Tutorium: Diskrete Mathematik Steven Köhler
Tutorium: Diskrete Mathematik Steven Köhler
Tutorium: Diskrete Mathematik Steven Köhler
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
2<br />
<strong>Tutorium</strong>: <strong>Diskrete</strong> <strong>Mathematik</strong><br />
<strong>Steven</strong> <strong>Köhler</strong><br />
mathe@stevenkoehler.de<br />
mathe.stevenkoehler.de<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen
Matrizen<br />
Definition I<br />
3<br />
Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen,<br />
mit denen man in bestimmter Weise rechnen kann.<br />
Matrizen sind ein SchlÄusselkonzept der linearen Algebra und<br />
tauchen in vielen Gebieten der <strong>Mathematik</strong> auf. Matrizen stellen<br />
ZusammenhÄange, in denen Linearkombinationen eine Rolle<br />
spielen, Äubersichtlich dar und erleichtern damit Rechen- und<br />
GedankenvorgÄange. Sie werden insbesondere dazu benutzt, lineare<br />
Abbildungen darzustellen und lineare Gleichungssysteme zu<br />
beschreiben.<br />
Matrizen<br />
Definition II<br />
4<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen werden dargestellt durch eine tabellarische Au°istung<br />
der Werte, die durch ein gro¼es Klammerpaar umgeben ist. Die<br />
FormderKlammernistdabeinichtfestvorgegeben,typischsind<br />
aber runde oder eckige Klammern.<br />
0<br />
1<br />
A = (aij) =<br />
A = [aij] =<br />
B<br />
@<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
a11 ::: a1m<br />
.<br />
. ..<br />
an1 ::: anm<br />
2<br />
6<br />
4 .<br />
a11 ::: a1m<br />
. ..<br />
an1 ::: anm<br />
.<br />
.<br />
C<br />
A<br />
3<br />
7<br />
5
Matrizen<br />
Addition von Matrizen<br />
5<br />
Ebenso wie Vektoren werden Matrizen elementweise addiert und<br />
subtrahiert.<br />
2<br />
A + B = 4 a11<br />
3 2<br />
a12 a13<br />
5 + 4 b11<br />
3<br />
b12 b13<br />
5<br />
a21 a22 a23<br />
a31 a32 a33<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
b21 b22 b23<br />
b31 b32 b33<br />
2<br />
= 4 a11<br />
3<br />
+ b11 a12 + b12 a13 + b13<br />
5<br />
a21 + b21 a22 + b22 a23 + b23<br />
a31 + b31 a32 + b32 a33 + b33<br />
Matrizen<br />
Subtraktion von Matrizen<br />
6<br />
Ebenso wie Vektoren werden Matrizen elementweise addiert und<br />
subtrahiert.<br />
2<br />
A ¡ B = 4 a11<br />
3 2<br />
a12 a13<br />
5 ¡ 4 b11<br />
3<br />
b12 b13<br />
5<br />
a21 a22 a23<br />
a31 a32 a33<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
b21 b22 b23<br />
b31 b32 b33<br />
2<br />
= 4 a11<br />
3<br />
¡ b11 a12 ¡ b12 a13 ¡ b13<br />
a21 ¡ b21 a22 ¡ b22 a23 ¡ b235<br />
a31 ¡ b31 a32 ¡ b32 a33 ¡ b33
Matrizen<br />
Skalare Multiplikation<br />
7<br />
Eine Matrix kann mit einen konstanten Faktor ¸ 2 R multipliziert<br />
werden. Den Wert ¸ nennt man ein Skalar.<br />
2<br />
¸A = ¸ ¢ 4 a11<br />
3 2<br />
a12 a13<br />
5 = 4 ¸a11<br />
3<br />
¸a12 ¸a13<br />
5<br />
a21 a22 a23<br />
a31 a32 a33<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Multiplikation von Matrizen I<br />
8<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
¸a21 ¸a22 ¸a23<br />
¸a31 ¸a32 ¸a33<br />
Neben der skalaren Multiplikation gibt es noch eine weitere Multiplikation<br />
fÄur Matrizen. Dabei werden 2 Matrizen miteinander<br />
