Sie sind auf Seite 1von 11

1

Operatoren

1.1

Matrixmultiplikation

1. Wenn A und B kommutieren, ist AB symmetrisch


2. Jede reelle symmetrische Matrix kommutiert mit ihrer Transponierten(normal)
Kommutiert wenn A und B gleiches Eigenvektorsystem haben und den gleichen
Raum aufspannen

1.2

Matrixpotenz

Wenn A diagonalisierbar:
Ak = SS1
Die Eigenvektoren bleiben bei Potenzierung gleich!

1.3

Diagonalisierung

Wenn eine n n- Matrix n linear unabhngige Eigenvektoren hat, lsst sich eine
Matrix diagonalisieren:
S1 AS =

1.4

Transponieren
aT = a
(A + B)T = AT + BT
(c A)T = c AT
(AT )T = A
(A B)T = BT AT
AT (A1 )T = (A1 A)T = IT = I
exp(AT ) = exp(A)T
ln(AT ) = ln(A)T
A11
..
.

...

T T
A1s
A11
.. = ..
.
.

...

Ar1

...

Ars

...

AT1s

ATr1
..
.
ATrs

rang(AT ) = rang(A)
spur(AT ) = spur(A)
det(AT ) = det(A)
(AT ) = (A)Spektrum
hx, yi = xT y
hAx, yi = hx, AT yi

1.5

Adjungieren
T

AH = A = AT
Eigenschaften:
(A + AH )H = AH + BH
(c A)H = c AH

H
AH
=A
(A B)H = BH AH
A1

H

= AH

1

= AH

exp(AH ) = (expA)

ln(AH ) = (lnA)

A11
..
.
Ar1

H H
A1s
A11
.. = ..
.
.
. . . Ars
AH
1s
...

...
...

Kenngren:


rang AH = rang(A)


spur AH = spur(A)


det AH = det(A)
hx, yi = xH y
2

AH
r1
..
.
AH
rs

hAx, yi = hx, AH yi
Schreibweisen:
AH , adj(A), A , A+ , A

1.6

Streichmatrix

Die Streichmatrix Mij wird gebildet, indem die i-te Zeile und j-te Spalte getrichen wird.

1.7

Kofaktormatrix
Ci j = (1)i+j det Mij

wobei Mi j die Streichmatrix ist.

1.8

Inverse

Die Inverse kann gebildet werden, wenn eine Matrix regulr ist.
A1 =

CT
det A

wobei C die Kofaktormatrix ist.

1.9

Matrixexponential
eX =

X
Xk
k=0

k!

e0 = E
eaX ebX = e(b+b)X
eX e-X = e(11)X e0 = E
eX

1

= eX

eX+Y = eX eY wenn X Y = Y X
Wenn A regulr ist gilt:
eAt = Set S1
Die Eigenwerte von eAt sind et
Ist A eineschief-symmetrische
Matrix,
so ist eAt


 orthogonal
0 1
cos t sin t
At
Mit A =
wird e =
die Ableitung ist AeAt =
1
0

sin
t
cos
t


sin t cos t
cos sin t
3

1.10

Dyadisches Produkt

1.11

Vektorprodukt Kreuzprodukt

1.12

Rang

1.13

Determinante

Laplacescher Entwicklungssatz:
Entwicklung nach Spalte j : det(A) =

n
X

Cij aij

i=1

Entwicklung nach Zeile i : det(A) =

n
X

Cij aij

j=1

Volumen, welches von Spalten- bzw. Zeilenvektoren ausgespannt wird.


Bei Multiplikation: Volumennderung
Determinante einer Matrix ist die Multiplikation dessen Eigenwerte.
hnliche Matrizen haben selbe Determinante.
Eigenschaften:
1. det(I) = 1
2. Zeilen- bzw. Spaltenvertauschung ndert das Vorzeichen.
3. Multilinear in jeder Spalte und Zeile

1.14

Spur

Summe der Diagonaleintrge


Summe der Eigenwerte

1.15

Euklidisches Skalarpodukt

1.16

Euklidische Norm

1.17

Frobenius Skalarpodukt

1.18

Frobenius Norm

Zerlegungen

2.1

Schurzerlegung

2.2

Singulrwertzerlegung

2.3

RQ-Zerlegung

2.4

QR-Zerlegung

2.5

Polarzerlegung

Verallgemeinerung der Polarzerlegung von komplexen Zahlen:

z = r ei
A = UP
reell
komplex

2.6

U
orthogonal
unitr

P
positiv semidefinit symmetrisch
positiv semidefinit hermitesch

Cholesky-Zerlegung

Zerlegung einer symmetrischen positiv definiten Matrix in eine untere Dreiecksmatrix und deren Transponierten.
Jede symmetrische positiv definite Matrix kann als Produkt einer unteren
Dreiecksmatrix, einer Diagonalmatrix und der Transponierten der Dreiecksmatrix geschrieben werden:
A = LDLT
mit D = D1/2 D1/2 und G := LD1/2 gilt
A = GGT

