Leider ist nicht jede beliebige Matrix invertierbar, sondern nur solche Matrizen, die bestimmte Voraussetzungen erfüllen. Es stellt sich also die Frage, wann ist eine Matrix invertierbar? Dazu musst du prüfen, ob du eine quadratische Matrix vorliegen hast und ob die Determinante der Matrix ungleich Null ist. Show Die Beispielmatrix hat drei Zeilen und drei Spalten, sie ist also eine quadratische Matrix. Außerdem gilt und damit ist . Die Matrix ist damit eine invertierbare Matrix. Die inverse Matrix zu A sieht dabei wie folgt aus.Wie du die Inverse genau bestimmen kannst, erfährst du in unserem Video Inverse Matrix berechnen . Meistens lohnt es sich, vorher kurz die Invertierbarkeit der Matrix zu überprüfen. Hinweis: Übrigens, eine invertierbare Matrix nennt man regulär. Ist eine Matrix nicht invertierbar, so nennt man sie singulär. Du bist gerade auf der Suche nach einem dualen Studium oder Ausbildungsplatz? Wir von Studyflix helfen dir weiter. Im Studyflix Ausbildungsportal warten über 30.000 freie Plätze auf dich. Schau doch mal vorbei. Du willst wissen, wofür du das Thema Inverse Matrix lernst? Über das Studyflix Jobportal kannst du dich auf die Suche nach Praxiserfahrung begeben. Hier warten über 20.000 Praktika, Werkstudentenstellen, Einstiegsjobs und auch Abschlussarbeiten auf dich. Schau doch mal vorbei. Anmerkung: Wenn TT = T -1 gilt, dann handelt es sich um eine orthogonale Matrix, d.h. die Zeilen- bzw. Spaltenvektoren sind zueinander orthogonal und normiert, es ist stets det T = 1 oder det T = -1 und T TT = T T -1 = E. Ansonsten fällt mir Diagonalisierbarkeit ein. Jede symmetrische, reguläre Matrix ist diagonalisierbar und es gibt eine Orthonormalbasis bestehend aus Eigenvektoren von der Matrix T und es gibt eine orthogonale Matrix (nennen wir sie O), so dass D = OT T O. Vermutlich ist deine Matrix T bereits die orthogonale Matrix. (hier: O) und deine Matrix G wird die Diagonalmatrix sein. \(A = \left( {\matrix{ {{a_{11}}} & {{a_{12}}} & {...} & {{a_{1n}}} \cr {{a_{21}}} & {{a_{22}}} & {...} & {{a_{2n}}} \cr {...} & {...} & {...} & {...} \cr {{a_{m1}}} & {{a_{m2}}} & {...} & {{a_{mn}}} \cr } } \right)\)Ordnung einer MatrixDie Ordnung einer Matrix ergibt sich aus der Anzahl der Zeilen m und der Anzahl der Spalten n. Die Ordnung einer solchen Matrix ist dann m x n. Sie repräsentiert die Koeffizienten eines linearen Gleichungssystems mit m Gleichungen in n Unbekannten Einzeilige bzw. einspaltige MatrixEine einzeilige bzw. einspaltige Matrix stellt einen Zeilen- bzw. Spaltenvektor dar
Gleiche MatrizenZwei Matrizen sind gleich, wenn sie in der Anzahl der Zeilen und der Spalten übereinstimmen und auch jede einzelne Komponente gleich ist. \({a_{ij}} = {b_{ij}}\) Quadratische Matrixbesitzt die gleiche Anzahl an Zeilen und Spalten \(A = \left( {\begin{array}{*{20}{c}} {{a_{11}}}&{{a_{12}}}\\ {{a_{21}}}&{{a_{22}}} \end{array}} \right)\) Existiert für eine (quadratische) Matrix A eine inverse Matrix A-1 so nennt man A eine reguläre Matrix, andernfalls nennt man A eine singuläre Matrix. Hauptdiagonale einer MatrixDie Komponenten einer Matrix für die m=n gilt, bilden die Hauptdiagonale einer Matrix \(A = \left( {\begin{array}{*{20}{c}} {{a_{11}}}& \cdot & \cdot \\ \cdot &{{a_{22}}}& \cdot \\ \cdot & \cdot &{{a_{33}}} \end{array}} \right)\) DiagonalmatrixAlle Komponenten einer Diagonalmatrix, ausgenommen jene Komponenten die auf der Hauptdiagonalen liegen, sind Null \(A = \left( {\begin{array}{*{20}{c}} {{a_{11}}}&0&0&0\\ 0&{{a_{22}}}&0&0\\ 0&0&{{a_{33}}}&0\\ 0&0&{...}&{{a_{44}}} \end{array}} \right)\) Symmetrische MatrixEine quadratische Matrix heißt symmetrische Matrix, wenn sie bei Spiegelung an der Hauptdiagonale (links oben → rechts unten) in sich selbst übergeht (d.h. unverändert bleibt). In diesem Sonderfall stimmt die Ausgangsmatrix mit ihrer Transponierten überein. \(\left( {\begin{array}{*{20}{c}} {{a_{11}}}&{{a_{21}}}&{{a_{31}}}&{{a_{41}}}\\ {{a_{21}}}&{{a_{22}}}&{{a_{32}}}&{{a_{42}}}\\ {{a_{31}}}&{{a_{32}}}&{{a_{33}}}&{{a_{43}}}\\ {{a_{41}}}&{{a_{42}}}&{{a_{43}}}&{{a_{44}}} \end{array}} \right)\) NullmatrixBei einer Nullmatrix sind sämtliche Komponenten null. \(A = \left( {\matrix{ 0 & 0 & {...} & 0 \cr 0 & 0 & {...} & 0 \cr {...} & {...} & {...} & {...} \cr 0 & 0 & {...} & 0 \cr } } \right)\) EinheitsmatrixDie Einheitsmatrix ist eine quadratische Diagonalmatrix (m=n), deren „Diagonal-Komponenten“ gleich 1 sind und bei der alle anderen Komponenten gleich 0 sind \(A = \left( {\matrix{ 1 & 0 & {...} & 0 \cr 0 & 1 & {...} & 0 \cr {...} & {...} & {...} & {...} \cr 0 & 0 & {...} & 1 \cr } } \right)\) DreiecksmatrixDreiecksmatrizen sind quadratische Matrizen, deren Komponenten entweder oberhalb oder unterhalb der Hauptdiagonalen nur aus Nullen bestehen.