mutlipliziert. Die folgende Formel zeigt dies exemplarisch fÄur zwei<br />
3 £ 3-Matrizen:<br />
A ¢ B<br />
a11 a12 a13 b11 b12 b13<br />
= a21 a22 a23 ¢ b21 b22 b23<br />
a31 a32 a33 b31 b32 b33<br />
a11b11 + a12b21 + a13b31 a11b12 + a12b22 + a13b32 a11b13 + a12b23 + a13b33<br />
= a21b11 + a22b21 + a23b31 a21b12 + a22b22 + a23b32 a21b13 + a22b23 + a23b33<br />
a31b11 + a32b21 + a33b31 a31b12 + a32b22 + a33b32 a31b13 + a32b23 + a33b33
Matrizen<br />
Multiplikation von Matrizen II<br />
9<br />
Die EintrÄage der Ergebnismatrix C sind o®enbar die Skalarprodukte<br />
der Zeilenvektoren der Matrix A mit den Spaltenvektoren<br />
der Matrix B.<br />
Daraus lÄasst sich leicht eine Aussage Äuber eine essentielle<br />
Voraussetzung der Matrizenmultiplikation tre®en.<br />
Damit man zwei Matrizen multiplizieren kann, mÄussen die<br />
Anzahl der Spalten der ersten Matrix und die Anzahl der Zeilen<br />
der zweiten Matrix Äubereinstimmen.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Multiplikation von Matrizen III<br />
10<br />
Gegeben seien sei Matrizen A 2 R m£n und B = R n£p . Das Produkt<br />
C der beiden Matrizen A und B ist dann eine m£p -Matrix<br />
und lÄasst sich allgemein durch die folgende Formel darstellen:<br />
C = A ¢ B<br />
= £ ¤ £ ¤<br />
aij ¢ bij<br />
= £ ¤<br />
nX<br />
cij mit cij =<br />
k=1<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
aikbkj
Matrizen<br />
Multiplikation von Matrizen IV<br />
11<br />
Aufgabe<br />
Es seien A =<br />
· ¸<br />
1 2<br />
und B =<br />
3 4<br />
Berechne A + B, A ¡ B und A ¢ B.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Multiplikation von Matrizen V<br />
12<br />
LÄosung<br />
Es ergeben sich die folgenden Matrizen:<br />
· ¸<br />
0 7<br />
A + B =<br />
3 7<br />
· ¸<br />
2 ¡3<br />
A ¡ B =<br />
3 1<br />
· ¸<br />
¡1 11<br />
A ¢ B =<br />
¡3 27<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
· ¸<br />
¡1 5<br />
gegeben.<br />
0 3
Matrizen<br />
Falksches Schema I<br />
13<br />
Das Falksche Schema (1951 von Sigurd Falk vorgeschlagen) ist<br />
eine einfache Methode, Matrizenmultiplikation Äubersichtlicher<br />
darzustellen.<br />
Dazu werden die Matrizen A und B sowie deren Produkt<br />
C in eine bestimmte tabellarische Form gebracht, die vor allem<br />
eine optische Hilfe bietet.<br />
Matrizen<br />
Falksches Schema II<br />
14<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Gegeben seien die Matrizen A 2 R3£3 und B 2 R3£3 . Darstellung<br />
der Matrizenmultiplikation mit dem Falkschen Schema:<br />
2<br />
3<br />
b11 b12 b13<br />
4<br />
5 (= B)<br />
2<br />
(A =) 4<br />
a11 a12 a13<br />
a21 a22 a23<br />
a31 a32 a33<br />
3<br />
5<br />
2<br />
4<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
b21 b22 b23<br />
b31 b32 b33<br />
c11 c12 c13<br />
c21 c22 c23<br />
c31 c32 c33<br />
3<br />
5 (= C)<br />
Die Werte fÄur cij berechnen sich wie zuvor durch cij = 3P<br />
aikbkj.<br />
k=1
Matrizen<br />
Aufgaben<br />
15<br />
Aufgabe 1<br />
Gegeben seien die Matrizen<br />
A =<br />
2 0 1<br />
1 0 ¡1<br />
7 6 3<br />
¡1 2 4<br />
;B=<br />
3 2 ¡1<br />
1 0 2<br />
1 1 0<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
;C= 1 2 ¡2 ;D=<br />
2<br />
3<br />
¡2<br />
Entscheide, ob die folgenden Produkte de¯niert sind und berechnen<br />
