Elemente der Analysis II Kapitel 7: Lineare ... - Universität Trier
Elemente der Analysis II Kapitel 7: Lineare ... - Universität Trier
Elemente der Analysis II Kapitel 7: Lineare ... - Universität Trier
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Elemente</strong> <strong>der</strong> <strong>Analysis</strong> <strong>II</strong><br />
<strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und<br />
Gleichungssysteme<br />
Leonhard Frerick<br />
<strong>Universität</strong> <strong>Trier</strong> / FB IV<br />
18. Mai 2010<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 1 / 33
Beispiel 7.1.1<br />
<strong>Lineare</strong> Abbildungen und Matrizen Beispiele<br />
Sei p = (p1, . . . , pn) <strong>der</strong> Vektor <strong>der</strong> Preise von Gütern mit Nummern 1, . . . , n.<br />
Jedes x = (x1, . . . , xn) beschreibt einen Güterbündel mit xk Einheiten (Stück,<br />
Liter, Gewicht, . . .) des Gutes Nummer k. Dieses Güterbündel hat dann den<br />
Wert<br />
f (x) = p1x1 + p2x2 + . . . + pnxn = 〈p, x〉.<br />
Wie schon in 6.2.12 bemerkt, ist dann<br />
f (ax) =< p, ax >= a < p, x >= af (x)<br />
(<strong>der</strong> a-fache Güterbündel ist das a-fache wert) und<br />
f (x + y) =< p, x + y >=< p, x > + < p, y >= f (x) + f (y)<br />
(<strong>der</strong> Wert von zwei Güterbündel ist die Summe <strong>der</strong> Werte). (Beachte, dass<br />
auch dieses Modell eine Vereinfachung ist. Tatsächlich würde man wohl<br />
Rabatte aushandeln, wenn man viel einkauft.)<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 2 / 33
Beispiel 7.1.2<br />
<strong>Lineare</strong> Abbildungen und Matrizen Beispiele<br />
Sie haben zwei Kraftwerke zur Verfügung, das erste wird mit Erdgas<br />
betrieben und liefert aus einer Einheit Gas zwei Einheiten Strom und eine<br />
Einheit Wärme,das zweite liefert aus einer Einheit Kohle jeweils eine Einheit<br />
Strom und Wärme. Der Gesamtausstoß bei Einsatz von x1 Einheiten Erdgas<br />
und x2 Einheiten Kohle ist also <strong>der</strong> Vektor f (x1, x2) = (2x1 + x2, x1 + x2) wobei<br />
die erste Koordinate den produzierten Strom und die zweite Koordinate die<br />
produzierte Wärme angibt. Auch diese Abbildung<br />
erfüllt:<br />
f : R 2 → R 2 , f (x) = (2x1 + x2, x1 + x2),<br />
f (ax) = af (x) und f (x + y) = f (x) + f (y), a ∈ R, x, y ∈ R 2 .<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 3 / 33
Definition 7.1.3<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Abbildungen<br />
Eine Abbildung f : R n → R m heißt linear, wenn für alle x, y ∈ R n und a ∈ R<br />
gelten:<br />
f (ax) = af (x) und f (x + y) = f (x) + f (y).<br />
Beispiele 7.1.4<br />
i) Es sei p ∈ R n und f : R n → R, f (x) =< p, x >= p1x1 + . . . + pnxn. Dann<br />
ist nach Satz 6.2.12 f linear.<br />
ii) Für 1 ≤ j ≤ m sei prj : R m → R, prj(x) = xj =< e (j) , x >, die Projektion<br />
auf die j.te Koordinate. Jedes prj ist dann nach i) linear.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 4 / 33
