3A.1 Grundbegriffe der Linearen Algebra
a Matrix, genauer
n × m
-Matrix:A =
a 11 a 12 . . . a 1m a 21 a 22 . . . a 2m
... ... ...
a n1 a n2 . . . a nm
=
2 1
− 1 0
3 1
Zeilen
i = 1 , ..., n
, Spaltenj = 1 , ..., m
. Elementea ij
.Quadratische Matrix: Gleiche Anzahl Zeilen und Spalten,
n = m
.B =
3 1 4 − 2
Symmetrische Matrix: Es gilt
a ij = a ji
.C =
3 1 1 − 2
Diagonale einer quadratischen Matrix: Die Elemente
[ a 11 , a 22 , ..., a nn ]
für
B [3 , − 2]
.Diagonalmatrix: Eine, die „nur aus der Diagonalen besteht",
d ij = 0
füri 6 = j
.D =
d 11 0 . . . 0
0 d 22 . . . 0
... ... ...
0 0 . . . d nn
=
3 0 0 − 2
3A.1
b Transponierte Matrix: Zeilen und Spalten vertauschen:
A T =
a 11 a 21 . . . a n1 a 12 a 22 . . . a n2
... ... ...
a 1m a 2m . . . a nm
=
2 − 1 3
1 0 1
Bemerkungen:
1.
( A T ) T = A
(Matrizen und Matratzen!) 2. Symmetrische Matrix:A T = A
.3A.1
c Vektoren
b =
b 1 b 2
:
b n
Elemente
b i
.d Transponierte Vektoren: Spaltenvektoren werden zu Zeilenvektoren:
b T =
b 1 b 2
:
b n
T
= [ b 1 , b 2 , ..., b n ] .
b = [ b 1 , b 2 , ..., b n ] T
.3A.1
e Einfache Rechenoperationen
Addition und Subtraktion: elementweise.
2 1
− 1 0
3 1
−
3 1 4 − 2
2 1
=
1 0
Multiplikation mit / Division durch eine Zahl (einen „Skalar"):
elementweise.
3 ·
2 1
− 1 0
3 1
=
6 3
− 3 0
9 3
Linearkombination von Vektoren:
Index für Komponente hochgestellt,
a i = [ a (1) i , a (2) i , ..., a (n) i ] T
.λ 1 a 1 + λ 2 a 2 + ... + λ k a k =
λ 1 a (1) 1 + λ 2 a (1) 2 + ... + λ k a (1) k λ 1 a (2) 1 + λ 2 a (2) 2 + ... + λ k a (2) k
...
λ 1 a (n) 1 + λ 2 a (n) 2 + ... + λ k a (n) k
3A.1
f Matrix-Multiplikation Dimensionen müssen stimmen!
c ik = X m
j=1 a ij b jk
Beispiel:
2 1
− 1 0
3 1
·
3 1 4 − 2
=
2 · 3 + 1 · 4 2 · 1 + 1 · ( − 2)
( − 1) · 3 + 0 · 4 ( − 1) · 1 + 0 · ( − 2)
3 · 3 + 1 · 4 3 · 1 + 1 · ( − 2)
=
10 0
− 3 − 1
13 1
Bemerkungen:
1.
B · A =
?2.
A · B 6 = B · A
Matrizen dürfen nicht vertauscht werden.
3.
A · B = 0 6 = ⇒ A = 0
oderB = 0
.4. Assoziativgesetz:
( A · B ) · C = A · ( B · C )
5. Distributivgesetz:
A · ( B + C ) = A · B + A · C
( A + B ) · C = A · C + B · C
. 6.( A · B ) T = B T · A T
Man muss beim Transponieren die Reihenfolge vertauschen!
7.
A · A T
ist immer symmetrisch – und deshalb auchA T · A
g Für Vektoren
a
,b
:a · b T =
a 1 b 1 a 1 b 2 . . . a 1 b m a 2 b 1 a 2 b 2 . . . a 2 b m
... ...
a n b 1 a n b 2 . . . a n b m
.
