Professional Documents
Culture Documents
Roegner
19
3 Matrizen
3.1 Denition und Beispiele von Matrizen
Denition (Matrix) Eine Matrix ist eine Anordnung von Zahlen in Zeilen und Spalten. Die Gr e der Matrix heit o Format und gibt die Anzahl von Zeilen und Spalten ( , gesprochen Kreuz ).
. . . . . .
. . . . . .
. . . . . .
Eintrag in der -te Zeile und -te Spalte der Matrix Notation: Achtung!
Notation: bezeichnet die Menge aller Matrizen vom Format mit Eintr ge in . a
Bemerkung. Vektoren k nnen als Matrizen mit einer Spalte betrachtet werden. o Beispiel (Matrizen)
. Bestimmen Sie
Die erste Zahl im Index bezeichnet die Zeile, die Zweite die Spalte. Um beispielsweise zu bestimmen, lesen wir den Eintrag in der . Zeile und . Spalte von ab:
3.1.1
Grundlegende Matrixtypen
Denition (quadratische Matrix) Eine quadratische Matrix ist vom Format . Eine quadratische Matrix hat die gleiche Anzahl von Zeilen und Spalten, z.B. sind
quadratische Matrizen.
20
ist eine obere Dreiecksmatrizen, falls ist eine Diagonalmatrix, falls f r u ist eine Einheitsmatrix, falls
f r u
f r u
.
. und
Beispiele
obere Dreiecksmatrizen
..
f r u
( beleibig)
Diagonalmatrizen
..
Einheitsmatrizen
..
Bemerkungen
Die Diagonale einer Matrix l uft von oben links nach unten rechts. Die Komponenten haben die Form . a Bei einer oberen Dreiecksmatrix m ssen alle Eintr ge unterhalb der Diagonalen Null sein. Die Eintr ge auf u a a Alle Eintr ge einer Einheitsmatrix unterhalb und oberhalb der Diagonalen m ssen Null sein. Die Eintr ge a u a auf der Diagonalen m ssen Eins sein. (Die Notation kommt von einer anderen Bezeichnung der Einheitsu matrix, n mlich die Identit tsmatrix vom Format .) Man merkt, dass die -te Spalte der Einheitsmatrix a a einfach der -te Standardbasisvektor des ist.
3.1.2 Transponierte und adjungierte Matrix, weitere Matrixtypen Denition (transponierte Matrix, symmetrisch, antisymmetrisch) Sei
und oberhalb der Diagonalen sind beliebig. Bei einer Diagonalmatrix m ssen alle Eintr ge unterhalb und oberhalb der Diagonalen Null sein. Die Einu a tr ge auf der Diagonalen sind beliebig. a
. Die zu
wobei
Um
geschrieben.
Die Matrix
Die Matrix
3.2
21
1. Aufgabe
(Lerncheck)
und
. Bestimmen Sie
2. Aufgabe Bestimmen Sie, ob die folgenden Aussagen richtig oder falsch sind. Begr nden Sie Ihre Antwort. u a) Ist die Matrix symmetrisch, so ist quadratisch. b) Ist die Matrix quadratisch, so ist auch symmetrisch. c) Ist die Matrix eine Diagonalmatrix, so ist auch symmetrisch.
Training in der MUMIE: Transponierte einer Matrix Denition (Konjugierte, adjungierte Matrix) , so ist die Konjugierte zu Hat die komplexe Zahl die Form
Sei
. Die zu
wobei
Bemerkungen
Die zu Ist
adjungierte Matrix
wird durch transponieren und konjugieren (egal in welcher Reihenfolge) genau die transponierte Matrix
. (Warum?)
Beispiele (adjungieren)
gilt.
22
Denition (Vektorraumoperation f r Matrizen) u Mit der folgenden Addition und Multiplikation mit einem Skalar erf llt die Menge die Veku torraumeigenschaften: Die Summe von zwei Matrizen vom selben Format ist gegeben durch
F r u
und ist
Addition ist Komponentenweise, genau wie bei Vektoraddition. Bei Multiplikation mit einem Skalar wird jeder Eintrag mit dem Skalar multipliziert, genau wie bei Vektoren. (Vergleichen Sie die Denitionen im 2. Kapitel.)