Satz 7.1.5<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Abbildungen<br />
i) f : R n → R m ist genau dann linear, wenn für alle x, y ∈ R n und a, b ∈ R<br />
gilt f (ax + by) = af (x) + bf (y).<br />
ii) Ist f : R n → R m linear, so gilt für alle x (1) , . . . , x (p) ∈ R n und<br />
a1, . . . ap ∈ R, dass f<br />
� p�<br />
ajx<br />
j=1<br />
(j)<br />
�<br />
=<br />
p�<br />
ajf (x (j) ).<br />
iii) Summen, Vielfache, Zusammensetzungen und Kompositionen linearer<br />
Abbildungen sind linear.<br />
iv) f = (f1, . . . , fm) : R n → R m ist genau dann linear, wenn alle<br />
Komponentenfunktionen fk : R n → R linear sind.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 5 / 33<br />
j=1
Beweis.<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Abbildungen<br />
i) ′′ =⇒ ′′ folgt aus f (ax + by) = f (ax) + f (by) = af (x) + bf (y). ′′ ⇐= ′′ folgt<br />
mit b = 0 bzw. a = b = 1.<br />
ii) folgt induktiv aus (a)<br />
iii) Die Linearität von f + g, (f , g) und af rechnet man direkt nach. (Siehe<br />
Folie) Für f : R n → R m und g : R m → R p beide linear ist<br />
g(f (ax + by)) = g(af (x) + bf (y)) = ag(f (x)) + bg(f (y)).<br />
iv) Ist f = (f1, . . . , fm). Ist f linear, so folgt aus <strong>der</strong> Linearität <strong>der</strong> Projektionen<br />
zusammen mit iii), dass auch fk = prk ◦ f linear ist, 1 ≤ k ≤ m.<br />
Sind alle fk, 1 ≤ k ≤ m linear so ist f als Zusammensetzung <strong>der</strong> fk<br />
wie<strong>der</strong> nach iii) linear.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 6 / 33
Satz 7.1.6<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Abbildungen<br />
Jede lineare Abbildung f : R n → R ist von <strong>der</strong> Form f (x) = 〈a, x〉 mit<br />
a = (f (e (1) ), . . . , f (e (n) )) ∈ R n und den Einheitsvektoren e (1) , . . . , e (n) .<br />
Beweis.<br />
Wir schreiben x = n�<br />
xke (k) = n�<br />
k=1<br />
Mit 6.1.5 ii) (für ak = xk) folgt also<br />
f (x) =<br />
n�<br />
xkf (e (k) ) =<br />
k=1<br />
< x, e<br />
k=1<br />
(k) > e (k) für jedes x = (x1, . . . , xn).<br />
n�<br />
xkak = 〈x, a〉 = 〈a, x〉.<br />
k=1<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 7 / 33
Bemerkung<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Abbildungen<br />
i) Eine lineare Abbildung R n → R ist also durch die n Werte<br />
f (e (1) ), . . . , f (e (n) ) <strong>der</strong> Standardbasis eindeutig bestimmt und damit sehr<br />
leicht auszurechnen. (Ist z (1) , . . . , z (n) irgendeine Basis des R n , so ist f<br />
auch durch f (z (1) ), . . . , f (z (n) ) eindeutig bestimmt, aber nur dann leicht<br />
auszurechnen, wenn man die Koeffizienten in x = n�<br />
akz (k) effektiv<br />
bestimmen kann).<br />
ii) Interpretation von pk = f (e (k) ) : Dies ist <strong>der</strong> Faktor (Preis) mit dem die<br />
k-te Komponente xk von x = (x1, . . . , xn) zum Funktionswert f (x)<br />
beiträgt.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 8 / 33<br />
