TU Wien:Algebra und Diskrete Mathematik VU (diverse)/Übungen 2025W/Beispiel 519

Sei $A=\left(\begin{array}{cc}1& 2\\ 3& -1\end{array}\right)$ und $B=\left(\begin{array}{cc}1& 1\\ -2& 3\end{array}\right)$.

Untersuchen Sie, ob die Matrizen $A,B$ und $A-B$ im Vektorraum der reellen $2\times 2$-Matrizen linear unabhängig sind.

Dieses Beispiel hat einen unbekannten Lösungsstatus. Bitte editiere diese Seite und schreibe den dir bekannten Status ins Beispiel. Die möglichen Werte sind hier: Vorlage:Beispiel dokumentiert. Führe folgende Änderung durch:

{{Beispiel|1=
Angabetext
}}

oder

{{Beispiel|
Angabetext
}}

zu (im Falle einer korrekten, unverifizierten Lösung "solved". Auch möglich "unsolved", "wrong", "verified_by_tutor". Alle möglichen Werte sind hier: Vorlage:Beispiel dokumentiert.)

{{Beispiel|status=solved|1=
Angabetext
}}

Hilfreiches von Har203

Lineare Abhängigkeit

Eine Menge $M$ an Vektoren $\{\overrightarrow{x_1},\overrightarrow{x_2},\dots ,\overrightarrow{x_n}\}$ heißt linear abhängig, wenn gilt:

$\mathrm{\exists }\overrightarrow{l}=({\lambda }_1,{\lambda }_2,\dots ,{\lambda }_n)\ne \overrightarrow{0_n},{\lambda }_i\in 𝕂$ mit ${\lambda }_1\cdot \overrightarrow{x_1}+{\lambda }_2\cdot \overrightarrow{x_2}+\dots +{\lambda }_n\cdot \overrightarrow{x_n}=\overrightarrow{0}$.

Es existiert eine Linearkombination aus der Menge $M$, die den Nullvektor $\overrightarrow{0_n}$ ergibt, wobei nicht alle ${\lambda }_i=0$ sind - eine oder mehrere sogenannte nicht triviale Lösungen existieren.

Matrix

Eine Matrix ist also eine doppelt indizierte Familie. Formal ist dies eine Funktion

$A:\{1,\dots ,m\}\times \{1,\dots ,n\}\to K,(i,j)\mapsto a_{ij},$

die jedem Indexpaar $(i,j)$ als Funktionswert das Element $a_{ij}$ zuordnet. Beispielsweise wird dem Indexpaar $(1,2)$ als Funktionswert das Element $a_{12}$ zugeordnet. Der Funktionswert $a_{ij}$ ist also das Element in der $i$-ten Zeile und der $j$-ten Spalte. Die Variablen $m$ und $n$ entsprechen der Anzahl der Zeilen bzw. Spalten. Nicht zu verwechseln mit dieser formalen Definition einer Matrix als Funktion ist, dass Matrizen selbst lineare Abbildungen beschreiben.

Die Menge $\mathrm{Abb}(\{1,\dots ,m\}\times \{1,\dots ,n\},K)$ aller $m\times n$-Matrizen über der Menge $K$ wird in üblicher mathematischer Notation auch $K^{\{1,\dots ,m\}\times \{1,\dots ,n\}}$ geschrieben; hierfür hat sich die Kurznotation $K^{m\times n}$ eingebürgert. Manchmal werden die Schreibweisen $K^{m,n},$ $M(m\times n,K)$ oder seltener ${}^m{K}^n$ benutzt.

Elementare Spalten-/Zeilenumformungen

Elementare Spalten- und Zeilenumformungen werden etwa beim Gauß'schen Eliminationsverfahren verwendet.

Für die nachfolgenden Beispiele sei

$A=\left(\begin{array}{cc}2& 1\\ 3& 4\end{array}\right)$

$det(A)=\left|\begin{array}{cc}2& 1\\ 3& 4\end{array}\right|=2\ast 4-1\ast 3=5$

Die Beispiele sind anhand von Spaltenumformungen.

