Linear Algebra Foundations: Vectors, Matrices, and Linear Systems

Vektoren und ihre Eigenschaften

Definition und Darstellung von Vektoren

Ein Vektor ist ein geordnetes m-Tupel reeller Zahlen. Vektoren werden häufig als Spaltenvektoren dargestellt und sind zentrale Objekte in der linearen Algebra. Die Menge aller m-dimensionalen Spaltenvektoren wird mit $\mathbb{R}^m$ bezeichnet.

• Komponenten: Die Einträge eines Vektors werden als Komponenten bezeichnet.

• Dimension: Die Anzahl der Komponenten eines Vektors.

• Nullvektor: Ein Vektor, dessen alle Komponenten null sind.

• Einheitsvektor: Ein Vektor mit einer Komponente gleich 1 und allen anderen 0.

Beispiel: Produktionsmodell

In einem Wirtschaftsmodell werden verschiedene Produkte wie Fisch, Holz und Fischerboote betrachtet. Die Produktionsmengen können als Vektor dargestellt werden:

• $x_1$: Menge Fisch in Tonnen

• $x_2$: Menge Holz in Tonnen

• $x_3$: Anzahl Fischerboote

Produktionsvektor: $x = \begin{pmatrix} x_1 \\ x_2 \\ x_3 \end{pmatrix}$

Vektoroperationen

• Addition: $a + b = (a_1 + b_1, \ldots, a_m + b_m)^\top$

• Skalarmultiplikation: $\lambda a = (\lambda a_1, \ldots, \lambda a_m)^\top$

• Subtraktion: $a - b = (a_1 - b_1, \ldots, a_m - b_m)^\top$

Beispiel: $a = (3, 1)^\top$, $b = (1, 2)^\top$, $a + b = (4, 3)^\top$

Skalarprodukt und Norm

• Skalarprodukt: $a^\top b = \sum_{i=1}^m a_i b_i$

• Norm (Länge): $\|a\| = \sqrt{a^\top a} = \sqrt{\sum_{i=1}^m a_i^2}$

Das Skalarprodukt misst die "Richtungsgleichheit" zweier Vektoren, die Norm die Länge eines Vektors.

Winkel und Orthogonalität

• Der Winkel $\varphi$ zwischen zwei Vektoren $a, b$ ist gegeben durch $\cos \varphi = \frac{a^\top b}{\|a\| \|b\|}$

• Orthogonalität: Zwei Vektoren sind orthogonal, wenn $a^\top b = 0$

Matrizen und Lineare Gleichungssysteme

Definition und Aufbau von Matrizen

Eine Matrix ist ein rechteckiges Zahlenschema mit $m$ Zeilen und $n$ Spalten. Matrizen werden verwendet, um lineare Gleichungssysteme kompakt darzustellen.

• Koeffizientenmatrix: Enthält die Koeffizienten eines LGS.

• Einheitsmatrix: Quadratische Matrix mit Einsen auf der Diagonalen und Nullen sonst.

• Nullmatrix: Alle Einträge sind null.

Matrixoperationen

• Addition: $A + B = (a_{ij} + b_{ij})$

• Skalarmultiplikation: $\alpha A = (\alpha a_{ij})$

• Matrixmultiplikation: $C = AB$ mit $c_{ij} = \sum_{k=1}^n a_{ik} b_{kj}$

• Transponieren: Vertauschen von Zeilen und Spalten: $A^\top$

Lineare Gleichungssysteme (LGS)

Ein LGS besteht aus $m$ Gleichungen mit $n$ Unbekannten:

$\begin{cases} a_{11}x_1 + \ldots + a_{1n}x_n = b_1 \\ \vdots \\ a_{m1}x_1 + \ldots + a_{mn}x_n = b_m \end{cases}$

In Matrixschreibweise: $Ax = b$

Lösbarkeit von LGS

• Eindeutige Lösung: Genau eine Lösung existiert.

• Unendlich viele Lösungen: Es gibt freie Variablen.

• Keine Lösung: Das System ist widersprüchlich.

Gauß-Algorithmus

Der Gauß-Algorithmus ist ein Verfahren zur Lösung von LGS durch Umformung der erweiterten Koeffizientenmatrix in eine Stufenform. Die Schritte umfassen:

1. Aufstellen der erweiterten Matrix $(A, b)$

2. Auswahl von Pivot-Elementen und Anwendung elementarer Zeilenoperationen

3. Zurücksubstitution zur Bestimmung der Lösungen

Lineare Unabhängigkeit und Basen

Linearkombination und Unabhängigkeit

• Eine Linearkombination von Vektoren $a_1, \ldots, a_n$ ist $b = \lambda_1 a_1 + \ldots + \lambda_n a_n$

• Vektoren sind linear unabhängig, wenn nur die triviale Kombination $\lambda_1 = \ldots = \lambda_n = 0$ die Null ergibt.

Basen und Dimension

• Eine Basis eines Vektorraums ist eine Menge linear unabhängiger Vektoren, die den Raum aufspannen.

• Die Dimension ist die Anzahl der Vektoren in einer Basis.

Beispiel: Die Standardbasis von $\mathbb{R}^2$ ist $\{(1,0)^\top, (0,1)^\top\}$.

Inverse Matrizen und Anwendungen

Inverse Matrix

• Eine quadratische Matrix $A$ ist invertierbar, wenn es eine Matrix $A^{-1}$ gibt mit $AA^{-1} = A^{-1}A = E$.

• Die Lösung eines LGS $Ax = b$ ist dann $x = A^{-1}b$.

Matrizengleichungen

• Gleichungen mit Matrizen können oft durch Inversion gelöst werden, z.B. $AX = B \implies X = A^{-1}B$.

Leontief-Modell (Anwendung in der Wirtschaft)

Beschreibung

Das Leontief-Modell beschreibt die Verflechtung von Wirtschaftssektoren. Die Produktionsmengen und Lieferungen werden durch Matrizen und Vektoren modelliert.

• Direktbedarfsmatrix $D$: Gibt an, wie viel Input ein Sektor von einem anderen benötigt.

• Gesamtbedarfsmatrix $G = (E - D)^{-1}$: Zeigt den gesamten Produktionsbedarf zur Deckung einer Endnachfrage.

Die Produktionsmengen $a$ zur Deckung einer Endnachfrage $b$ sind $a = (E - D)^{-1}b$.

Zusammenfassung

• Vektoren und Matrizen sind grundlegende Werkzeuge zur Modellierung und Lösung linearer Probleme.

• Lineare Gleichungssysteme können mit dem Gauß-Algorithmus gelöst werden.

• Die Begriffe Basis und Dimension sind zentral für das Verständnis von Vektorräumen.

• Inverse Matrizen ermöglichen die eindeutige Lösung von LGS.

• Das Leontief-Modell ist eine wichtige Anwendung in der Wirtschaftsmathematik.