k=1
Beispiel 7.1.7<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Abbildungen<br />
Ein Unternehmen produziere aus 3 Rohstoffen zwei Produkte.<br />
Input: x1 Menge <strong>der</strong> ersten, x2 Menge des zweiten, x3 Menge des dritten<br />
Rohstoffs. Output: f1(x1, x2, x3) produzierte Menge des ersten Produkts bei<br />
Einsatz x1, x2, x3. f2(x1, x2, x3) produzierte Menge des zweiten Produkts bei<br />
Einsatz x1, x2, x3.<br />
Modell: f = (f1, f2) : R 3 → R 2 .<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 9 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Matrizen<br />
Wir betrachten jetzt lineare Abbildungen f = (f1, . . . , fm) : R n → R m : Nach<br />
dem obigen Satz wissen wir, dass dann für jedes j ein eindeutig bestimmtes<br />
aj = (aj1, . . . , ajn) ∈ R n existiert mit<br />
Damit ist also<br />
fj(x) =< aj, x >= aj1x1 + . . . + ajnxn.<br />
f (x) = (< a1, x >, . . . , < am, x >) = (<br />
n�<br />
k=1<br />
a1kxk,<br />
n�<br />
a2kxk, . . . ,<br />
k=1<br />
n�<br />
amkxk).<br />
Dies wird sehr unübersichtlich, ⎛ ⎞ also geht man zur Spaltenschreibweise über:<br />
f1<br />
⎜<br />
Damit wird für f = ⎝ .<br />
⎟<br />
. ⎠ : R<br />
fm<br />
n → Rm ⎛ ⎞ ⎛ ⎞<br />
f1(x)<br />
x1<br />
⎜<br />
, f (x) =<br />
.<br />
⎝ .<br />
⎟ ⎜<br />
. ⎠, x =<br />
. ⎟<br />
⎝ . ⎠ .<br />
Also etwas übersichtlicher:<br />
fm(x)<br />
xn<br />
⎛<br />
⎜<br />
f (x) = ⎝<br />
f1(x)<br />
.<br />
⎞ ⎛<br />
⎟ ⎜<br />
⎠ = ⎝<br />
a11x1 + a12x2 + . . . + a1nxn<br />
.<br />
⎞<br />
⎟<br />
⎠ .<br />
fm(x) am1x1 + am2x2 + . . . + amnxn<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 10 / 33<br />
k=1
<strong>Lineare</strong> Abbildungen und Matrizen Matrizen<br />
Es bietet sich an, die n · m reellen Zahlen ajk in eine Tabelle zu schreiben:<br />
⎛<br />
a11 a12 . . . a1n<br />
⎜ a21 a22 ⎜<br />
. . . a2n<br />
A = ⎜<br />
⎝ .<br />
am1 am2 . . . amn<br />
⎞<br />
⎟<br />
⎠ .<br />
Eine solche Tabelle heißt m × n Matrix.<br />
Fassen wir noch einmal zusammen: Jede lineare Abbildung f : Rn → Rm ist<br />
eindeutig durch eine m × n Matrix A bestimmt.Es gilt dann<br />
f (x) =<br />
⎛<br />
⎜<br />
⎝<br />
f1(x)<br />
.<br />
fm(x)<br />
⎞<br />
⎟<br />
⎠ =<br />
⎛<br />
⎜<br />
⎝<br />
a11x1 + a12x2 + . . . + a1nxn<br />
.<br />
am1x1 + am2x2 + . . . + amnxn<br />
⎞<br />
⎟<br />
⎠ .<br />
Die Matrix A heißt dann die darstellende Matrix für f . Natürlich definiert jede<br />
m × n Matrix definiert mit obiger Formel eine lineare Abbildung f : R n → R m ,<br />
wir können also die linearen Abbildungen von R n nach R m mit den m × n<br />
Matrizen identifizieren.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 11 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Matrizen<br />
Wir benötigen noch einige Schreibweisen:<br />
Definition 7.1.8<br />
Es sei<br />
⎛<br />
a11 a12 . . . a1n<br />
⎜ a21 a22 ⎜<br />
. . . a2n<br />
A = ⎜<br />
⎝ .<br />
am1 am2 . . . amn<br />
