Sie sind auf Seite 1von 85

Mathematik fr Wirtschaftswissenschaftler

Goethe-Universitt - Frankfurt am Main


Fachbereich Wirtschaftswissenschaften

Wintersemester 2015/16

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

OMAT
Mathematik fr Wirtschaftswissenschaftler

Goethe-Universitt, Frankfurt am Main


Fachbereich Wirtschaftswissenschaften
Abteilung Empirische Wirtschaftsforschung und Internationale
Wirtschaftspolitik
Professur fr Angewandte Stochastik

Dipl.-Kffr. Nora Drmann


Bro 3.256 RuW-Gebude
Email: doermann@wiwi.uni-frankfurt.de
2

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

OMAT
Mathematik fr Wirtschaftswissenschaftler

Team im Wintersemester 2015/16


I

Vorlesungen
Dipl.-Kffr. Nora Drmann
Email: doermann@wiwi.uni-frankfurt.de

bungen

- Dr. Olga Borozdina


Email: borozdina@wiwi.uni-frankfurt.de
- Kevin Rink, M.Sc.
Email: krink@wiwi.uni-frankfurt.de

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

OMAT
Mathematik fr Wirtschaftswissenschaftler

Inhalt der Lehrveranstaltung sind die Schwerpunkte Lineare Algebra,


Folgen und Reihen sowie Differentialrechnung. Dabei werden mathematische Grundlagen erarbeitet und in einem wirtschaftswissenschaftlichen Kontext eingeordnet.
Die Veranstaltung gliedert sich in
I

Vorlesungen
Montags 8.30-10h (HZ1) und freitags 12-14h c.t. (HZ2)

Tutorien
Beginn: zweite Vorlesungswoche

bung (Zusatzangebot)

Der Leistungsnachweis erfolgt bei erfolgreichem Abschluss der


Modulprfung in Form einer Klausur von 120mintiger Dauer.
Weitere Informationen und regelmige Ankndigungen zur
Veranstaltung finden Sie in OLAT.
4

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

Literaturempfehlungen
I Merz, M. und Wthrich, M.: Mathematik fr Wirtschaftswissenschaftler -

Die Einfhrung mit vielen konomischen Beispielen. Vahlen.


I Merz, M.: bungsbuch zur Mathematik fr Wirtschaftswissenschaftler.

Vahlen.
I Ohse, D.: Mathematik fr Wirtschaftswissenschaftler II - Lineare

Algebra. Verlag Vahlen, 5. Auflage.


I Opitz, O. und Klein, R.: Mathematik - Lehrbuch fr das Studium der

Wirtschaftswissenschaften. De Gruyter Oldenbourg, 11. Auflage.


I Opitz, O., Klein, R. und Burkart, W. R.: Mathematik - bungsbuch fr

das Studium der Wirtschaftswissenschaften. De Gruyter Oldenbourg, 8.


Auflage.
I Sydster, K. und Hammond, P. mit Strm, A.: Mathematik fr

Wirtschaftswissenschaftler - Basiswissen mit Praxisbezug. Pearson, 4.


Auflage. (bzw. Essential Mathematics for Economic Analysis, Prentice
Hall, 4. Auflage.)
Sekundrliteratur:
I Bker, F.: Formelsammlung fr Wirtschaftswissenschaftler - Mathematik

und Statistik. Pearson.


5

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

Mathematik-Vorkurs
Online-Mathematik-Brckenkurs

Zustzlich zum Mathematik-Vorkurs vor Semesterbeginn


weisen wir noch auf ein weiteres Angebot der GoetheUniversitt hin:
Online-Mathematik-Brckenkurs (OMB)
www.omb.uni-frankfurt.de
In diesem Online-Kurs kann Gelerntes wiederholt, Wissenslcken geschlossen und Kenntnisse berprft werden. Der
Kurs ist kostenlos.
Die Betreuung erfolgt ber Online-Tutoren.

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

I Lineare Algebra
Inhalt

1. Matrizen
2. Lineare Gleichungssysteme
3. Vektoren
4. Inversen

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.Matrizen
Inhalt

1.1 Grundbegriffe
1.2 Matrizenoperationen
1.3 Ausblick

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.1 Grundbegriffe
Matrix

Ein rechteckiges Zahlenschema der Form

A=

a11
a21
..
.

a12
a22
..
.

...
...
..
.

a1n
a2n
..
.

am1

am2

...

amn

von Zahlen aij R in i = 1, . . . , m Zeilen und j = 1, . . . , n


Spalten heit Matrix der Ordnung m n.
aij bezeichnet dabei das Element der i-ten Zeile und j-ten
Spalte.
Notationen:
A = aij
9


mn


A = aij ,

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

A = aij


m,n

1.1 Grundbegriffe
Transponierte Matrix

Die transponierte Matrix der m n-Matrix A ist die n m-Matrix A0 ,


wobei die Spalten der transponierten Matrix den Zeilen der ursprnglichen Matrix und umgekehrt entsprechen.

A=

a11
a21
..
.
am1

a12
a22
..
.
am2

...
...
..
.
...

Weitere Notationen:

a1n
a2n
..
.
amn

= A0 =

a11
a12
..
.
a1n

a21
a22
..
.
a2n

...
...
..
.
...

am1
am2
..
.
amn

A0 = (aij ) = AT

Wichtige Eigenschaften:

10

Die Hauptdiagonalen einer Matrix und der dazugehrigen transponierten Matrix sind identisch.

Wird eine bereits transponierte Matrix erneut transponiert, erhlt


man die Ausgangsmatrix. Folglich gilt:
T
AT = A

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.1 Grundbegriffe
Nullmatrix

Eine m n-Matrix, deren Elemente alle gleich Null sind, heit


Nullmatrix 0.
Die Nullmatrix besitzt somit die Form:

0mn =

11

0 0 ... 0
0 0 ... 0

.. .. . . ..
. .
. .
0 0 ... 0

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.1 Grundbegriffe
Quadratische Matrix - Symmetrische Matrix

Besitzt die Matrix A dieselbe Anzahl Zeilen wie Spalten, dann


heit sie quadratische Matrix:

a11 . . . a1n


..
..
= ...
A = aij
.
.
nn

an1 . . . ann
Eine quadratische Matrix ist zudem symmetrisch, falls gilt
A = AT .
Fr alle Indizes i, j einer symmetrischen Matrix gilt aij = aji .