diese, falls sie existieren: AB, BA, AC, AD, AA, BB, CD,<br />
DC.<br />
Matrizen<br />
Aufgaben<br />
16<br />
Aufgabe 2<br />
Gegeben seien die Matrizen<br />
2<br />
3<br />
6<br />
A = 62<br />
41<br />
4<br />
3<br />
2<br />
5<br />
4<br />
3<br />
3<br />
6<br />
5 7<br />
45<br />
und<br />
2<br />
¡1<br />
6<br />
B = 6 2<br />
4 3<br />
¡2<br />
2<br />
3<br />
3<br />
1<br />
¡3<br />
3<br />
4<br />
4 7<br />
¡35<br />
4 7 7 4<br />
0 1 2 0<br />
:<br />
Berechne das Element, das in AB in der dritten Zeile und zweiten<br />
Spalte steht. Berechne au¼erdem die vierte Spalte von AB.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
:
Matrizen<br />
Aufgaben<br />
17<br />
Aufgabe 3<br />
Entscheide, welche der folgenden Aussagen wahr und welche<br />
falsch sind. BegrÄunde deine Meinung!<br />
a) Die Addition von Matrizen ist nicht assoziativ.<br />
b) Die Multiplikation von Matrizen ist fÄur alle Matrizen kommutativ.<br />
c) Die Multiplikation von Matrizen ist niemals kommutativ.<br />
d) FÄur 2 £ 2 - Matrizen gilt das Distributivgesetz<br />
(A + B) ¢ C = AC + BC:<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Elementare Zeilenumformungen<br />
18<br />
Man darf Matrizen durch elementare Zeilenumformungen in eine<br />
andere Matrix ÄuberfÄuhren. Diese Umformungen sind:<br />
² Vertauschen von zwei Zeilen;<br />
² Multiplikation einer Zeile mit einer von Null verschiedenen<br />
Konstanten;<br />
² Addition eines Vielfachen einer Zeile zu einer anderen Zeile.<br />
Diese Operationen dÄurfen beliebig kombiniert und beliebig oft<br />
wiederholt werden.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Elementare Spaltenumformungen I<br />
19<br />
Ebenso wie durch elementare Zeilenumformungen darf man eine<br />
Matrix durch elementare Spaltenumformungen in eine andere Matrix<br />
ÄuberfÄuhren. Diese Umformungen sind:<br />
² Vertauschen von zwei Spalten;<br />
² Multiplikation einer Spalte mit einer von Null verschiedenen<br />
Konstanten;<br />
² Addition eines Vielfachen einer Spalte zu einer anderen<br />
Spalte.<br />
Diese Operationen dÄurfen ebenfalls beliebig kombiniert und beliebig<br />
oft wiederholt werden.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Elementare Spaltenumformungen II<br />
20<br />
Generell sollten elementare Zeilen- und Spaltenumformungen<br />
nicht vermischt werden, da dies meist mehr Chaos als Nutzen<br />
bringt.<br />
Wir werden uns im Folgenden ausschlie¼lich mit elementaren<br />
Zeilenumformungen beschÄaftigen.<br />
Sollten einmal Umformungen der Spalten notwendig sein,<br />
werden wir die zugehÄorige Matrix zunÄachst transponieren und<br />
anschlie¼end die Zeilen der transponierten Matrix umformen.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Zeilenstufenform I<br />
21<br />
Durch elementare Zeilenumformungen kann man jede Matrix in<br />
die sogenannte Zeilenstufenform bringen. Diese erfÄullt die folgenden<br />
Eigenschaften (vgl. Gramlich):<br />
² Alle Zeilen, die nur Nullen enthalten, stehen in der Matrix<br />
ganz unten.<br />
² Wenn eine Zeile nicht nur aus Nullen besteht, so ist die erste<br />
von Null verschiedene Zahl eine Eins. Sie wird als fÄuhrende<br />
Eins bezeichnet.<br />