eine m × n Matrix. Dann schreibt man auch kurz A = (ajk)1≤j≤m<br />
1≤k≤n<br />
Zahl ajk steht also in <strong>der</strong> j−ten Zeile und k-ten Spalte von A.<br />
Weiter heißt für 1 ≤ j ≤ m und 1 ≤ k ≤ n<br />
⎞<br />
⎟<br />
⎠<br />
aj := (aj1, . . . , ajn) die j − te Zeile von A und<br />
a (k)<br />
⎛ ⎞<br />
a1k<br />
⎜<br />
:= ⎝ .<br />
⎟<br />
. ⎠ die k − te Spalte von A.<br />
amk<br />
= (ajk). Die<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 12 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Multiplikation von Matrix und Vektor<br />
Mit obigen Bezeichnungen schreiben wir<br />
⎛<br />
⎜<br />
A = ⎝<br />
a1<br />
.<br />
⎞<br />
⎟<br />
⎠ = (a (1) , . . . , a (n) ).<br />
am<br />
Wir definieren nun die Multiplikation einer m × n Matrix mit einem Vektor<br />
x ∈ R n :<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 13 / 33
Definition 7.1.9<br />
<strong>Lineare</strong> Abbildungen und Matrizen Multiplikation von Matrix und Vektor<br />
Für eine m × n Matrix<br />
⎛<br />
⎜<br />
A = ⎜<br />
⎝<br />
a11<br />
a21<br />
.<br />
a12<br />
a22<br />
. . .<br />
. . .<br />
a1n<br />
a2n<br />
am1 am2 . . . amn<br />
⎞<br />
⎛<br />
⎟<br />
⎜<br />
⎟ und einen Vektor ⎝<br />
⎠<br />
x1<br />
.<br />
xn<br />
⎞<br />
⎟<br />
⎠ ∈ R n<br />
sei das Produkt <strong>der</strong> folgende Vektor aus dem Rm :<br />
⎛<br />
⎜<br />
Ax = ⎜<br />
⎝<br />
a11<br />
a21<br />
.<br />
am1<br />
a12<br />
a22<br />
am2<br />
. . .<br />
. . .<br />
. . .<br />
a1n<br />
a2n<br />
amn<br />
⎞<br />
⎛<br />
⎟ ⎜<br />
⎟ ⎝<br />
⎠<br />
x1<br />
.<br />
xn<br />
⎞ ⎛<br />
⎟ ⎜<br />
⎠ = ⎝<br />
a11x1 + . . . + a1nxn<br />
.<br />
am1x1 + . . . + amnxn<br />
⎞<br />
⎟<br />
⎠ ,<br />
kürzer: Ax = � n<br />
k=1 xka (k) , wobei a (k) die k-te Spalte von A ist.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 14 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Multiplikation von Matrix und Vektor<br />
Mit obiger Definition erhält man also<br />
Bemerkung<br />
Ist f : R n → R m linear und ist A die darstellende Matrix von f , so gilt<br />
Beispiel 7.1.10<br />
f (x) = Ax, x ∈ R n .<br />
Es sei p ∈ Rn . Schreiben wir p = (p1, . . . , pn) als 1 × n Matrix, so gilt<br />
⎛<br />
n�<br />
⎜<br />
< p, x >= xkpk = (p1, . . . , pn) ⎝<br />
x1<br />
.<br />
⎞<br />
⎟<br />
⎠ = px.<br />
k=1<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 15 / 33<br />
xn
<strong>Lineare</strong> Abbildungen und Matrizen Multiplikation von Matrix und Vektor<br />
Wir definieren genauso wie bei Vektoren Summe und Vielfaches von<br />
Matrizen komponentenweise:<br />
Definition 7.1.11<br />
Es seien A, B jeweils m × n Matrizen. Dann sei A + B diejenige m × n Matrix<br />
mit dem Eintrag ajk + bjk in <strong>der</strong> j−ten Zeile und k−ten Spalte.Also<br />
⎛<br />
a11 + b11 a12 + b12 . . . a1n + b1n<br />
⎜ a21 ⎜ + b21 a22 + b22 . . . a2n + b2n<br />
A + B = ⎜<br />
⎝ .<br />
am1 + bm1 am2 + bm2 . . . amn + bmn<br />