3.3 Matrixmultiplikation
Bisher haben wir nur Matrizen mit einem Skalar multipliziert. Es ist jedoch m glich zwei Matrizen miteino ander unter bestimmte Bedingungen zu multiplizieren. Die Denition wirkt vielleicht etwas komisch am Anfang. Diese Denition ist aber sehr sinnvoll, wie wir im 6. Kapitel sehen werden, weil es mit der Komposition von sogenannten linearen Abbildungen, die wir gleich einf hren (siehe Abschnitt 3.5) werden, ubereinstimmt. u Denition (Matrixmultiplikation) Seien durch
und
ist gegeben
, wobei
mal einer Matrix vom Format ergibt eine Matrix vom Format
Zeile mit der Spalte multipliziert. (Vgl. Beispiel unten.)
3.3
Matrixmultiplikation
Beispiel (Matrixmultiplikation)
23
Bestimmen Sie f r u
die Produkte
und
Wie das Beispiel zeigt ist Multiplikation mit Matrizen im Gegensatz zu den reellen Zahlen nicht kommutativ, muss nicht unbedingt sein. d.h. Weitere Unterschiede zu den reellen Zahlen sollen Sie anhand der folgenden Aufgabe untersuchen. Beispielsweise ist das Produkt zweier reeller Zahlen Null, so muss einer der Zahlen Null sein ( ). Diese Eigenschaft ist f r Matrizen nicht vorhanden. u oder 3. Aufgabe (Lerncheck)
Bestimmen Sie f r u
gilt
Bei quadratischen Matrizen funktioniert wie die bei der reellen Zahlen: . Falls nicht quadratisch ist, kann nicht auf beiden Seiten multipliziert werden. Ganz konkret betrachten wir eine (wie in dem vorangehenden Beispiel). aber ist gar nicht deniert (warum Matrix nicht?). Nat rlich h tten wir links mit multiplizieren k nnen: u a o . Aber und sind verschiedene Matrizen. Wir k nnen also eine Eins f r nicht eindeutig denieren. o u Genau so problematisch ist es zu invertieren. In den reellen Zahlen sind alle ungleich Null invertierbar und . . Weil die Eins f r nichtquadratische Matrizen nicht eindeutig denierbar u ist, beschr nken wir uns auf quadratische Matrizen, um den Begriff Invertierbarkeit zu denieren. (Die Era weiterung des Begriffs zu Linksinverse und Rechtsinverse f r nicht-quadratische Matrizen ist m glich jedoch u o auerhalb des Rahmen dieses Kurses.)
24
), falls gilt
, dann gilt
, d.h.
ist die zu
Bemerkung: Nicht alle quadratische Matrizen haben eine inverse Matrix. Beispiel (inverse Matrix) Zeigen Sie, dass die inverse Matrix zu Wir m ssen lediglich pr fen: u u
ist.
Die folgende Matrizen sind besonders n tzlich, weil sie schnell zu invertieren sind. Wie man solche Matrizen u ndet wird erst im 8. Kapitel erkl rt. a Denition (orthogonale Matrizen)
5. Aufgabe
(Lerncheck)
orthogonal sind.
F r komplexe Matrizen, gibt es eine ahnliche Matrixtyp. u Denition (unit re Matrix) a Sei d.h.
3.4
25
. Die zu
Die Abbildung liest man so: ist die Abbildung von nach , die auf abbildet. In der linearen Algebra wird erwartet, dass Urbildraum und Bildraum immer explizit angegeben werden. Warum ist die Matrixabbildung eine Abbildung von nach , obwohl ? Per Abbildungs, d.h. die Matrixmultiplikation muss deniert sein. Da vom Format ist, muss vorschrift ist vom Format sein. Das Produkt ist deshalb vom Format . So haben wir argumentiert, dass
Bemerkungen
Sei
einen Vektor in (Urbildraum) nimmt und diesen auf einen Vektor in (Bildraum) abbildet. Beispiel (Matrixabbildung) die Matrixabbildung, die durch die Matrix
Die zugeh rige Matrixabbildung ist gegeben durch o Die Bilder der Standardbasisvektoren in sind:
allgemeinen Vektors
sowie
ist die
Spalte von
.)
(1)
(Das Bild eines allgemeinen Vektors ist eine Linearkombination der Spalten im .)