² In zwei aufeinanderfolgenden Zeilen, die von Null verschiedene<br />
Elemente besitzen, steht die fÄuhrende Eins in der<br />
unteren Zeile stets weiter rechts als in der oberen Zeile.<br />
Matrizen<br />
Zeilenstufenform II<br />
22<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Besitzt die Matrix Zeilenstufenform und gilt zusÄatzlich noch<br />
² Eine Spalte, die eine fÄuhrende Eins enthÄalt, hat keine weiteren<br />
von Null verschiedenen EintrÄage,<br />
dann liegt die Matrix in reduzierter Zeilenstufenform vor.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Zeilenstufenform III<br />
23<br />
Beispiel<br />
· ¸<br />
2 8<br />
Es sei A = .<br />
3 5<br />
Bringe die Matrix A in Zeilenstufenform!<br />
Matrizen<br />
Zeilenstufenform IV<br />
24<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
ZunÄachst wird die 1. Zeile mit 1<br />
2 multipliziert:<br />
· ¸<br />
1 4<br />
:<br />
3 5<br />
Anschlie¼end wird das (¡3)-fache der 1. Zeile zur 2. Zeile addiert:<br />
· ¸<br />
1 4<br />
:<br />
0 ¡7<br />
Abschlie¼end wird die 2. Zeile mit ¡ 1<br />
7 multipliziert:<br />
· ¸<br />
1 4<br />
:<br />
0 1<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Zeilenstufenform V<br />
25<br />
Aufgabe 4<br />
ÄUberfÄuhre die folgende Matrix in Zeilenstufenform!<br />
2<br />
1<br />
6<br />
62<br />
43<br />
2<br />
1<br />
1<br />
1<br />
¡2<br />
¡3<br />
3<br />
1<br />
0 7<br />
15<br />
1 3 2 1<br />
Matrizen<br />
Einheitsmatrizen I<br />
26<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Als Einheitsmatrix wird die spezielle quadratische Matrix<br />
En 2 R n£n<br />
bezeichnet, deren Hauptdiagonalenelemente 1 sind; alle anderen<br />
EintrÄage sind 0.<br />
2<br />
1<br />
6<br />
60<br />
6<br />
En = 6<br />
6.<br />
40<br />
0<br />
1<br />
.<br />
0<br />
:::<br />
:::<br />
. ..<br />
:::<br />
0<br />
0<br />
.<br />
1<br />
3<br />
0<br />
0 7<br />
. 7<br />
05<br />
0 0 ::: 0 1<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Einheitsmatrizen II<br />
27<br />
Die Einheitsmatrix ist das neutrale Element bezÄuglich der Matrizenmultiplikation,<br />
d.h., fÄur alle Matrizen A (passende Dimensionen<br />
vorausgesetzt) gilt<br />
Matrizen<br />
Diagonalmatrizen<br />
28<br />
A ¢ E = E ¢ A = A:<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Diagonalmatrizen sind spezielle quadratische Matrizen, die<br />
lediglich auf der Hauptdiagonalen von 0 verschiedene Elemente<br />
besitzen:<br />
2<br />
d1<br />
6 0<br />
6<br />
D =<br />
.<br />
6 .<br />
4 0<br />
0<br />
d2<br />
.<br />
.<br />
0<br />
:::<br />
:::<br />
. ..<br />
:::<br />
0<br />
0<br />
.<br />
.<br />
dn¡1<br />
3<br />
0<br />
0 7<br />
. 7<br />
. 7 :<br />
7<br />
0 5<br />
0 0 ::: 0 dn<br />
Die Einheitsmatrizen En sind spezielle Diagonalmatrizen.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Skalarmatrizen I<br />
29<br />
Skalarmatrizen sind spezielle Diagonalmatrizen, besitzen also<br />
ebenfalls nur auf der Hauptdiagonalen von 0 verschiedene Elemente;<br />
zusÄatzlich haben alle Hauptdiagonalenelemente denselben<br />
Wert:<br />
2<br />
¸<br />
6<br />
60<br />
6<br />
S = 6 .<br />
6 .<br />
40<br />
0<br />
¸<br />
.<br />
0<br />
:::<br />
:::<br />
. ..<br />
:::<br />
0<br />
0<br />
.<br />
¸<br />