Spezielle Matrizen

3.1

Symmetrische Matrix

Die Eigenvektoren von einer symmetrischen KNNEN immmer orthonormal


gewhlt werden:
A = QQT
Eine symmetrische Matrix hat nur reelle Eigenwerte.
Eine symmetrische Matrix lsst sich durch Eigenwerte und Eigenvektoren in
folgender Form ausdrcken:
A = 1 x1 xT1 + 2 x2 xT2

3.2

Schiefsymmetrische Matrix

3.3

Hermitesche Matrix
T

A = AH = A = AT
Eigenschaften:
Re(ajk ) = Re(akj )
Im(ajk ) = Im(akj )
(A + B)H = AH + BH = A + B

Jede komplexe Matrix M kann als Summe M = A + B einer hermiteschen


Matrix A und schiefhermiteschen Matrix B dargestellt werden:


1
1
M + MH und B =
M + MH
2
2
Das Ergebnis der Skalarmultiplikation ist wieder hermitesch, wenn c reell
A=

ist:
(cA)H = cAH = cA
Das Produkt AB ist wieder hermitesch, wennn A und B kommutieren:
(AB)H = BH AH = BA = AB
Potenzen Ak einer hermiteschen Matrix sind wieder hermitesch. Das Matrixexponential eA ist wieder hermitesch.
Das Produkt zweier beliebiger komplexer Matrizen MMH oder MH M ist hermitesch.
Eine hermitesche Matrix ist stets normal:
AH A = AA = AAH

3.4

Schiefhermitesche Matrix

3.5

Orthogonale Matrix

Zeilen- und Spaltenvektoren sind orthognal bezglich des Standardskalarprodukts.


QT Q = I
Eigenschaften:
QT = Q1
Lnge und Winkeltreu:
kQxk2 = kxk2
hQx, Qyi = hx, yi
|det| = 1
Eigenwerte haben komplexen Betrag 1:
= eit
Orthogonale Matrizen sind normal:
QQT = QT Q
Orthogonale Matrizen sind unitr diagonalisierbar:
U1 QU = D
Orthogonale Matrizen sind im Allgemeinen nicht reell diagonalisierbar! Orthogonale Matrizen:
6

1. Permutationsmatrizen
2. Rotationsmatrizen
3. Spiegelungsmatrizen

3.6

Unitre Matrix

Komplexes Gegenstck zur orthogonalen Matrix

3.7

Normale Matrix

Eine Matrix ist normal, wenn


A = UDU wobei D diagonal und U unitr.
A A = A A fr A Cnn
AT A = A AT fr A Rnn

3.8

Gram-Matrix

3.9

Permuationsmatrix

Die Permutationsmatrix ist orthogonal. Ein Eintrag pro Zeile und Spalte ist 1,
alle anderen Eintrge sind null.

3.10

Unimodulare Matrix
det A = 1

3.11

Separierbare Matrix

Eine Matrix ist separabel, wenn die Singulrwertmatrix lediglich einen Singulrwert ungleich Null aufweist.

3.12

Elementarmatrix

Elementare Matrizen sind quadratische Matrizen, welche sich nur entweder


durch Vertauschung zweier Zeilen oder eines Eintrags von der Einheitsmatrix
unterscheiden. Elementarmatrizen werden zu elementaren Zeilen- und Spaltenumformungen benutzt.
Bei Multiplikation von links entspricht es einer Zeilenumformung.
Bei Multiplikation von rechts entspricht es einer Spaltenumformung.
Es existieren 3 Typen:
Eij bezeichnet die Standardmatrix.

1. Typ 1
Rij () = I + Eij
A Rij : Addiert das -fache der j-ten Zeile von A zur i-ten Zeile von A.
A Rij : Addiert das -fache der i-ten Spalte von A zur j-ten Spalte von
A.
2. Typ 2
Si () = I + ( 1)Eii
3. Typ 3
Ti,j = I Eii Ejj + Eij + Eji

3.13

Einheitsmatrix

Die Einheitsmatrix ist eine quadratische Matrix mit 1 auf der Diagonalen und
sonst Null. Die Einheitmatrix ist das Einselement.
1. symmetrisch
2. selbstinvers
3. idempotent
exp(In ) = e In

3.14

Standardmatrix

Die Standardmatrix hat nur einen Eintrag 1 ansonsten 0. Jede Standardmatrix


kann mithilfe des dyadischen Produkts und den kanonischen Einheitsvektoren
gebildet werden. Die Menge der Standardmatrizen bilden die Standardbasis fr
den Matrizenraum.

3.15

Idempotente Matrix

3.16

Nilpotente Matrix

3.17

Selbstinverse Matrix

3.18

Diagonale Matrix

3.19

Jordan Normalform

Kennt man die Eigenwerte sowie ihre algebraischen und geometrischen Vielfachheiten (siehe unten), kann man die Jordansche Normalform der Matrix erstellen.