1. Multipliziert man eine Spalte/Zeile einer Matrix $\lambda$ mit einem Faktor $\lambda \in K$, so ist die Determinante der neuen Matrix $det(A^{\prime })=\lambda \ast det(A)$. z.B.: $\lambda =3$ multipliziert mit 1. Spalte: $det{A}^{\prime }=\left|\begin{array}{cc}6& 1\\ 9& 4\end{array}\right|=6\ast 4-1\ast 9=15$
2. Addiert man zu einer Spalte/Zeile einer Matrix das Vielfache einer anderen Spalte/Zeile, so verändert sich der Wert der Determinante nicht. z.B.: zwei Mal erste Spalte zu zweiter: $det{A}^{\prime }=\left|\begin{array}{cc}2& 5\\ 3& 10\end{array}\right|=2\ast 10-3\ast 5=5$
3. Vertauscht man in einer Matrix A zwei Spalten/Zeilen, so ist die Determinante der neuen Matrix $det(A_r)=-det(A)$. z.B. erste mit zweiter Spalte vertauscht: $det{A}^{\prime }=\left|\begin{array}{cc}1& 2\\ 4& 3\end{array}\right|=1\ast 3-2\ast 4=-5$

Rang

Bei einer linearen Abbildung $f$ ist der Rang als Dimension des Bildes dieser Abbildung definiert. Dabei gilt stets, dass eine lineare Abbildung und die zugehörige Abbildungsmatrix denselben Rang haben:

$\mathrm{rk}(f)=\dim (\mathrm{im}(f))$, also dem Bild der Abbildung $f$.

Kern

Der Kern einer Abbildung dient in der Algebra dazu, anzugeben, wie stark die Abbildung von der Injektivität abweicht. Dabei ist die genaue Definition abhängig davon, welche algebraischen Strukturen betrachtet werden. So besteht beispielsweise der Kern einer linearen Abbildung $f:V\to W$ zwischen Vektorräumen $V$ und $W$ aus denjenigen Vektoren in $V$, die auf den Nullvektor in $W$ abgebildet werden; er ist also die Lösungsmenge der homogenen linearen Gleichung $f(x)=0$ und wird hier auch Nullraum genannt. In diesem Fall ist $f$ genau dann injektiv, wenn der Kern nur aus dem Nullvektor in $V$ besteht. Analoge Definitionen gelten für Gruppen- und Ringhomomorphismen. Der Kern ist von zentraler Bedeutung im Homomorphiesatz.

Definition Ist $f:V\to W$ eine lineare Abbildung von Vektorräumen, dann heißt die Menge

$\mathrm{Kern}f:=\{v\in V\mid f(v)=0\in W\}$

der Kern von $f$. Er ist ein Untervektorraum von $V$.

Lösungsvorschlag von Har203

Sei $A=\left(\begin{array}{cc}1& 2\\ 3& -1\end{array}\right)\text{ und }B=\left(\begin{array}{cc}1& 1\\ -2& 3\end{array}\right)$. Untersuchen Sie, ob die Matrizen $A,B$ und $A-B$ im Vektorraum der reellen $2\times 2$-Matrizen linear unabhängig sind.

• Wir berechnen zuerst die Matrix $C=A-B$:

$C=A-B=\left(\begin{array}{cc}0& 1\\ 5& -4\end{array}\right)$

Wir haben nun alle drei ($𝐤\mathbf{=}\mathrm{𝟑}$) Matrizen$:$

$A=\left(\begin{array}{cc}1& 2\\ 3& -1\end{array}\right),B=\left(\begin{array}{cc}1& 1\\ -2& 3\end{array}\right)$ und $C=A-B=\left(\begin{array}{cc}0& 1\\ 5& -4\end{array}\right)$ gegeben.

• Wir können entweder die Matrizen in Vektoren umwandeln (Methode 1), daraus eine große Matrix erstellen und den Rang dieser Matrix bestimmen oder ein Gleichungssystem mit $\lambda$s und Matrizen aufstellen (Methode 2).