12

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.1 Grundbegriffe
Einheitsmatrix

Die quadratische Matrix, deren Hauptdiagonalenelemente alle


Eins und deren andere Elemente alle gleich Null sind, heit
Einheitsmatrix In .
Die Einheitsmatrix besitzt somit die Form:

1 0 ... 0
0 1 ... 0

In = . . .
.
.. .. . . ..
0 0 ... 1

13

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.1 Grundbegriffe
Diagonalmatrix

Eine quadratische Matrix heit Diagonalmatrix, wenn alle


Elemente auerhalb der Hauptdiagonalen Null sind. Die
Elemente der Hauptdiagonalen nehmen beliebige Zahlen an.
Alternative Notation:

14

diag (a11 , a22 , . . . , ann )

Obere Dreiecksmatrix
Alle Elemente einer quadratischen Matrix sind unterhalb
der Hauptdiagonalen gleich Null: aij = 0, falls i > j.

Untere Dreiecksmatrix
Alle Elemente einer quadratischen Matrix sind oberhalb
der Hauptdiagonalen gleich Null: aij = 0, falls i < j.

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.1 Grundbegriffe
Spalten- und Zeilenvektoren

Eine Matrix x der Ordnung m 1 heit Spaltenvektor mit m


Komponenten, wobei xi die i-te Komponente des Vektors ist:

x =

x1
x2
..
.

T
= (x1 , x2 , . . . , xm )

xm

Folglich heit eine Matrix y der Ordnung 1 n Zeilenvektor mit


n Komponenten:

y = (y1 , y2 , . . . , yn ) =

y1
y2
..
.
yn

15

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.1 Grundbegriffe
Rn , Null- und Einheitsvektor

Der Spaltenvektor x = (x1 , x2 , . . . , xn )T bzw. der Zeilenvektor


y = (y1 , y2 , . . . , yn ) entspricht graphisch einem Punkt in Rn .
Rn ist die Menge aller Spalten- bzw. Zeilenvektoren mit n
Komponenten und wird n-dimensionaler Euklidscher Raum
genannt. Der Ursprung des Rn ist der Nullvektor.
Ein Vektor, dessen i-te Komponente gleich Eins ist und alle
anderen gleich Null sind, heit Einheitsvektor ei :

e1 =

1
0
..
.

, e2 =

0
1
..
.

, . . ., en =

Im Rn existieren insgesamt n Einheitsvektoren.


16

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

0
0
..
.
1

1.2 Matrizenoperationen
Gleichheit von Matrizen



Es seien A = aij und B = bij Matrizen derselben Ordnung
m n.
A und B heien gleich, wenn
aij = bij
fr alle i = 1, . . . , m und j = 1, . . . , n gilt.
Gleiche Matrizen besitzen die gleiche Ordnung.
Alle entsprechenden Elemente sind gleich.

17

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Weitere Relationen fr Matrizen



Es seien A = aij und B = bij Matrizen der Ordnung m n.
Dann gilt:
I

A = B, wenn fr alle i = 1, . . . , m und j = 1, . . . , n aij = bij ;

A 6= B, wenn fr mindestens ein Indexpaar (i, j) aij 6= bij ;

A B, wenn fr alle Indexpaare (i, j) aij bij ;

A < B, wenn fr alle Indexpaare (i, j) aij < bij .

Analog werden A B und A > B definiert.

18

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Addition von zwei Matrizen



Es seien A = aij und B = bij Matrizen derselben Ordnung
m n. Ihre Summe entspricht der Addition der entsprechenden
Elemente.

A + B = aij + bij

a11 + b11
a21 + b21
..
.

a12 + b12
a22 + b22
..
.

...
...
..
.

a1n + b1n
a2n + b2n
..
.

am1 + bm1 am2 + bm2 . . . amn + bmn


Die resultierende Matrix besitzt ebenso die Ordnung m n.

19

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Subtraktion von Matrizen



Es seien A = aij und B = bij Matrizen derselben Ordnung
m n. Ihre Differenz ist definiert als:
AB

(aij bij )

a11 b11
a21 b21
..
.

a12 b12
a22 b22
..
.

...
...
..
.

a1n b1n
a2n b2n
..
.

am1 bm1

am2 bm2

...

amn bmn

Die resultierende Matrix besitzt die Ordnung m n.


Weiterhin gilt:

20

Amn Amn = 0mn

(A + B)T = AT + B T

(A B)T = AT B T

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Multiplikation mit einer reellen Zahl

Es sei A eine Matrix der Ordnung m n und R.


Das Produkt aus der reellen Zahl und der Matrix A ist
definiert durch:

A = aij mn

a11
a21
..
.

a12
a22
..
.

...
...
..
.

a1n
a2n
..
.

am1 am2 . . . amn


Es gilt:
A = (1) A

21

bzw.

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

A B = A + (1) B

OMAT

1.2 Matrizenoperationen
Rechenregeln

Fr die m n - Matrizen A, B und C sowie , R gelten


folgende Rechenregeln:
I

Kommutativgesetz: A + B = B + A

Assoziativgesetz: (A + B) + C = A + (B + C)

A+0=A

A + (A) = 0

Sowie:
I

Kommutativgesetz: A = A

Assoziativgesetz: ( A) = ( ) A

Distributivgesetze:
I
I

22

( + ) A = A + A
(A + B) = A + B

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Rechenregeln fr Punkte des Rn

Es seien x = (x1 , . . . , xn ) und y = (y1 , . . . , yn ) Punkte des Rn .