3<br />
0<br />
0 7<br />
.<br />
7<br />
. 7 :<br />
7<br />
05<br />
0 0 ::: 0 ¸<br />
Matrizen<br />
Skalarmatrizen II<br />
30<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Wie man leicht sieht, ist die Skalarmatrix lediglich ein skalares<br />
Vielfaches der Einheitsmatrix:<br />
2<br />
¸<br />
6<br />
60<br />
6<br />
S = 6 .<br />
6 .<br />
40<br />
0<br />
¸<br />
.<br />
0<br />
:::<br />
:::<br />
. ..<br />
:::<br />
0<br />
0<br />
.<br />
¸<br />
3<br />
0<br />
0 7<br />
.<br />
7<br />
. 7 = ¸ ¢ En:<br />
7<br />
05<br />
0 0 ::: 0 ¸<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Dreiecksmatrizen I<br />
31<br />
Dreiecksmatrizen sind eine weitere spezielle Art von Matrizen.<br />
Sie werden unterschieden in obere und untere Dreiecksmatrizen.<br />
Sie zeichnen sich dadurch aus, dass sie Äuber- bzw. unterhalb<br />
der Hauptdiagonalen nur Nullen besitzen.<br />
Matrizen<br />
Dreiecksmatrizen II<br />
32<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
2<br />
a1<br />
6 0<br />
6<br />
O =<br />
.<br />
6 .<br />
4 0<br />
?<br />
a2<br />
.<br />
.<br />
0<br />
:::<br />
:::<br />
. ..<br />
:::<br />
?<br />
?<br />
.<br />
.<br />
an¡1<br />
3<br />
?<br />
? 7<br />
. 7<br />
. 7<br />
? 5<br />
0 0 ::: 0 an<br />
2<br />
a1<br />
6 ?<br />
6<br />
U = 6 .<br />
4 ?<br />
0<br />
a2<br />
.<br />
?<br />
:::<br />
:::<br />
. ..<br />
:::<br />
0<br />
0<br />
.<br />
an¡1<br />
3<br />
0<br />
0 7<br />
. 7<br />
0 5<br />
? ? ::: ? an<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Transponierte Matrix I<br />
33<br />
Aus einer Matrix A erhÄalt man die transponierte Matrix A T<br />
dadurch, dass man die Zeilen der Matrix A mit den Spalten der<br />
Matrix A vertauscht.<br />
Mit anderen Worten: Die Matrix A wird an der Hauptdiagonalen<br />
" gespiegelt\.<br />
Gegentlich wird die transponierte Matrix auch gestÄurzte Matrix<br />
genannt.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Transponierte Matrix II<br />
34<br />
Es sei A 2 Rn£m gegeben durch:<br />
2<br />
6<br />
A = 4 . .<br />
.<br />
..<br />
a11 ::: a1m<br />
.<br />
an1 ::: anm<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
3<br />
7<br />
5 :<br />
Durch Vertauschen der Zeilen und Spalten erhÄalt man die<br />
transponierte Matrix AT 2 Rm£n :<br />
A T 2<br />
3<br />
a11 ::: an1<br />
6<br />
= 4 . .<br />
.<br />
.. .<br />
7<br />
. 5 :<br />
a1m ::: anm
Matrizen<br />
Symmetrische Matrizen<br />
35<br />
Eine quadratische Matrix A 2 R n£n hei¼t symmetrisch, wenn fÄur<br />
alle i; j 2 N (1 · i · n und 1 · j · n) Folgendes gilt:<br />
aij = aji:<br />
FÄur symmetrische Matrizen gilt au¼erdem<br />
Matrizen<br />
Inverse Matrix I<br />
36<br />
A = A T :<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Eine quadratische Matrix A hei¼t invertierbar, falls es eine Matrix<br />
A ¡1 gibt, fÄur die gilt:<br />
A ¢ A ¡1 = A ¡1 ¢ A = E:<br />
Nicht jede quadratische Matrix ist invertierbar. Falls eine Matrix<br />
invertierbar ist, so ist ihr Inverses allerdings eindeutig bestimmt.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Inverse Matrix II<br />
37<br />
Frage:<br />
Woher wei¼ man, ob eine quadratische Matrix invertierbar<br />
ist oder nicht? Wenn man wei¼, dass eine Matrix invertierbar ist,<br />