3.20

Weierstra-Normalform

3.21

Markov-Matrix

Die Zeilen- und Spaltensummen ergeben jeweils eins.

3.22

Regulre Matrix

Matrix ist invertierbar: Alle Eigenwerte sind ungleich null und Dimension der
Matrix ist n n

3.23

Pascal Matrix

Das charakteristische Polynom der Pascalmatrix hat symmetrische Koeffizienten(Palindrom)

Relationen

4.1

Kongruenz

Kongruenz ist eine quivalenzrelation auf der Klasse der quadratischen Matrizen. Kongruente Matrizen beschreiben dieselbe Bilinearform in unterschiedlichen Basen. Zwei quadratische Matrizen A und B sind kongruent, falls eine
invertierbare Matrix P existiert, fr die gilt:
B = PT AP
Zwei reelle symmetrische Matrizen sind genau dann kongruent, wenn diese
den selben Trgheitsindex aufweisen: Die Anzahl der positiven, negativen und
Null-Eigenwerte ist gleich.

4.2

hnlichkeit

Kongruenz ist eine quivalenzrelation auf der Klasse der quadratischen Matrizen. hnliche beschreiben dieselbe lineare Abbildung(Endomorphismus) bei
Verwendung unterschiedlicher Basen.
B = S1 AS
Ist eine Matrix einer Diagonalmatrix hnlich ist diese diagonalisierbar. Ist
eine Matrix einer oberen Dreiecksmatrix hnlich ist diese triagonalisierbar.
Eigenschaften:
1. gleiche Eigenwerte(nicht notwendigerweise gleich Eigenvektoren)
2. gleiche Determinante
3. gleiche Spur
4. gleichen Rang
5. gleiches Minimalpolynom
6. gleiche jordansche Minimalform
7. gleiche Frobeniusnorm
Ist ein Spezialfall der quivalenz.

4.3

quivalenz

Die m n-Matrizen A und B sind quivalent wenn: Es gibt eine invertierbare


m m Matrix S und eine invertierbare n n Matrix T, so dass gilt:
B = SAT

Differentialrechnung

86 identifikation dyn sys


9.3.1

5.1

Ableitung nach Vektoren


df(x)  df
= dx1
dx

df
dx3

...

df
dxn

d(x)
d(xT )
=
dx
dx

5.2

Ableitung nach Skalaren


(xT Ax)
= (A + AT )x
x

Differentialgleichungen
u = Au

Wenn A diagonalisierbar: Ansatz: u(t) = eAt C Anfangswerte mithilfe der


Eigenvektoren ausdrcken:
u(0) = Sc = c = S1 u(0)
Lsung: u(t) = eAt u(0) = Set S1 u(0) = Set S1 Sc = Set c

Differenzengleichung

Differenzengleichung: uk+1 = Auk


Lsung:
uk = Ak u0
mit u0 ausgedrckt in Eigenvektoren
u0 = c1 x1 + ... + cn xn
ergibt sich
uk = Ak u0 = c1 (1 )k x1 + ... + cn (n )k xn = Sk c
Eigenwerte kleiner als 1 verschwinden fr k->

10

Eigenschaften

8.1

Geometrische Vielfachheit

Die geometrische Vielfachheit beschreibt die Dimension von ker(A I). Also
die Dimension des Eigenraums eines bestimmten Eigenwertes.

8.2

Algebraische Vielfachheit

Die algebraische Vielfachheit eines Eigenwertes ist die Anzahl der Nullstellen
des charakteristischen Polynoms bei diesem Eigenwert

Eigen und Haupt

9.1

charakteristisches Polynom
A () = det(En A)

Eigenwerte sind Nullstellen des char. Polynoms.


Unabhngig von der Basis: hnliche Matrizen haben gleiches char. Polynom.

9.2

Eigenwert

Bestimmt die Invertierbarkeit(Null oder nicht Null). Eigenvektoren, die zu verschiedenen Eigenwerten gehren, sind linear unabhngig.
hnliche Matrizen haben gleiche Eigenwerte.

9.3

Eigenvektor

Bestimmt die Diagonalisierbarkeit(zu wenige oder genug). Matrizen kommutieren mit selben Eigenvektorsystem.

9.4

Eigenraum

9.5

Hauptwert

9.6

Hauptvektor

9.7

Hauptraum

10

Gedanken und Fragen

Ist die Taylorentwicklung von eA t das charakteristische Polynom der Ableitung?


Das dV bei einem Volumenintegral knnte eine Determinante einer Matrix
An sein, wobei n -> geht und die Eigenwerte kleiner als 1 sind, sodass das
Volumen, beschrieben durch die Determinante immer kleiner wird. dx dy und
dz wren dann die Eigenwerte von dV.

11