Matrizen in Vektoren umwandeln (Methode 1)

Wir formen alle Matrizen entweder in Spalten bzw. Zeilenvektoren um - aber immer nur eine Variante davon auswählen. Ich werde von den Matrizen nacheinander alle Zeilen hernehmen und diese in einen Spaltenvektoren umwandeln:  

$A\mapsto \overrightarrow{v_1}={\left(1,2,3,-1\right)}^{T}B\mapsto \overrightarrow{v_2}={\left(1,1,-2,3\right)}^{T}C=A-B\mapsto \overrightarrow{v_3}={\left(0,1,5,-4\right)}^T$

D.h. die erweiterte Matrix $D=\left(\begin{array}{ccc}1& 1& 0\\ 2& 1& 1\\ 3& -2& 5\\ -1& 3& -4\end{array}\right)$

Von dieser Matrix werden wir nun den Rang bestimmen:

$D=\left(\begin{array}{ccc}1& 1& 0\\ 2& 1& 1\\ 3& -2& 5\\ -1& 3& -4\end{array}\right)\begin{array}{c}\\ -2\cdot Z1\\ -3\cdot Z1\\ +Z1\end{array}\to \left(\begin{array}{ccc}1& 1& 0\\ 0& -1& 1\\ 0& -5& 5\\ 0& 4& -4\end{array}\right)\begin{array}{c}+Z2\\ =4\cdot Z2+Z4\\ =5\cdot Z4+4\cdot Z3\\ =4\cdot Z3+5\cdot Z4\end{array}\to \left(\begin{array}{ccc}1& 0& 1\\ 0& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right)$

D.h. die Matrix $D$ hat den Rang $\mathrm{rg}(D)=1$, da in der erweiterten Matrix nur ein linear unabhängige Zeilen-/Spaltenvektor vorhanden ist. Wir hatten ursprünglich $k=3$ Matrizen ($\equiv$ den Spaltenvektoren in der Matrix $D$) und $\mathrm{rg}\mathbf{(}𝐃\mathbf{)}\mathbf{=}\mathrm{𝟏}<𝐤⟹$ die Matrizen sind linear abhängig.$◼$

Gleichungssystem mit Matrizen (Methode 2)

Der zweite Weg führt über die Gleichungen der linearen Unabhängigkeit:

Diese drei Matrizen sind linear unabhängig, wenn für die folgende Gleichung nur die triviale Lösung ${\lambda }_1={\lambda }_2={\lambda }_3=0$ existiert$:$

${\lambda }_1\cdot A+{\lambda }_2\cdot B+{\lambda }_3\cdot (A-B)=\left(\begin{array}{cc}0& 0\\ 0& 0\end{array}\right)⟺$ wenn die folgenden vier Gleichungen erfüllt sind$:$

$\begin{array}{ccccccccccccccccccccccccc}& G1)& & {\lambda }_1& \cdot 1& +& {\lambda }_2& \cdot 1& +& {\lambda }_3& \cdot 0& & =0\wedge & G2)& & {\lambda }_1& \cdot 2& +& {\lambda }_2& \cdot 1& +& {\lambda }_3& \cdot 1& & =0\\ & G3)& & {\lambda }_1& \cdot 3& +& {\lambda }_2& \cdot (-2)& +& {\lambda }_3& \cdot 5& & =0\wedge & G4)& & {\lambda }_1& \cdot (-1)& +& {\lambda }_2& \cdot 3& +& {\lambda }_3& \cdot (-4)& & =0\end{array}$

$\begin{array}{ccc}& \text{Nach }G1\text{ folgt}:& {\lambda }_1=-{\lambda }_2.\\ & \text{Nach }G1\text{ und }G2\text{ folgt}:& {\lambda }_1=-{\lambda }_3=-{\lambda }_2.\\ & \text{Nach }G1,G2\text{ und }G3\text{ folgt}:& 0=0.\\ & \text{Nach }G1,G2,G3\text{ und }G4\text{ folgt}:& 0=0.\end{array}$

D.h. die Lösungsmenge $L$ ist$:$

$L=\{{\lambda }_1,{\lambda }_2,{\lambda }_3|{\lambda }_1=-{\lambda }_2=-{\lambda }_3$ mit ${\lambda }_1,{\lambda }_2,{\lambda }_3\in ℝ$.

Eine nicht triviale Lösung wäre z.B. (für ${\lambda }_3=1$ frei eingesetzt):

$L_1:{\lambda }_3=1⟹{\lambda }_2=1,{\lambda }_1=(-1)G1,G2,G3$ und $G4$ sind erfüllt $\surd$

D.h., dass die drei Matrizen linear abhängig sind.$◼$

Links

Wikipedia:

• Matrix
• Lineare Unabhängigkeit
• Matrizenmultiplikation

Ähnliche Beispiele:

• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_516
• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_517
• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_518