Ist α ∈ R und A eine m × n Matrix so sei αA die m × n Matrix mit dem Eintrag<br />
αajk in <strong>der</strong> j−ten Zeile und k−ten Spalte.Also<br />
⎛<br />
αa11 αa12 . . . αa1n<br />
⎜ αa21 αa22 ⎜<br />
. . . αa2n<br />
αA = ⎜<br />
⎝ .<br />
αam1 αam2 . . . αamn<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 16 / 33<br />
⎞<br />
⎟<br />
⎠ .<br />
⎞<br />
⎟<br />
⎠
<strong>Lineare</strong> Abbildungen und Matrizen Multiplikation von Matrix und Vektor<br />
Wir können noch eine Multiplikation von Matrizen definieren:<br />
Definition 7.1.12<br />
Es sei A eine m × n Matrix und B eine n × p Matrix.Dann ist die m × p Matrix<br />
AB definiert durch �n k=1 ajkbkl als Eintrag in <strong>der</strong> j−ten Zeile und l−ten<br />
Spalte. Also<br />
⎛<br />
⎜<br />
AB = ⎜<br />
⎝<br />
�n k=1 a1kbk1<br />
�n k=1 a1kbk2 . . . �n k=1 a1kbkp<br />
�n k=1 a2kbk1<br />
�n k=1 a2kbk2 . . . �n k=1 a2kbkp<br />
.<br />
.<br />
�n k=1 amkbk1<br />
�n k=1 amkbk2 . . . �n k=1 amkbkp<br />
⎞<br />
⎟<br />
⎠ .<br />
Ist also AB = C so ist cjl = a (j) bl =< a (j) , bl >, wobei a (j) die j−te Zeile von A<br />
und bl die l−te Spalte von B ist.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 17 / 33
Satz 7.1.13<br />
<strong>Lineare</strong> Abbildungen und Matrizen Multiplikation von Matrix und Vektor<br />
i) Es sei f : R n → R m eine lineare Abbildung mit darstellen<strong>der</strong> Matrix A<br />
(d.h. f (x) = Ax) und g : R n → R m eine lineare Abbildung mit<br />
darstellen<strong>der</strong> Matrix B(d.h. g(x) = Bx). Dann hat f + g die darstellende<br />
Matrix A + B (d.h. (f + g)(x) = (A + B)x).<br />
ii) Ist α ∈ R und ist A die darstellende Matrix <strong>der</strong> linearen Abbildung<br />
f : R n → R m , so ist αA die darstellende Matrix <strong>der</strong> Abbildung αf (d.h.<br />
(αf )(x) = (αA)x)<br />
iii) Es sei f : R n → R m eine lineare Abbildung mit darstellen<strong>der</strong> Matrix A<br />
(d.h. f (y) = Ay) und g : R p → R n eine lineare Abbildung mit<br />
darstellen<strong>der</strong> Matrix B (d.h. g(x) = Bx), dann hat f ◦ g : R p → R m die<br />
darstellende Matrix AB (d.h. (f ◦ g)(x) = (AB)x).<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 18 / 33
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Gleichungssysteme<br />
In <strong>der</strong> Situation von Beispiel 7.1.7 seien die Komponenten von f : R 3 → R 2<br />
konkret durch<br />
f1(x1, x2, x3) = 2x1 + 4x2 + x3<br />
gegeben. Dann hat man also mit A =<br />
f2(x1, x2, x3) = 6x1 + x2 + 2x3<br />
� 2 4 1<br />
6 1 2<br />
�<br />
, dass f (x) = Ax. Das<br />
Unternehmen erhalte eine Anfrage, ob es genau y1 Stück von Gut 1 und y2<br />
Stück von⎡Gut 2⎤liefern könne. Die Geschäftsführung fragt sich dann: Gibt es<br />
x1<br />
� �<br />
y1<br />
Input x = ⎣ ⎦, so dass f (x) = Ax = y = , also<br />
x2<br />
x3<br />
y2<br />
(1) 2x1 + 4x2 + x3 = y1<br />
(2) 6x1 + x2 + 2x3 = y2<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 19 / 33<br />
?