wie kann man die inverse Matrix bestimmen?<br />
Matrizen<br />
Inverse Matrix III<br />
38<br />
Antwort:<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Man wendet den Gau¼-Jordan-Algorithmus an.<br />
² Ist die Matrix invertierbar, liefert dieser garantiert die inverse<br />
Matrix.<br />
² Ist die Matrix nicht invertierbar, wird dies durch das Verfahren<br />
zweifelsfrei festgestellt.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Gauß-Jordan-Algorithmus I<br />
39<br />
Der Gau¼-Jordan-Algorithmus besteht aus den folgenden einfachen<br />
Schritten, mit deren Hilfe man die inverse Matrix<br />
bestimmen kann, falls sie existiert.<br />
Vorbereitung<br />
Man erstellt die folgende Blockmatrix:<br />
h<br />
A ¯ i<br />
¯ E :<br />
A ist die zu invertierende Matrix, E ist eine entsprechend dimensionierte<br />
Einheitsmatrix.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Gauß-Jordan-Algorithmus II<br />
40<br />
1. Schritt<br />
Man wÄahlt die erste Spalte, die noch nicht in der richtigen Form<br />
vorliegt (1 auf der Hauptdiagonalen, sonst nur Nullen).<br />
2. Schritt<br />
Ist das Hauptdiagonalenelement der Spalte eine Null, so vertauscht<br />
man die Zeilen der Matrix auf geeignete Art, um ein von<br />
Null verschiedenes Element in die Hauptdiagonale zu bekommen.<br />
3. Schritt<br />
Durch Multiplikation mit einem geeigneten Faktor macht<br />
man das Hauptdiagonalenelement der Spalte zu einer 1.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Gauß-Jordan-Algorithmus III<br />
41<br />
4. Schritt<br />
Durch Addition geeigneter Vielfacher der gerade multiplizierten<br />
ZeilebringtmanalleanderenElementeinderaktuellenSpalte<br />
auf Null.<br />
5. Schritt<br />
Man wiederholt dieses Vorgehen, bis alle Spalten der Matrix A<br />
die richtige Form haben oder bis ein weiteres Umformen nicht<br />
mehr mÄoglich ist.<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Gauß-Jordan-Algorithmus IV<br />
42<br />
Beispiel<br />
2<br />
¡1<br />
Gesucht ist das Inverse der Matrix A = 4 0<br />
2<br />
0<br />
3<br />
0<br />
35.<br />
4<br />
LÄosung<br />
4 1<br />
ZunÄachst stellen wir die entsprechende Blockmatrix auf.<br />
2<br />
¡1<br />
4 0<br />
2<br />
0<br />
0<br />
3<br />
1<br />
0<br />
0<br />
1<br />
3<br />
0<br />
0 5<br />
4 4 1 0 0 1<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Gauß-Jordan-Algorithmus V<br />
43<br />
Zuerst bringen wir das Hauptdiagonalenelement der ersten Spalte<br />
in die richtige Form, indem wir die erste Zeile mit ¡1 multi-<br />
plizieren. 2<br />
4<br />
1 ¡2 0 ¡1 0 0<br />
0 0 3 0 1 0<br />
4 4 1 0 0 1<br />
Um den Rest der ersten Spalte in die richtige Form zu bringen,<br />
addieren wir das (¡4)-fache der ersten Zeile zur dritten Zeile.<br />
2<br />
1<br />
4 0<br />
¡2<br />
0<br />
0<br />
3<br />
¡1<br />
0<br />
0<br />
1<br />
3<br />
0<br />
0 5<br />
0 12 1 4 0 1<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Gauß-Jordan-Algorithmus VI<br />
44<br />
Weiter mit Spalte 2. ZunÄachst vertauschen wir die zweite und<br />
dritte Zeile. 2<br />
1<br />
4 0<br />
¡2<br />
12<br />
0<br />
1<br />
¡1<br />
4<br />
0<br />
0<br />
3<br />
0<br />
1 5<br />
0 0 3 0 1 0<br />