I

Die Punkte werden elementweise addiert:


x + y = (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )

Die Berechnung ihrer Differenz erfolgt entsprechend:


x y = (x1 , . . . , xn ) (y1 , . . . , yn ) = (x1 y1 , . . . , xn yn )

Das Produkt mit R ist definiert als:


x = ( x1 , . . . , xn ).

23

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Skalarprodukt

Das "Innere Produkt" oder Skalarprodukt der Spaltenvektoren


a = (a1 , . . . , an )T und b = (b1 , . . . , bn )T ist definiert als:
aT b =

n
X

ai bi

i=1

Weiterhin seien a, b und c Vektoren des Rn und R ein


Skalar. Es gelten dann folgende Rechenregeln:

aT b = b T a


aT b = aT ( b) = aT b

aT (b + c) = aT b + aT c

24

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Matrizenmultiplikation
Es sei A eine m p-Matrix und B eine p n-Matrix. Dann gilt:
AB

Amp Bpn

a11
..
.
am1

...
..
.
...


a1p
b11
.. ..

.
.
amp
bp1

a11 b11 + . . . + a1p bp1

..

.
am1 b11 + . . . + amp bp1

p
P

k =1

..

p .
P
amk bk 1
k =1

25

a1k bk 1

...
..

...

...
..
.
...
...
..
.
......

p
P

a1k bkn
k =1

..

P
amk bkn
k =1

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

b1n
..
.
bpn

a11 b1n + . . . + a1p bpn

..

.
am1 b1n + . . . + amp bpn

1.2 Matrizenoperationen
Matrizenmultiplikation

Notation:
A B = (aik )mp bkj

=

p
P


pn


aik bkj

k =1

mn

Wichtig:
Entspricht die Spaltenanzahl der Matrix A nicht der Zeilenanzahl der Matrix B, ist das Matrizenprodukt AB nicht definiert.

26

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Matrizenmultiplikation - Diagonalmatrix

Es sei A eine quadratische Matrix und D eine n n Diagonalmatrix der Form

d
.
D = ..
0

...
..
.
...

0
.. .
.
d

Ihr Produkt ergibt zum einen....

AD

a11
.
..
an1

27

a11 d
.
..
an1 d

Ad

...
..
.
...
...
..
.
...

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften


a1n
..
.
ann

a1n d
..
.
ann d

OMAT

d
..
.
0

...
..
.
...

0
..
.
d

1.2 Matrizenoperationen
Matrizenmultiplikation - Diagonalmatrix

...und zum anderen:

DA

d
.
..
0

...
..
.
...

da11
.
..
dan1

dA


0
..
.
d
...
..
.
...

a11
..
.
an1

...
..
.
...

a1n
..
.
ann

da1n

..

.
dann

Fr D = I gilt entsprechend
AI = A = IA
Weiterhin existiert das Produkt A A = A2 immer dann, wenn A
eine quadratische Matrix ist.
28

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Matrizenmultiplikation - Vektoren
Es sei A eine m n-Matrix und b ein Spaltenvektor der Ordnung n.

Ab

a11
.
..
am1

a1n
b1
.. ..
. .
amn
bn

...
..
.
...

a11 b1 + . . . + a1n bn

..

.
am1 b1 + . . . + amn bn

P
n
a1j bj
j=1

..

n
P
amj bj

j=1

Das Ergebnis der Multiplikation ist ein Spaltenvektor des Rm .


29

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Matrizenmultiplikation - Vektoren

Es sei A eine Matrix der Ordnung m n und b ein Zeilenvektor


der Ordnung m.

bA

a1n
..
.
amn

a11
..
(b1 , . . . , bm ) .
am1

(b1 a11 + . . . + bm am1 , . . . , b1 a1n + . . . + bm amn )

m
P
i=1

bi ai1 , . . . ,

m
P

...
..
.
...


bi ain

i=1

Das Ergebnis der Multiplikation ist ein Zeilenvektor des Rn .

30

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.2 Matrizenoperationen
Matrizenmultiplikation - Vektoren

Es seien a und b Spaltenvektoren des Rn .


Dann gilt als Skalarprodukt von a und b:

a b = (a1 , . . . , an )

b1
..
.
bn

n
X

ai bi

i=1

Weiterhin ist abT definiert als:

a1
a1 b1
.
.
T
ab = .. (b1 , . . . , bn ) = ..
an b1
an

...
..
.
...

Die Produkte ab und aT bT sind nicht definiert.


31

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

a1 bn
..
.
an bn

1.2 Matrizenoperationen
Matrizenmultiplikation - Rechenregeln

Unter der Voraussetzung, dass alle Produkte definiert sind, gilt


fr die Matrizen A, B und C:
I

Assoziativgesetz: (AB) C = A (BC)

Linksseitiges Distributivgesetz: A (B + C) = AB + AC

Rechtsseitiges Distributivgesetz: (A + B) C = AC + BC

Wichtig! Im Allgemeinen gilt nicht:


A B 6= B A
A (B + C) 6= (B + C) A

32

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1.3 Ausblick
Die Sraffa-Gleichung (mikrokonomisches Totalmodell)

Ap (1 + r ) + wl = p
I

Ann : Inputmatrix als Abbildung technischer Produktionsbeziehungen.

pn1 : Produktionspreisvektor fr n Gter unter der


Annahme, dass Input- und Outpreis gleich sind.

(1 + r ): Skalar fr die uniforme Profitrate (Wird mehr als


zur Reproduktion ntig produziert, dann (1 + r ) > 1)

w: Skalar fr die uniforme Lohnrate (Arbeit homogen)

I ln1 :

Vektor fr die direkte Arbeit, die in die Produktion der


Ware "i" eingeht.