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Gleichungssysteme<br />
Subtraktion des dreifachen <strong>der</strong> ersten Gleichung von <strong>der</strong> zweiten liefert, dass<br />
das Gleichungssystem äquivalent ist zu<br />
(1) 2x1 + 4x2 + x3 = y1<br />
(3) −11x2 − x3 = y2 − 3y1.<br />
Dieses neue System kann man nun explizit auflösen:<br />
Wähle irgendein x3 = t ∈ R<br />
Definiere<br />
x2 = 1<br />
−11 (y2 − 3y1 + t)<br />
x1 = 1<br />
2 (y1 − x3 − 4t)<br />
Es gibt also sehr viele Lösungen, und man kann die Anfrage positiv<br />
beantworten (und sich dann überlegen, welches x3 zu einer Lösung mit<br />
weiteren günstigen Eigenschaften führt).<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 20 / 33
Bemerkung<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Gleichungssysteme<br />
In realistischen Beispielen hat man viel mehr Variablen x1, . . . , xn und<br />
viel mehr Gleichungen.<br />
Die Menge <strong>der</strong> Lösungen {x ∈ R n : f (x) = y} ist also eine Niveaumenge<br />
zu Niveau y.<br />
Weil man 3 Unbekannte und 2 Gleichungen hat, ist es nicht<br />
überraschend, dass es viele Lösungen gibt.<br />
� �<br />
2 4 1<br />
Vorsicht: Ist Q =<br />
, so hat<br />
4 8 2<br />
2x1 + 4x2 + x3 = 1<br />
4x1 + 8x2 + 2x3 = 1 keine<br />
Lösung. (Die zweite Zeile von Q ist ein Vielfaches <strong>der</strong> ersten Zeile).<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 21 / 33
Definition 7.1.14<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Gleichungssysteme<br />
i) Für eine m × n-Matrix A = (ajk) und y ∈ R m heißt die Gleichung<br />
Ax = y<br />
ein LGS mit m Gleichungen und n Unbekannten. Jedes x ∈ R n , das<br />
diese Gleichung erfüllt heißt eine Lösung des LGS.<br />
L(A, y) = {x ∈ R n : Ax = y} heißt Lösungsmenge.<br />
ii) Ax = y ist eine kurze und elegante Schreibweise für<br />
a11x1 + a12x2 + . . . + a1nxn = y1<br />
.<br />
am1x1 + am2x2 + . . . + amnxn = ym<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 22 / 33<br />
.
Bemerkung<br />
<strong>Lineare</strong> Abbildungen und Matrizen <strong>Lineare</strong> Gleichungssysteme<br />
i) Hat A die Spalten a (1) , . . . , a (n) , so ist A · x = x1a (1) + . . . + xna (n) . Es gibt<br />
also genau dann eine Lösung von A · x = y, wenn y eine<br />
Linearkombination <strong>der</strong> Spalten von A ist.<br />
ii) Für y = 0 ∈ R m (also y <strong>der</strong> Nullvektor) gibt es immer mindestens eine<br />
Lösung, nämlich x =0∈ R n . Oft gibt es aber auch x �= 0 mit A · x = 0.<br />
iii) LGS treten sehr oft mit riesigen Dimensionen n und m auf<br />
(Computertomographie: n ≈ m ≈ 10 6 )<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 23 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Gauß-Algorithmus<br />
Der Gaußsche Algorithmus (Eliminationsverfahren) ist eine einfache<br />
Methode, wie man das Problem „Finde alle Lösungen des LGSm×n A · x = y“<br />
auf ein „kleineres“ LGS (m−1)×(n−1) zurückführt. Das neue Problem wird mit<br />
<strong>der</strong> selben Methode auf ein noch kleineres LGS (m−2)×(n−2) zurückgeführt, bis<br />
