matrix A-1 zu A zu finden. Dies ist nicht in jedem Falle möglich. Doch existiert eine eindeutige Lösung für alle linearen Gleichungssysteme mit r = m = n, d. h. für alle eindeutig lösbaren linearen Gleichungssysteme. Wir wollen uns daher im Folgenden auf die entsprechenden Matrizen A beschränken. Die dazu notwendige Rechentechnik wurde bereits in Abschnitt 11.4 dargelegt. Dieses Verfahren bietet den Vorteil, dass das Gleichungssystem bei einem Wechsel des Konstantenvektors B weiterhin mit derselben inversen Matrix Beispiel: x1 + 2x2 =1 4x1 + 3x2 - x3 = 2 6x1 + 5x2 - x3 = 3 Mit der in Abschnitt 11.4 berechneten Inversen A-1 ergibt sich 1 x1 - 1 - 1 1 0 x 2 = 1 1/2 - 1/2 2 = 1/2 3 - 1/2 x - 1 - 7/2 5/2 3 d. h. die Unbekannten sind x1 = 0, x2 = 1/2 und x3 = -1/2. 1 Bei einem Wechsel von B = 2 zu B' = 3 1 0 kann die neue Lösung 0 mit Hilfe der davon unabhängigen und deshalb unveränderten Inversen A-1 - 1 schnell gefunden werden: A-1 B' = 1 . Das in Abschnitt 10 vorgestellte Verfahren - 1 hätte dagegen nochmals gänzlich durchlaufen werden müssen. Beispiel: 1 4 6 x1 + 2x2 =1 4x1 + 3x2 - x3 = 2 6x1 + 5x2 - x3 = 3 2 3 5 0 x1 1 - 1 x 2 = 2 3 x - 1 3 Mit der in Abschnitt 11.4 berechneten Inversen A-1 ergibt sich 1 x1 - 1 - 1 1 0 x 2 = 1 1/2 - 1/2 2 = 1/2 3 - 1/2 x - 1 - 7/2 5/2 3 d. h. die Unbekannten sind x1 = 0, x2 = 1/2 und x3 = -1/2. 1 Bei einem Wechsel von B = 2 zu B' = 3 1 0 kann die neue Lösung 0 mit Hilfe der davon unabhängigen und deshalb unveränderten Inversen A-1 - 1 schnell gefunden werden: A-1 B' = 1 . Das in Abschnitt 10 vorgestellte Verfahren - 1 hätte dagegen nochmals gänzlich durchlaufen werden müssen. Beispiel: 1 4 6 x1 + 2x2 =1 4x1 + 3x2 - x3 = 2 6x1 + 5x2 - x3 = 3 2 3 5 0 x1 1 - 1 x 2 = 2 3 x - 1 3 Mit der in Abschnitt 11.4 berechneten Inversen A-1 ergibt sich 1 x1 - 1 - 1 1 0 x 2 = 1 1/2 - 1/2 2 = 1/2 3 - 1/2 x - 1 - 7/2 5/2 3 d. h. die Unbekannten sind x1 = 0, x2 = 1/2 und x3 = -1/2. 1 Bei einem Wechsel von B = 2 zu B' = 3 1 0 kann die neue Lösung 0 mit Hilfe der davon unabhängigen und deshalb unveränderten Inversen A-1 - 1 schnell gefunden werden: A-1 B' = 1 . Das in Abschnitt 10 vorgestellte Verfahren - 1 hätte dagegen nochmals gänzlich durchlaufen werden müssen. Beispiel: 1 4 6 x1 + 2x2 =1 4x1 + 3x2 - x3 = 2 6x1 + 5x2 - x3 = 3 2 3 5 0 x1 1 - 1 x 2 = 2 3 x - 1 3 Mit der in Abschnitt 11.4 berechneten Inversen A-1 ergibt sich 1 x1 - 1 - 1 1 0 x 2 = 1 1/2 - 1/2 2 = 1/2 3 - 1/2 x - 1 - 7/2 5/2 3 d. h. die Unbekannten sind x1 = 0, x2 = 1/2 und x3 = -1/2. 1 Bei einem Wechsel von B = 2 zu B' = 3 1 0 kann die neue Lösung 0 mit Hilfe der davon unabhängigen und deshalb unveränderten Inversen A-1 - 1 schnell gefunden werden: A-1 B' = 1 . Das in Abschnitt 10 vorgestellte Verfahren - 1 hätte dagegen nochmals gänzlich durchlaufen werden müssen. Beispiel: 1 4 6 x1 + 2x2 =1 4x1 + 3x2 - x3 = 2 6x1 + 5x2 - x3 = 3 2 3 5 0 x1 1 - 1 x 2 = 2 3 x - 1 3 Mit der in Abschnitt 11.4 berechneten Inversen A-1 ergibt sich 1 x1 - 1 - 1 1 0 x 2 = 1 1/2 - 1/2 2 = 1/2 3 - 1/2 x - 1 - 7/2 5/2 3 d. h. die Unbekannten sind x1 = 0, x2 = 1/2 und x3 = -1/2. 1 Bei einem Wechsel von B = 2 zu B' = 3 1 0 kann die neue Lösung 0 mit Hilfe der davon unabhängigen und deshalb unveränderten Inversen A-1 - 1 schnell gefunden werden: A-1 B' = 1 . Das in Abschnitt 10 vorgestellte Verfahren - 1 hätte dagegen nochmals gänzlich durchlaufen werden müssen. Beispiel: 1 4 6 x1 + 2x2 =1 4x1 + 3x2 - x3 = 2 6x1 + 5x2 - x3 = 3 2 3 5 0 x1 1 - 1 x 2 = 2 3 x - 1 3 Mit der in Abschnitt 11.4 berechneten Inversen A-1 ergibt sich 1 x1 - 1 - 1 1 0 1 1/2 1/2 x 2 1/2 = = 2 3 - 1/2 x - 1 - 7/2 5/2 3 d. h. die Unbekannten sind x1 = 0, x2 = 1/2 und x3 = -1/2. 1 Bei einem Wechsel von B = 2 zu B' = 3 1 0 kann die neue Lösung 0 mit Hilfe der davon unabhängigen und deshalb unveränderten Inversen A-1 - 1 schnell gefunden werden: A-1 B' = 1 . - 1 11.5 Invertieren Sie die Matrix 11.6 Versuchen Sie, die Matrix 3 2 3 6 1 . 4 1 zu invertieren. 2 Schreiben Sie das Gleichungssystem 2x + 4y = 1 x + 3y = 1 als Matrixgleichung 2 4 x 1 1 3 y 1 x 2 2 3 1 A y 4 2 0 0 -1 A = z 6 0 4 1 x x 2 22 A 1 A y y A 1 4 4 z z 6 22