33

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2. Lineare Gleichungssysteme
Inhalt

2.1 Lineare Gleichungssysteme


2.2 Lsen von linearen Gleichungssystemen
2.3 Grundbegriffe der linearen Algebra
2.4 Rang einer Matrix
2.5 Kriterien fr die Lsbarkeit von LGS
2.6 Ausblick

34

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.1 Lineare Gleichungssysteme


Allgemeine lineare Gleichung

Die allgemeine lineare Gleichung ist definiert als


n
P

ai xi = b.

i=1

Dabei bezeichnen ai , i = 1, . . . , n, Koeffizienten und xi ,


i = 1, . . . , n, Variablen. b sei die rechte Seite der Gleichung.
Mithilfe der Vektorschreibweise wird diese dargestellt als:
aT x = b,
wobei aT = (a1 , . . . , an ) und x T = (x1 . . . , xn ).
Existiert eine Lsung zur allgemeinen linearen Gleichung, dann
handelt es sich dabei um einen (n 1)-dimensionalen Unterraum des Rn .
35

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.1 Lineare Gleichungssysteme


Lineare Gleichungssysteme

Ein lineares Gleichungssystem aus m linearen Gleichungen mit


n Variablen der Form:
a11 x1
a21 x1
..
.

+
+

a12 x2
a22 x2
..
.

+
+

...
...
..
.

+
+

a1n xn
a2n xn
..
.

= b1
= b2
..
.

am1 x1

am2 x2

...

amn xn

= bm

kann zusammengefasst werden zu:


Ax = b
Fr b = 0 heit das lineare Gleichungssystem homogen,
andernfalls inhomogen.

36

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.1 Lineare Gleichungssysteme


Erweiterte Matrix

Werden die m n - Matrix A und der Spaltenvektor b eines


linearen Gleichungssystems zu einer m (n + 1) - Matrix
zusammengefasst, spricht man von einer erweiterten Matrix:

a11 . . . a1n b1

..
..
..
(A | b) = ...
.
.
.
am1 . . . amn bm
Die erweiterte Matrix (A | b) enthlt alle Informationen des
linearen Gleichungssystems Ax = b.

37

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Lsungsverfahren

Gngige Methoden zur Bestimmung der Lsung von linearen


Gleichungssystemen sind das Einsetzungs-, Gleichsetzungs-,
Subtraktions- oder Eliminationsverfahren.
Bei letzterem wird das lineare Gleichungssystem in Form der erweiterten Matrix durch quivalenzumformungen so umgestellt, dass
seine Lsung direkt ablesbar ist.
quivalenzumformungen sind:
I

Vertauschen von Zeilen;

Ersetzen einer Zeile durch die Summe aus dieser und einer
anderen Zeile;

Multiplikation einer Zeile mit einer reellen Zahl ungleich Null.

quivalenzumformungen wirken sich nicht auf die Lsungsmenge


aus:




|b
= L (A | b) = L A
|b
.
(A | b) A
38

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Numerisches Beispiel

Beim Gau-Algorithmus wird mithilfe systematischer Eliminierung von Variablen und anschlieender Substitution die
Lsungsmenge eines linearen Gleichungssystems bestimmt.
Beispiel:

39

1x1 + 1x2 + 1x3 =

II

2x1 + 1x2 + 4x3 = 10

III

3x1 + 6x2 + 6x3 =

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Numerisches Beispiel - Eliminationsphase

i) Es wird eine Gleichung ausgewhlt und nach einer ihrer


Variablen aufgelst.
Hier:
Die Variable x1 wird in Gleichung I isoliert. Dazu wird die
gesamte Zeile durch den Koeffizienten der Variablen dividiert.
I

1x1 + 1x2 + 1x3 = 5

I heit nun Pivotgleichung. x1 wird Pivotvariable genannt.

40

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Numerisches Beispiel - Eliminationsphase

ii) Mithilfe von I wird die Pivotvariable aus den anderen


Gleichungen, die noch keine Pivotgleichungen gewesen sind,
eliminiert.
Die Pivotgleichung wird zur jeweiligen Gleichung entsprechend
hufig addiert bzw. subtrahiert. Die Pivotiteration fhrt zu:
I

1x1 + 1x2 + 1x3 =

II 0

1x2 + 2x3 =

III 0

II 2I

3x2 + 3x3 = 9 III 3I

Es stehen noch weitere Pivotelemente bzw. Pivotgleichungen


zur Wahl. i) wird erneut ausgefhrt.
41

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Numerisches Beispiel - Eliminationsphase

i) Die Variable x2 in II 0 wird isoliert. Die Zeile wird dafr durch


den Wert (1) dividiert.
II : 1x2 2x3 = 0
Anwendung der Pivotiteration ii) auf Gleichungen, die noch
keine Pivotgleichungen gewesen sind, fhrt zu:
I

1x1 + 1x2 + 1x3 =

II

1x2 2x3 =

III 00

9x3 = 9 III 0 3II

Es steht noch ein weiteres Pivotelement bzw. eine weitere


Pivotgleichung zur Wahl. i) wird erneut ausgefhrt.
42

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Numerisches Beispiel - Eliminationsphase

i) Die Variable x3 in III 00 wird isoliert. Die Zeile wird dafr


durch den Wert 9 dividiert.
III :

1x3 = 1

Da alle Gleichungen Pivotgleichungen gewesen sind, wird i)


nicht erneut ausgefhrt.
Die Eliminationsphase ist nach drei Iterationen abgeschlossen:
I
II
III

1x1 + 1x2 + 1x3 = 5


1x2 2x3 = 0
1x3 = 1

Das lineare Gleichungssystem ist in eine sogenannte


Dreiecksform berfhrt worden.
43

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Numerisches Beispiel
Das transformierte LGS wird noch umgeformt. Die letzte Gleichung

entspricht dabei der Gleichung III.


I
II

III

x1

x2
x2

x3
2x3
x3

=
=
=

5
0
1

in II eingesetzt und nach x2 freigestellt, fhrt zu II:

III
I

II

III

x1

x2
x2

x3

=
=
=

x3

5
2
1

und II
in I eingesetzt und nach x1 freigestellt, fhrt zu I:
III
I

II

III

44

x1
x2

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

x3

OMAT

=
=
=

8
2
1

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Numerisches Beispiel - Ablesen der Lsung

Das lineare Gleichungssystem besitzt die Lsung


x1 = 8, x2 = 2 und x3 = 1.