\({A_{oben}} = {A_{unten}} = \det {A_{oben}} = \det {A_{unten}} = \prod\limits_i {{a_{ii}}} \) obere DreiecksmatrixBei einer oberen Dreiecksmatrix sind alle Komponenten die unterhalb der Hauptdiagonalen liegen null \({a_{mn}} = 0{\text{ für }}m > n\) \(A = \left( {\begin{array}{*{20}{c}} {{a_{11}}}&{{a_{12}}}&{{a_{13}}}\\ 0&{{a_{22}}}&{{a_{23}}}\\ 0&0&{{a_{33}}} \end{array}} \right)\) untere DreiecksmatrixBei einer unteren Dreiecksmatrix sind alle Komponenten die oberhalb der Hauptdiagonalen liegen null \({a_{mn}} = 0{\text{ für }}n > m\) \(A = \left( {\begin{array}{*{20}{c}} {{a_{11}}}&0&0\\ {{a_{21}}}&{{a_{22}}}&0\\ {{a_{31}}}&{{a_{32}}}&{{a_{33}}} \end{array}} \right)\) Inverse MatrixEine inverse Matrix A-1 liegt vor, wenn das Produkt einer Matrix A mit mit einer anderen Matrix A-1 die Einheitsmatrix I ergibt \(A \cdot {A^{ - 1}} = {A^{ - 1}} \cdot A = I\)
Für die Berechnung der inversen Matrix bietet sich das Gauß-Jordan Algorithmus, Adjunkten oder die Cramersche Regel an. Gauß-Jordan AlgorithmusDer Gauß-Jordan Algorithmus dient zur Berechnung der inversen Matrix A-1 zu einer gegebenen Matrix A
Transponierte MatrixWenn man in einer beliebigen \(m \times n\) Matrix A die Zeilen und die Spalten vertauscht, so erhält man die transponierte oder gespiegelte oder gestürzte \(n \times m\) Matrix AT. \(\eqalign{ & A = \left( {\matrix{ {{a_{11}}} & {{a_{12}}} & {...} & {{a_{1n}}} \cr {{a_{21}}} & {{a_{22}}} & {...} & {{a_{2n}}} \cr {...} & {...} & {...} & {...} \cr {{a_{m1}}} & {{a_{m2}}} & {...} & {{a_{mn}}} \cr } } \right) \cr & \cr & {A^T} = \left( {\matrix{ {{a_{11}}} & {{a_{21}}} & {...} & {{a_{m1}}} \cr {{a_{12}}} & {{a_{22}}} & {...} & {{a_{m2}}} \cr {...} & {...} & {...} & {...} \cr {{a_{1n}}} & {{a_{2n}}} & {...} & {{a_{mn}}} \cr } } \right) \cr}\) Aus der 1. Zeile wird also die 1. Spalte, aus der 2. Zeile wird die 2. Spalte usw. In der Vektorrechnung wird durch Transposition aus einem Zeilenvektor ein Spaltenvektor und umgekehrt. Transponierte einer transponierten MatrixDie Transponierte einer transponierten Matrix ist wieder die Ursprungsmatrix. \({\left( {{A^T}} \right)^T} = A\) Matrix Zeilenvektor Spaltenvektor Komponenten einer Matrix Quadratische Matrix Hauptdiagonale einer Matrix Diagonalmatrix symmetrische Matrix Nullmatrix Dreiecksmatrix Inverse Matrix Transponierte Matrix Gauß-Jordan Algorithmus Transponierte einer transponierten Matrix Einheitsmatrix Singuläre Matrix Fragen oder Feedback Teilen Lösungsweg Aufgabe 4361Standardisierte kompetenzorientierte schriftliche Reifeprüfung Angewandte Mathematik Speiseeis - Aufgabe B_455Teil c Die Preise für die Rohstoffe können in einem Vektor \(\overrightarrow p = \left( {\begin{array}{*{20}{c}} {{p_1}}\\ {{p_2}}\\ {{p_3}}\\ {{p_4}}\\ {{p_5}}\\ {{p_6}} \end{array}} \right)\) Wann ist transponierte Matrix inverse Matrix?Die transponierte und die invertierte Matrix sind bei einer orthogonalen Matrix gleich (AT = A-1). Das Gleiche gilt also auch für die Multiplikation mit der Inversen Matrix.
Ist A invertierbar?Dabei gilt, dass A genau dann invertierbar ist, wenn det(A) = 0 gilt. Um die Zahl zu definieren brauchen den Begriff der Permutationen.
Wann sind zwei Matrizen invers zueinander?Zwei Matrizen A und B sind zueinander invers, wenn das Produkt aus beiden die Einheitsmatrix ergibt. Auch hier müssen A und B quadratisch sein. Die zu A Inverse Matrix wird häufig auch mit bezeichnet.
Für welchen Wert von A ist die Matrix invertierbar?Wie wir aus dem entsprechenden Theorieblock wissen, kann der Rang einer n×n-Matrix maximal n sein. Wenn er genau n ist, die Matrix also vollen Rang besitzt, dann ist sie auch invertierbar.
|