man schließlich entwe<strong>der</strong> ein LGS1,q o<strong>der</strong> ein LGSp,1 erhält (das man leicht<br />
lösen kann).<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 24 / 33
Bemerkung<br />
<strong>Lineare</strong> Abbildungen und Matrizen Gauß-Algorithmus<br />
Gesucht sind alle Lösungen x ∈ R n das LGSm×n A · x = y für gegebene<br />
m × n Matrix A und y ∈ R m (wenn es denn eine gibt), also<br />
a1,1x1 + a1,2x2 + . . . + a1,nxn<br />
.<br />
= y1<br />
.<br />
am,1x1 + am,2x2 + . . . + am,nxn = ym.<br />
Lösungsstrategie: Elimination <strong>der</strong> Unbekannten x1 aus den letzten (m − 1)<br />
Gleichungen durch Addition geeigneter Vielfacher <strong>der</strong> ersten Gleichung zu<br />
den übrigen. Wir erhalten ein neues Gleichungssystem, in dem sich x1 leicht<br />
in Abhängigkeit von y1 und den x2, . . . , xn ausrechnen läßt. Das geht, falls <strong>der</strong><br />
Koeffizient a1,1 ungleich 0 ist. Sonst Vertausche die Reihenfolge <strong>der</strong><br />
Gleichungen.<br />
Nun wendet man dasselbe Verfahren auf das neue Gleichungssystem an,<br />
wobei man erste Zeile und erste Spalte nicht beachtet.<br />
Man erhält danach, daß sich x2 leicht in Abhängigkeit von y1, y2 und den<br />
x3, . . . , xn ausrechnen läßt. Und so weiter....<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 25 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Gauß-Algorithmus<br />
Die Beispiele und Techniken zum Gauß-Algorithmus sind vollständig auf den<br />
Folien!<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 26 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Inverse Matrizen<br />
Wir interessieren uns nun für bijektive lineare Abbildungen. Man kann zeigen:<br />
Ist f : R n → R m bijektiv, so ist schon n = m. Wir setzen also ab jetzt n = m<br />
voraus. Es gilt dann<br />
Satz 7.1.15<br />
Für eine lineare Abbildung f : R n → R n sind äquivalent:<br />
i) f ist bijektiv,d.h. für alle y ∈ R n gibt es genau ein x ∈ R n mit f (x) = y.<br />
ii) f ist surjektiv, d.h. für jedes y ∈ R n gibt es mindestens ein x ∈ R n mit<br />
f (x) = y.<br />
iii) f ist injektiv, d.h. für jedes y ∈ R n gibt es höchstens ein x ∈ R n mit<br />
f (x) = y.<br />
iv) Es gibt nur ein x ∈ R n mit f (x) = 0 (nämlich x = 0.)<br />
v) Es gibt eine lineare Abbildung g : R n → R n mit f (g(x)) = x, x ∈ R n .<br />
(in diesem Fall ist dann f −1 = g.)<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 27 / 33
Bemerkung 7.1.16<br />
<strong>Lineare</strong> Abbildungen und Matrizen Inverse Matrizen<br />
Ist A die n × n Matrix, welche die lineare Abbildung f : R n → R n darstellt (also<br />
f (x) = Ax gilt), so ist i) äquivalent zu: Das Gleichungssystem Ax = y hat<br />
genau eine Lösung für jedes y,<br />
so ist ii) äquivalent zu: Das Gleichungssystem Ax = y hat mindestens eine<br />
Lösung für jedes y,<br />
so ist iii) äquivalent zu: Das Gleichungssystem Ax = y hat höchstens eine<br />
Lösung für jedes y,<br />
so ist iv) äquivalent zu: Das Gleichungssystem Ax = 0 hat genau eine<br />