Das lineare Gleichungssystem mit den Gleichungen I, II und III


ist quivalent zu jenem mit den Gleichungen I, II und III.
Verallgemeinerung der Rechenschritte dieses numerischen
Beispiels fhrt zum allgemeinen Gau-Algorithmus.
Dazu werden die einzelnen Rechendarstellungen schematisiert
und die Auswahlkriterien zur Wahl der Pivotgleichung und des
Pivotelements beschrieben.

45

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Verallgemeinerung

Durch quivalenzumformungen wird ein LGS der Form


Ax = b
nur in den Koeffizienten von A und in b verndert. Die
Anordnung der Zeilen und Variablen bleibt erhalten.
Die Darstellung wird mit einem Rechentableau vereinfacht:
x1
a11
a21
..
.

x2
a12
a22
..
.

...
...
...
..
.

xn
a1n
a2n
..
.

b
b1
b2
..
.

am1 am2 . . . amn bm

46

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Verallgemeinerung

Schritt 1: Pivotzeile
Es wird eine Zeile als Pivotzeile gewhlt. Fr jede Iteration wird eine
andere Zeile ausgesucht. Jede Zeile darf nur einmal Pivotzeile sein.
Schritt 2: Pivotspalte
In der Pivotzeile wird ein Element ungleich Null als Pivotelement
gewhlt. Die entsprechende Spalte wird dabei einmalig Pivotspalte.
Schritt 3: Pivotiteration
Die Pivotzeile wird durch den Wert des Pivotelements dividiert. Die
Elimination der Pivotvariablen in den brigen Zeilen, die bisher nicht
Pivotzeile gewesen sind, erfolgt nach dem bisherigen Additions- bzw.
Subtraktionsschema.
Schritt 4:
Die Lsung wird durch sukzessives Einsetzen der Variablenwerte in
umgekehrter Reihenfolge zum Eliminationsprozess berechnet.
47

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Vollstndige Elimination

Fhrt man das Eliminieren der Pivotvariablen fr alle Zeilen


auer der Pivotzeile aus, wird die Pivotspalte gleichzeitig in
einen Einheitsvektor transformiert.
Nach m Iterationen steht auf der linken Seite die Einheitsmatrix.
Dazu muss entlang der Hauptdiagonalen pivotiert werden.
Das entsprechende Gleichungssystem hat die Form

E x = b.
Die Lsung x = b ist sofort ablesbar.

48

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.2 Lsen von linearen Gleichungssystemen


Gau-Algorithmus: Vollstndige Elimination
Schritt 1: Wahl der Pivotzeile r
Aus den freien Zeilen wird eine beliebige Pivotzeile r gewhlt. Wurden alle Zeilen

bereits als Pivotzeile gewhlt, ist die Rechnung beendet und die Lsung lautet: x = b
Schritt 2: Wahl der Pivotspalte s
In der Pivotzeile r wird ein Pivotelement ars 6= 0 gewhlt. Falls fr alle j arj = 0 und
br 6= 0 gilt, sind keine weiteren Rechnungen ntig. Das LGS ist widersprchlich.
Schritt 3: Pivotoperation
arj
r = br .
fr freie Spalten j und b
ars
ars
In der Pivotspalte werden alle Elemente abgesehen vom Pivotelement Null
gesetzt.

I Die Pivotzeile r wird umgerechnet mit a


rj =

I Fr alle Zeilen i 6= r wird gerechnet:


a a
i = bi ais br
ij = aij is rj fr alle freien Spalten j und b
a
ars
ars
Die Zeile r und die Spalte s werden fr das weitere Vorgehen gesperrt. Weiter
mit Schritt 1.
49

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.3 Grundbegriffe der linearen Algebra


Linearkombination und Lineares Erzeugnis

Zur Analyse auch von widersprchlichen und mehrdeutigen


LGS werden Begriffe der Linearen Algebra zu Vektoren und
Vektorrumen herangezogen.
Gegeben sei eine Vektorenmenge {a1 , a2 , . . . , an }. Ein Vektor
der Form
n
P

i ai

i=1

mit den Linearfaktoren 1 , . . . , n R wird als Linearkombination der Vektoren a1 , a2 , . . . , an bezeichnet.


Die Menge aller Linearkombinationen einer gegebenen
Vektorenmenge M mit M = {a1 , . . . , an } wird auch Lineare
Hlle oder Lineares Erzeugnis genannt.
Notation: E (M)
50

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.3 Grundbegriffe der linearen Algebra


Linearkombination und Lineares Erzeugnis

Entspricht die Menge der Vektoren der Menge der Einheitsvektoren, gilt:
E (e1 , . . . , en ) = Rn
Allgemein gilt fr einen Vektor a Rn :
E (a) = { a, R}
Das Erzeugnis ist somit die Menge aller Vielfachen des Vektors.
Geometrisch entspricht dieses einer Geraden durch den Ursprung eines Koordinatensystems.

51

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.3 Grundbegriffe der linearen Algebra


Linearer Unterraum

Gegeben seien x und y als Vektoren in Rn und E (a1 , . . . , ak ).


Mit den Linearfaktoren 1 , . . . , k R und 1 , . . . , k R gelte:
x=

k
P

i ai

y=

i=1

Weiterhin folgt:

x +y =

k
P

i ai

i=1
k
P

(i + i ) ai

i=1

Die Summe der Vektoren x und y ist somit eine Linearkombination der Vektoren a1 , . . . , ak , die in E (a1 , . . . , ak ) liegt.
Fr x, R gilt:

x =

k
P

i ai

i=1

Das Produkt x ist ensprechend eine Linearkombination der


Vektoren a1 , . . . , ak und liegt ebenso in E (a1 . . . , ak ).
52

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.3 Grundbegriffe der linearen Algebra


Linearer Unterraum

Weiterhin gilt:
Sind a1 , . . . , ak Vektoren des Rn , so ist das Erzeugnis
E (a1 , . . . , ak ) ein Unterraum des Rn .
Ein Unterraum des Rn ist eine nichtleere Teilmenge U des Rn
mit den Eigenschaften:

53

Befinden sich die Vektoren x und y in U, dann liegt ihre


Summe auch in U.