Durch Multiplikation mit 1 bringen wir das Hauptdiagonalenele-<br />
12<br />
ment von Zeile 2 in die richtige Form.<br />
2<br />
1<br />
6<br />
4 0<br />
¡2<br />
1<br />
0<br />
1<br />
12<br />
¡1<br />
4<br />
12<br />
0<br />
0<br />
0<br />
1<br />
12<br />
3<br />
7<br />
5<br />
0 0 3 0 1 0<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
3<br />
5
Matrizen<br />
Gauß-Jordan-Algorithmus VII<br />
45<br />
Durch Addition des doppelten der zweiten Zeile zur ersten Zeile<br />
bringen wir die zweite Spalte in die richtige Form.<br />
2<br />
6<br />
4<br />
1<br />
0<br />
0<br />
1<br />
2<br />
12<br />
1<br />
12<br />
4 ¡ 12<br />
4<br />
12<br />
0<br />
0<br />
2<br />
12<br />
1<br />
12<br />
3<br />
7<br />
5<br />
0 0 3 0 1 0<br />
Weiter mit Spalte 3. Multiplikation der dritten Zeile mit 1<br />
3 ergibt:<br />
2<br />
6<br />
4<br />
1 0 2<br />
12<br />
0 1 1<br />
12<br />
4 2<br />
¡ 0 12 12<br />
4<br />
1<br />
12 0 12<br />
0 0 1 0 1<br />
3<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Gauß-Jordan-Algorithmus VII<br />
46<br />
Addition geeigneter Vielfacher zu den ersten beiden Zeilen bringt<br />
schlie¼lich die dritte Spalte in die richtige Form.<br />
2<br />
1<br />
6<br />
4<br />
0 0 ¡ 1<br />
0 1 0<br />
3<br />
1<br />
3<br />
1 ¡ 18<br />
1 ¡ 36<br />
1<br />
6<br />
1<br />
12<br />
0<br />
3<br />
7<br />
5<br />
0 0 1 0 1<br />
3<br />
Wir haben also die inverse Matrix zu A gefunden.<br />
A ¡1 2<br />
¡<br />
6<br />
= 6<br />
4<br />
1<br />
3<br />
1<br />
3<br />
1 ¡ 18<br />
1 ¡ 36<br />
3<br />
1<br />
6<br />
7<br />
1 7<br />
125<br />
0 0<br />
1<br />
3<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
0<br />
3<br />
7<br />
5
Matrizen<br />
Gauß-Jordan-Algorithmus VIII<br />
47<br />
Ist die Matrix A nicht invertierbar, so lÄasst sie sich mit dem<br />
Gau¼-Jordan-Algorithmus nicht zur Einheitsmatrix E umformen.<br />
Im Gegenzug kann die Matrix A immer genau dann zur<br />
Einheitsmatrix E umgeformt werden, wenn sie invertierbar ist.<br />
Matrizen<br />
Aufgaben<br />
48<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Aufgabe 5<br />
a) Es sei A 2 R3£3 2<br />
1<br />
gegeben durch A = 42 1<br />
1<br />
3<br />
0<br />
15.<br />
2 2 1<br />
Berechne A ¡1 mit Hilfe des Gau¼-Jordan-Algorithmus.<br />
ÄUberprÄufe dein Ergebnis auf Richtigkeit!<br />
b) Zeige, dass die folgende Matrix B 2 R3£3 nicht invertierbar<br />
ist:<br />
2<br />
1<br />
B = 42 ¡2<br />
4<br />
3<br />
3<br />
¡15<br />
:<br />
2 ¡12 13<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>
Matrizen<br />
Aufgaben<br />
49<br />
Aufgabe 6<br />
Zeige anhand der Matrix A =<br />
·<br />
1<br />
3<br />
¸<br />
2<br />
,<br />
7<br />
dass die folgende<br />
Eigenschaft gilt:<br />
¡ T<br />
A ¢¡1 ¡ ¡1<br />
= A ¢ T<br />
:<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong><br />
Matrizen<br />
Anwendungen für Matrizen<br />
50<br />
Matrizen haben eine Vielzahl von Anwendungsgebieten:<br />
² Wachstumsmatrizen<br />
² Populationsmatrizen<br />
² Kosten-Preis-Kalkulationen<br />
² LÄosen von linearen Gleichungssystemen<br />
² Darstellung von linearen Abbildungen<br />
² Anwendungen in der Computergra¯k (Rotation, Translation,<br />
etc.)<br />
© 2012 <strong>Steven</strong> <strong>Köhler</strong>