26
(2)
span
. Das Bild
(siehe Gleichung (3)) ist die Gerade durch den Nullpunkt und
jede
beliebige Gerade durch den Nullvektor auf einer Geraden durch den Nullvektor abbildet. Ausgehend von der Gleichung (4) charakterisieren wir allgemeine Abbildungen, die Geraden auf Geraden abbilden, wie die Matrixabbildung . Hierbei versteht man den Nullvektor als 0-dimensionale Gerade. Weil das lateinische Wort f r Gerade linea ist, heien solche Abbildungen lineare Abbildungen. u Denition (lineare Abbildungen) Sei
eine Abbildung.
gilt:
Sei
gilt
Bevor die Aufgabe gel st wird, betrachten wir einige Notationen, die es f r die Abbildung gibt. o u
auf den
Diese zwei Schreibweisen liest man so: ist die Abbildung von in , die den Vektor Vektor abbildet.
in mit
3.4
27
Um die Behauptung zu beweisen, m ssen die zwei Bedingungen in der Denition einer linearen Abbildung u nachgepr ft werden: u (1)
(2)
f r alle u
Zu (1). Seien
Vektoraddition in
Abbildungsvorschrift Vektoraddition in
Weil die zwei Bedingungen erf llt sind, ist linear. u Bermerkungen Die Begr ndungen f r jeden Schritt muss nicht gegeben werden. Es ist jedoch zu empfehlen, dies zu mau u chen, bis ein sicherer Umgang mit dieser Beweismethode entsteht.
28
Mit etwas Ubung kann im Fall einer linearen Abbildung jede Bedingung nachgewiesen werden, indem man mit der linken Seiten anf ngt und die Vorschriften anwendet, bis die rechte Seite erreicht wird. a Beispiel (nicht-lineare Abbildung)
Zu zeigen: eine der Bedingungen in der Denition einer linearen Abbildung ist nicht erf llt (am besten mit u einem Gegenbeispiel, weil dann kann die Bedingung nicht f r alle (beliebige) Vektoren gelten). u
den Vektor
Weil
f r u
und
Denition (Kern und Bild einer linearen Abbildung) Kern Bild Sei
Bemerkungen
Der Kern einer linearen Abbildung Das Bild einer linearen Abbildung
von
ist die Menge aller Vektoren im Bildraum ( ), die ein Urbild haben. Das Bild von muss nicht unbedingt gleich dem Bildraum sein. (Beispielsweise ist das Bild
3.4
29
Beispiel (Kern und Bild) Bestimmen Sie den Kern und den Bild der linearen Abbildung
Kern
span
Weil
f r beliebige u
, spannt
Bild
(Lerncheck)
a) Kern ist ein Teilraum des . b) Bild ist ein Teilraum des .
Training in der MUMIE: Kern Bild Matrixabbildungen, Lineare Abbildungen, Bilder linear unabh ngiger a Vektoren, Kern Bild
30
Satz (Lineare Abbildungen und Matrixabbildungen) (1) Matrixabbildungen sind immer linear. kann als eine Matrix aufgefasst werden. Die Spalten von (2) Jede lineare Abbildung sind die Bilder der Standardbasisvektoren von . (3) Sind und lineare Abbildungen mit zugeh rigen Matrizen o bzw. , so ist die Komposition (Hintereinanderausfuhrung / Verknupfung)
Bemerkungen (Zu (2)) Ist die zu der linearen Abbildung zugeh rige Matrix, so ist das Bild der Matrixabbildung o die -te Spalte von . D.h. die Bilder der Standardbasisvektoren in bzgl. der Matrixabbildung a und die lineare Abbildung stimmen uberein. Wegen der Linearit t kann bewiesen werden, dass f r alle ist. Ferner gilt Bild span Spalten von . u (Zu (3)) Bei der Komposition von Matrizen wird von rechts nach links geschrieben. In dem Satz wird auf einem Vektor in angewendet und in abgebildet. Das Ergebnis kann in eingesetz werden und wird in abgebildet.
%%
%%
//
//
lineare Abbildungen.
o a) Bestimmen Sie die zu und zugeh rigen Matrizen und b) Bestimmen Sie die Komposition . o c) Bestimmen Sie die zu zugeh rige Matrix sowie das Produkt
3.4
31
b) ist eine Abbildung von nach . Im oberen Teil des Diagramms wird gezeigt, wie die Mengen verkn pft sind. Im unteren Teil k nnen wir die Wirkung auf den ersten Standardbasisvektor des u o verfolgen.