Befindet sich der Vektor x in U, dann liegt das Produkt aus


x und einer reellen Zahl auch in U.

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.3 Grundbegriffe der linearen Algebra


Linearer Unterraum

Addition und Multiplikation mit einer reellen Zahl fhren nicht


aus einem Unterraum heraus.
Ein Unterraum ist bezglich Vektoraddition und Multiplikation
mit einer reellen Zahl abgeschlossen.
Jeder Unterraum enthlt logischerweise den Koordinatenursprung.
Unterrume werden als trivial bezeichnet, wenn sie entweder
Rn entsprechen oder ausschlielich aus dem Nullvektor
bestehen.

54

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.3 Grundbegriffe der linearen Algebra


Lineare Unabhngigkeit

Eine nichtleere Menge a1 , . . . , ak von Vektoren heit linear


unabhngig, wenn
k
P

i ai = 0

i=1

nur fr die Linearfaktoren 1 , 2 , . . . , k = 0 gltig ist. (Es wird


gefordert, dass 1 , 2 , . . . , k = 0 die einzige Lsung zu dieser
Gleichung ist.)
Die Umkehrung der Linearen Unabhngigkeit kann als Lineare
Abhngigkeit definiert werden:
Eine Vektorenmenge heit linear abhngig, wenn sie nicht
linear unabhngig ist.

55

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.3 Grundbegriffe der linearen Algebra


Basis und Dimension

Gegeben sei U als ein Unterraum des Rn . Eine Vektorenmenge


{a1 , . . . , ak } heit dann Basis des Unterraums U, wenn
I

{a1 , . . . , ak } linear unabhngig ist und

E (a1 , . . . , ak ) dem Unterraum U entspricht.

Jeder Unterraum U des Rn hat eine Basis. Zudem besitzen alle


Basen eines Unterraums dieselbe Anzahl von Vektoren.
Die Anzahl der Vektoren, die eine Basis enthlt, entspricht
auch der Kenngre Dimension und wird definiert als:
U sei ein Unterraum des Rn . Die Anzahl k der Elemente einer
Basis heit Dimension des Unterraums.
Notation: dim U = k

56

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.4 Rang einer Matrix


Maximale Anzahl linear unabhngiger Spalten

Gegeben sei eine m n-Matrix A:

a11 . . .
..
..
A= .
.
am1

a1n
..
.
. . . amn

Die Zusammenfassung der Spaltenvektoren von A wird


dargestellt als
A = (a1 , . . . , an ),
wobei ai , i = 1, . . . , n, die i-te Spalte der Matrix A sei.
Die maximale Anzahl der linear unabhngigen Spalten von A
ist definiert als Rang der Matrix A.
Notation: Rg A
57

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.4 Rang einer Matrix


Einheitsmatrix und Nullmatrix

Gegeben sei die Einheitsmatrix:

In =

1
0
..
.
0

0
1
..
.
0

...
...
..
.
...

0
0
..
.
1

Da ihre n Spalten linear unabhngig sind, besitzt die Einheitsmatrix den Rang n: Rg In = n
Entsprechend besitzt die Nullmatrix 0mn

0mn

= ...
0

...
..
.
...

den Rang Rg 0 = 0.
58

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

0
..
.
0

2.4 Rang einer Matrix


Maximale Anzahl linear unabhngiger Zeilen

Die berlegungen zur maximalen Anzahl linear unabhngiger


Spalten knnen auf die maximale Anzahl linear unabhngiger
Zeilen bertragen werden.
Fr die maximale Anzahl linear unabhngiger Zeilen einer
Matrix wird die transponierte Matrix AT zur Matrix A betrachtet.
Es gilt:
Rg A = Rg AT ,
wobei
Rg A min {m, n}.
Fr den Fall Rg A = min {m, n} besitzt die Matrix A den
maximal mglichen oder vollen Rang.
59

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.4 Rang einer Matrix


Alternative Rechenmethode

Alternativ wird der Rang einer Matrix Amn berechnet, indem


man die Koeffizientenmatrix als LGS ohne rechte Seite
behandelt und durch quivalenzumformungen weitgehend in
eine Dreiecksform berfhrt.
Sind alle Zeilen bzw. Spalten einer Matrix linear unabhngig,
besitzt die Matrix A den vollen Rang.
Sind Zeilen bzw. Spalten linear abhngig, endet der Rechenprozess nach k < min {m, n}-Schritten. Die freien Zeilen enthalten dann ausschlielich Nullen.
Der Rang der Matrix ist somit Rg A = k . Alternativ knnen
keine weitere Pivotelemente gewhlt werden, da m < n.

60

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.5 Kriterien fr die Lsbarkeit von LGS


Homogene lineare Gleichungssysteme

Homogene LGS sind definiert als Ax = 0, wobei A eine m nKoeffizientenmatrix ist und die rechte Seite aus dem Nullvektor
des Rm besteht. Die Lsung eines homogenen LGS entspricht
L ((A | 0)) = {x Rn : Ax = 0}
und ist ein Unterraum des Rn .
Die Bestimmung der Dimension des Lsungsraums erfolgt ber
die Dimensionsformel:
n = Rg A + dim L ((A | 0))
Umstellen der Gleichung fhrt zu:
dim L ((A | 0)) = n Rg A

61

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.5 Kriterien fr die Lsbarkeit von LGS


Homogene lineare Gleichungssysteme

Ein homogenes lineares Gleichungssystem ist eindeutig lsbar


ist, wenn der Nullvektor des Rn die einzige Lsung dazu ist:
L ((A | 0)) = {0}
Die Dimension des Lsungsraums entspricht wegen Rg A = n
dim L ((A | 0)) = 0.
(Die Spalten der Matrix A sind logischerweise linear
unabhngig.)