Lösung (nämlich x = 0 ).<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 28 / 33
Definition 7.1.17<br />
<strong>Lineare</strong> Abbildungen und Matrizen Inverse Matrizen<br />
Ist eine <strong>der</strong> obigen Bedingungen ( und damit dann alle ) für die n × n Matrix A<br />
erfüllt, so nennen wir A invertierbar.<br />
Definition 7.1.18<br />
⎡<br />
1<br />
⎢ 0<br />
Für n ∈ N heißt En = ⎢ .<br />
⎣ .<br />
0<br />
1<br />
. . .<br />
0<br />
1<br />
⎤<br />
0<br />
0 ⎥<br />
.<br />
⎥ ∈ Rn×n<br />
. ⎦<br />
0 . . . 1<br />
die n × n-dimensionale Einheitsmatrix.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 29 / 33
Bemerkung<br />
<strong>Lineare</strong> Abbildungen und Matrizen Inverse Matrizen<br />
i) Für x ∈ R n gilt dann Enx = x, also stellt En die identische Abbildung<br />
id : R n → R n , id(x) = x, dar.<br />
ii) Für jede n × n Matrix A gilt dann A · En = A und En · A = A.<br />
iii) Ist f : R n → R n bijektiv, und wird f durch A und f −1 durch A −1 dargestellt,<br />
so gilt AA −1 = A −1 A = En.<br />
Aus obigem Satz erhalten wir:<br />
Folgerung 7.1.19<br />
Sind A, B zwei n × n Matrizen mit AB = En, so sind A, B beide invertierbar<br />
und es gilt B = A −1 und A = B −1 .<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 30 / 33
<strong>Lineare</strong> Abbildungen und Matrizen Inverse Matrizen<br />
Beispiel 7.1.20<br />
� �<br />
1 2<br />
A = ist invertierbar mit A<br />
0 3<br />
−1 � �<br />
2 1 −<br />
=<br />
3 .<br />
� �<br />
0 1/3<br />
1 2<br />
M = ist nicht invertierbar.<br />
4 8<br />
� �<br />
2<br />
x = =⇒ M · x = 0. Wäre M invertierbar, folgte x = M<br />
−1<br />
−1 · M · x = 0,<br />
was nicht <strong>der</strong> Fall ist.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 31 / 33
Satz 7.1.21<br />
Sei A eine n × n Matrix.<br />
<strong>Lineare</strong> Abbildungen und Matrizen Inverse Matrizen<br />
i) Ist A invertierbar (d.h. die durch A dargestellte Abbildung bijektiv), so<br />
besitzt das LGS A · x = y für jedes y ∈ R n genau die eine Lösung<br />
x = A −1 · y.<br />
ii) Sind alle n LGS A · x = e (k) (k-ter Einheitsvektor) lösbar mit Lösung<br />
x (k) ∈ R n , so ist A invertierbar und x (1) , . . . x (n) sind die Spalten von A −1 ,<br />
also<br />
A −1 = (x (1) , . . . x (n) ).<br />
.<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 32 / 33
Beweis.<br />
.<br />
<strong>Lineare</strong> Abbildungen und Matrizen Inverse Matrizen<br />
i) x = A −1 · y löst das LGS Ax = y, weil<br />
A · (A −1 · y) = (A · A −1 ) · y = En · y = y. Damit ist die Bedingung ii) in<br />
7.1.16 erfüllt, mit Bedingung iv) aus 7.1.16 ist dann A −1 · y die einzige<br />
Lösung des LGS Ax = y.<br />
ii) Nach Definition <strong>der</strong> Matrixmultiplikation ist<br />
A · (x (1) , . . . , x (n) ) = (Ax (1) , . . . , Ax (n) ) = (e (1) , . . . , e (n) ) = En.<br />
Damit ist A invertierbar und<br />
(x (1) , . . . , x (n) ) = A −1 .<br />
Leonhard Frerick (<strong>Universität</strong> <strong>Trier</strong> / FB IV ) <strong>Kapitel</strong> 7: <strong>Lineare</strong> Abbildungen und Gleichungssystem 18. Mai 2010 33 / 33