%%
%%
//
//
Um das Bild eines allgemeinen Vektors in zu bestimmen, betrachten wir die Hintereinanderausf hrung: u
c) Die Spalten der zu zugeh rigen Matrix sind die Bilder der Standardbasisvektoren: o
Benutzen Sie f r die folgenden Aufgaben die Abbildungen aus dem vorangehenden u Beispiel (zugeh rige Matrix, Komposition linearer Abbildungen). o 9. Aufgabe (Lerncheck)
b) Bestimmen Sie die zu zugeh rige Matrix sowie das Produkt o 10. Aufgabe
und wie im letzten Beispiel. Sei Seien weitere lineare Abbildung, welche der folgenden Abbildungen sind deniert?
eine
Training in der MUMIE: Matrixabbildung, Lineare Abbildungen und Standardbasisvektoren, Von Linearen Abbildungen zu Matrizen
32
1. Aufgabe
nicht symmetrisch,
symmetrisch
mit
Anzahl der Spalten sein, weil beim transponieren werden die Zeilen als Spalten geschrieben. b) Die Aussage ist falsch. Die Aussage besagt, wenn eine Matrix quadratisch ist, k nnen wir daraus schlieen, o dass sie symmetrisch ist. (Es gibt Matrizen, die gleichzeitig quadratisch und symmetrisch sind. Die Frage ist, ob alle quadratische Matrizen symmetrisch sind. Bei einer falsche Aussage reicht es deshalb, ein einziges Gegenbeispiel zu nden.) Als Gegenbeispiel betrachten wir dratisch.
symmetrisch ist. Somit ist die Aussage falsch. c) Die Aussage ist richtig. (Es gen gt nicht, ein Beispiel zu geben. Es muss gezeigt werden, dass alle Diagou eine Diagonalmatrix und
die zu nalmatrizen symmetrisch sind.) Seien transponierte Matrix mit
. F r u mit ist
. Mit ist
. Daraus folgt
f r alle u . Weil , ist symmetrisch.
3. Aufgabe
ist zwei
und dies ist nicht gleich 3, die Anzahl von Zeilen von
),
4. Aufgabe Setze
. Dann ist
6. Aufgabe
gilt
3.5
33
, (2) .
ist linear.
Vektoraddition
Abbildungsvorschrift
Abbildungsvorschrift Vektoraddition
Zu (2). Seien
, .
Skalarmultiplikation
Abbildungsvorschrift
Abbildungsvorschrift Skalarmultiplikation
Weil die zwei Bedingungen in der Denition einer linearen Abbildung erf llt sind, ist linear. u
34
und
dung nicht erf llt ist. [Bemerkung: es ist nicht immer leicht, ein Gegenbeispiel zu konstruieren.] u
Weil
f r u
Kern
und
und Bild
von
1) Kern
ist ein Teilraum des . Kern ist ein Teilraum von , falls gilt:
Zu 1) Sei . Dann ist Kern Kern Bemerkung Die Rechnung hier zeigt: Bei jeder linearen Abbildung wird der Nullvektor auf den Nullvektor abgebildet.
Linearit t a
Zu 2) Seien
. Zu zeigen:
Kern, d.h.
a Linearitt
Zu 3) Seien
Kern (d.h.
. Dann gilt:
a Linearitt
Von daher ist auch in Kern enthalten. u Die drei Bedingungen eines Teilraums des sind erf llt, sodass Kern ein Teilraum des ist. b) F r die lineare Abbildung soll gezeigt werden, dass Bild u des ist. Die drei Bedingungen eines Teilraums (wie in Teil a) werden gepr ft. u Zu 1)
ein Teilraum
Bild Bild
3.5
35
mit
Nun weil
Zu 3) Seien
mit
) und . Es gilt:
a Linearitt
mit
, sodass
Bild gilt.
Die drei Teilraumkriterien sind erf llt und damit ist Bild ein Teilraum des . u 9. Aufgabe a) Die Komposition ist gegeben durch
( ), sodass und nicht deniert sind. Der Bildraum von ( ) ist nicht im Urbildraum von ( ) enthalten, sodass Der Bildraum von ( ) ist im Urbildraum von ( ) enthalten und damit ist
10. Aufgabe Der Bildraum von ( ) ist weder im Urbildraum von ( ) noch im Urbildraum von