62

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.5 Kriterien fr die Lsbarkeit von LGS


Inhomogene lineare Gleichungssysteme

Fr den Fall, dass inhomogene lineare Gleichungssysteme


Ax = b
lsbar sind, wird nun berprft, unter welchen Bedingungen die
Lsung eindeutig ist.
Die linke Seite des linearen Gleichungssystems lsst sich
zunchst umschreiben zu:
Ax = a1 x1 + . . . + an xn
a1 , . . . , an seien dabei die Spalten der Matrix A.
Die rechte Seite b ist dann eine Linearkombination der Spalten
von A. Dies impliziert, dass bei Lsbarkeit der Rang von A dem
Rang der erweiterten Matrix (A | b) entspricht.
63

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.5 Kriterien fr die Lsbarkeit von LGS


Inhomogene lineare Gleichungssysteme

Das inhomogene lineare Gleichungssystem besitzt genau dann


mindestens eine Lsung, wenn der Rang der erweiterten
Matrix (A | b) dem Rang der Matrix A entspricht:
L ((A | b)) 6= {} Rg A = Rg (A | b)
Sofern eine Lsung existiert, ist diese zudem eindeutig, wenn
die Lsung des zugehrigen homogenen Gleichungssystems
eindeutig ist. Dies ist fr Rg A = n der Fall.
Ein inhomogenes LGS besitzt genau dann eine eindeutige
Lsung, wenn der Rang von A, der Rang der erweiterten Matrix
(A | b) und die Anzahl n der Unbekannten gleich sind:
L ((A | b)) = {x} Rg A = Rg (A | b) = n

64

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.5 Kriterien fr die Lsbarkeit von LGS

65

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

2.6 Ausblick
Lineare Optimierung
Lineare Optimierung (Schwerpunkt des Operations Research) hat die
Minimierung/ Maximierung einer linearen Zielfunktion mit n Variablen unter
Einhalten von Nebenbedingungen zum Ziel.
max / min
z (x1 , . . . xn )

= c1 x1

+...+

cn xn

ai1 x1

+...+

ain xn

bi

aj1 x1

+...+

ajn xn

bj

ak 1 x1

+...+

akn xn

bk

u. d. Nb.

mit i = 1, . . . , p, j = 1, . . . , q und k = 1, . . . , r .
Lineare Optimierung zeichnet sich durch standardisierte Modellformen und
effiziente Lsungsverfahren aus. Anwendungsbereiche finden sich u. a. in
der Spieltheorie, Produktionsplanung oder Portfoliooptimierung.
66

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3. Vektoren
Inhalt

3.1 Euklidisches Skalarprodukt


3.2 Euklidische Norm & Euklidische Distanz
3.3 Winkel zwischen zwei Vektoren

67

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.1 Euklidisches Skalarprodukt


Definition und Eigenschaften

Fr die Spaltenvektoren x, y Rn ist das euklidische


Skalarprodukt (Inneres Produkt) definiert als
hx, y i = x T y =

n
P

xi yi

i=1

Fr alle Spaltenvektoren x, y , z Rn und R gilt weiterhin:

68

hx, xi 0

hx, xi = 0

hx, y i = hy , xi

hx, y + zi = hx, y i + hx, zi

hx, y i = hx, y i = hx, y i

x =0

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.1 Euklidisches Skalarprodukt


Cauchy-Schwarz Ungleichung

Die bekannte Cauchy-Schwarz Ungleichung




n
P

2
xi yi

i=1

n
P
i=1

xi2

n
P
i=1

yi2

findet neben der Analysis und Wahrscheinlichkeitsrechnung


auch in der Linearen Algebra Anwendung.
Fr alle x, y Rn gilt demnach
hx, y i2 hx, xi hy , y i.
Das Gleichheitszeichen tritt dabei genau dann ein, wenn eine
reelle Zahl mit x = y existiert.

69

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.2 Euklidische Norm & Euklidische Distanz


Definitionen und Eigenschaften

Der Abstand eines Punkts und dem Ursprung wird auch als
(euklidische) Norm des Vektors bezeichnet.
Fr einen Vektor x Rn ist diese definiert als

kxk = x T x.
Allgemein wird zudem der Abstand zwischen zwei Punkten des
Rn als Norm ihrer Differenz definiert:
s
n
P
kx y k =
(xi yi )2
i=1

Man bezeichnet diesen Abstand auch als Euklidische Distanz


oder Euklidischen Abstand.

70

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.2 Euklidische Norm & Euklidische Distanz


Definitionen und Eigenschaften

Die Euklidische Distanz ist symmetrisch.


kx y k = ky xk
Fr alle x, y Rn gilt zudem:

71

kxk 0

kxk = 0

k xk = || kxk, R

kx + y k kxk + ky k

x =0
(Homogenitt)

(Dreiecksungleichung)

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.2 Euklidische Norm & Euklidische Distanz


Einheitsvektor

Ein Vektor x Rn mit der Lnge Eins wird Einheitsvektor oder


normierter Vektor genannt.
Jeder Vektor x Rn mit x 6= 0 kann durch Multiplikation mit
1
dem Skalar
normiert werden.
kxk
Aus der Homogenitt der Norm folgt:



1
1

x
kxk = kxk kxk = 1

72

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.3 Winkel zwischen zwei Vektoren


Cauchy-Schwarz Ungleichung

Zur Berechnung des Winkels zwischen zwei Vektoren wird


erneut die Cauchy-Schwarz Ungleichung herangezogen.
Fr x, y Rn gilt die Cauchy-Schwarz Ungleichung mit der
Darstellung:
|x T y | kxk ky k.
Das Gleichheitszeichen tritt auch hier genau dann ein, wenn
eine reelle Zahl mit x = y existiert.