3
− 2
· [2 , − 1 , 0] =
6 − 3 0
− 4 2 0
Wenn sie gleiche Länge haben, ist
a T · b = X
i a i · b i .
Quadrierte „Länge" eines Vektors (=„Norm"):
X
i
a 2 i = kak 2 = a T · a
k [2 , − 1 , 0] k 2 = [2 , − 1 , 0]
2
− 1
0
= 4 + 1 + 0 = 5
„Matrix mal Spaltenvektor" = Spaltenvektor:
A · b = c
.
2 1
− 1 0
3 1
·
3
− 1
=
5
− 3
8
3A.1
h Einheitsmatrix:
I =
1 0 . . . 0
0 1 . . . 0
... ... ...
0 0 . . . 1
I · A = A
,A · I = A
.3A.1
i Inverse Matrix:
A
quadratisch,B · A = I
Schreibweise:
B = A −1
. Bemerkungen:1.
A · B = I
2.
A
regulär−→ A −1
eindeutig.A
singulär−→ A −1
existiert nicht.3.
B = A −1 = ⇒ A = B −1
4.
( A −1 ) −1 = A
.5. Inverses eines Matrix-Produkts:
( A · B ) −1 = B −1 · A −1
Die Reihenfolge muss also vertauscht werden!
6. Es ist
( A T ) − 1 = ( A − 1 ) T = A −T
.3A.1
j Lineares Gleichungssystem
a 11 β 1 + a 12 β 2 + ... + a 1m β m = y 1 a 21 β 1 + a 22 β 2 + ... + a 2m β m = y 2
. . . ..
a m1 β 1 + a m2 β 2 + ... + a mm β m = y m
A β = y
hat genau eine Lösung, wenn
A
regulär ist:β = A −1 y
3A.1
k Wenn die Matrix
A
singulär ist,dann gibt es eine Zeile
[ a i1 , a i2 , ..., a im ]
,die sich als Linearkombination der andern schreiben lässt.
Die entsprechende Gleichung führt entweder zu einem Widerspruch (keine Lösung) oder ist überflüssig (unendlich viele Lösungen).
Man spricht von linearer Abhängigkeit
der Zeilen der Matrix oder der Gleichungen.
3A.2 Modell und Schätzungen in Matrix-Schreibweise
b
Y i = β 0 + β 1 x (1) i + β 2 x (2) i + . . . + β m x (m) i + E i
Y =
Y 1 Y 2
:
Y n
E =
E 1 E 2
:
E n
c
β =
β 1 β 2
:
β m
X =
x (1) 1 x (2) 1 . . . x (m) 1 x (1) 2 x (2) 2 . . . x (m) 2
... ...
x (1) n x (2) n . . . x (m) n
Y = β 0 1 + X β + E
3A.2 d
X e = [ 1 X ] =
1 x (1) 1 x (2) 1 . . . x (m) 1
1 x (1) 2 x (2) 2 . . . x (m) 2
... ...
1 x (1) n x (2) n . . . x (m) n
β e =
β 0 β
=
β 0 β 1 β 2
:
β m
Y = X e β e + E
3A.2
e Schätzung
R i = Y i − ( β 0 ∗ + X
j
β j ∗ x (j) i )
R = Y − X e β e ∗
Qh β e ∗ i = X
i
R i 2 = R T R
minimieren!
3A.2 f
β b = arg min
β e hQh βii e
∂Qh β e i/∂β j = X
i
∂R 2 i /∂β j = 2 X
i
R i ∂R i /∂β j
∂R i /∂β j = ∂
Y i − ( β 0 + X
j
β j x (j) i )
,
∂β j = −x (j) i
∂Qh β e i/∂β j = − 2 X
i
R i x (j i ) = − 2 ( X e
T R ) j
Ableitungen = 0 !
g
X e
T R = 0 → X e
T ( Y − X e β b ) = 0
X e
T X e β b = X e
T Y
Normal-GleichungenC = X e
T X e
β b = C −1 X e
T Y
h
C
invertierbar oder nicht-singulär (oder regulär oder von vollem Rang)."‘Kollinearität"’