73

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.3 Winkel zwischen zwei Vektoren


Cauchy-Schwarz Ungleichung

Auflsen des Betrages fhrt zu


1

xT y
1.
kxk ky k

Dies impliziert
cos (x, y ) =

xT y
,
kxk ky k

woraus fr den ffnungswinkel (x, y ) mit x, y 6= 0


(x, y ) = arccos

xT y
kxk ky k

folgt.
Weiterhin gilt:
x T y = kxk ky k cos (x, y )
74

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

3.3 Winkel zwischen zwei Vektoren


Orthogonale und orthonormale Vektoren

Definition:
Die Vektoren x und y heien orthogonal oder auch senkrecht
zueinander, wenn fr das innere Produkt
xT y = 0
erfllt ist.
Notation: x y
Gilt zudem
kxk = ky k = 1,
werden die Vektoren auch als orthonormal bezeichnet.
75

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4. Inversen
Inhalt

4.1 Matrixinverse
4.2 Gau-Verfahren
4.3 Weitere Eigenschaften von Matrixinversen

76

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.1 Matrixinverse
Definition und Eigenschaften

Fr die Matrizenrechnung soll gezeigt werden, dass zu einer


quadratischen Matrix A eine Matrix X existiert, so dass die
Gleichung
AX =I
erfllt ist.
Die Lsung dieser Gleichung sei folglich
X = A1
fr eine regulre, quadratische Matrix A.
A1 wird dabei Umkehrmatrix oder auch Inverse der
quadratischen Matrix A genannt.
77

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.1 Matrixinverse
Definition und Eigenschaften

Das Produkt der Matrix A und ihrer Inversen A1 besitzt die


Eigenschaft:
A A1 = I
Fr A und A1 gilt zudem das Kommutativgesetz der
Multiplikation:
A A1 = A1 A = I
Die Inverse einer invertierten Matrix A1 ist erneut die
Ausgangsmatrix A:
1
A1
=A
Eine Matrix A der Ordnung n n besitzt immer dann eine
inverse Matrix A1 , wenn fr ihren Rang Rg A = n erfllt ist.
78

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.2 Gau-Verfahren
Einfhrung

Sofern die Inverse einer Matrix existiert, kann diese mithilfe des
Gau-Algorithmus berechnet werden.
Zunchst wird dazu gezeigt, dass mehrere lineare Gleichungssysteme der Form
Ax = b, Ax = c und Ax = d
mit derselben Koeffizientenmatrix A simultan gelst werden
knnen.
Hierzu wird die Eigenschaft genutzt, dass die Umformungen
des Gau-Algorithmus ausschlielich von der Koeffizientenmatrix A abhngen.

79

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.2 Gau-Verfahren
Beispiel
Lsen Sie simultan die linearen Gleichungssysteme Ax = b und Ax = c mit

2
1
0
0
1
1
1 , b = 2 und c = 1
A= 1
1 1
2
2
1
Nach erfolgter Rechnung besitzt das letzte Tableau die Darstellung:
x1
1
0
0

x2
0
1
0

x3
0
0
1

b
6
12
8

c
2
5
4

Die Lsungen lauten somit:

2
L ((A | b)) = 12 und L ((A | c)) = 5

8
4

80

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.2 Gau-Verfahren
Beispiel

Fasst man die beiden rechten Seiten b und c zu einer Matrix B


zusammen, knnen die beiden linearen Gleichungssysteme als
Matrixgleichung
AX = B
betrachtet und simultan gelst werden:

2
1
1

1
1
1

0
0
1 X = 2
2
2

81

1
1
1

6
2
X = 12 5
8
4

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.2 Gau-Verfahren
Berechnung der Matrixinversen

Mithilfe des Gau-Verfahrens wird nun auch die Matrixgleichung


AX = I
gelst.
A sei dazu die zu invertierende Matrix und I die Einheitsmatrix
als Zusammenfassung der Einheitsvektoren.
Die Lsung der Matrixgleichung ist folglich die Matrix X , welche
der Umkehrmatrix von A entspricht:
X = A1

82

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.2 Gau-Verfahren
Berechnung der Matrixinversen

Durch das Anwenden des Gau-Algorithmus wird geprft, ob


die Matrix A singulr oder regulr ist.
I

Ist die Matrix A singulr, tritt in einem der Rechentableaus


auf der linken Seite eine Nullzeile auf.
Das Gau-Verfahren bricht ab.

Ist die Matrix A regulr, kann auf der linken Seite eine
Einheitsmatrix erzeugt werden.
Auf der rechten Seite des Endtableaus steht folglich die
Inverse zur Matrix A.

83

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

4.3 Weitere Eigenschaften von Matrixinversen


Einheits-, Null- und Diagonalmatrix

Die Einheitsmatrix In ist regulr. Hier gilt zudem In1 = In .

Die Nullmatrix 0nn ist nicht invertierbar.

Sei A eine Diagonalmatrix, dann lautet ihre Inverse:

A=

84

a11
0
..
.
0

0
a22
..
.
0

...
...
..
.
...

0
0
..
.
ann

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT

1
a11

=
..
.
0

0
1
a22

..
.
0

...
...
..
.
...

0
0
..
.
1
ann

4.3 Weitere Eigenschaften von Matrixinversen


Gegeben seien die regulren Matrizen A und B.
Dann gilt:
I

A1 ist eindeutig

Ist A symmetrisch, dann ist auch A1 symmetrisch


1
Es existiert die zu A1 inverse Matrix A1
mit
1
1
A
=A
1
Es existiert die zu AT inverse Matrix AT
mit
1
T
T
1
A
= A

85

Fr R, 6= 0 und B = A ist B 1 = 1 A1

A1 B 1 = (BA)1

Goethe-Universitt - Fachbereich Wirtschaftswissenschaften

OMAT