Sie sind auf Seite 1von 9

Dr. Frank S. Attia, Dr.

Florian Leydecker

Numerische Mathematik für Ingenieure (WS 2019/20)


Lösungshinweise zu Blatt 1, 18. Oktober 2019

Themen

(a) Grundlegende Begriffe und Operationen von Matrizen


(b) Reduzibilität:
- Definition 1.14 (dieses Jahr weggelassen und über das Graphenkriterium definiert)
- Graphenkriterium: Bemerkung 1.15
(c) Diagonaldominanz
- strikte/starke Diagonaldominanz: Definition 1.7
- schwache Diagonaldominanz: Definition 1.12
- schwaches Zeilen-/Spaltensummenkriterium: Definition 1.13
(d) symmetrisch positive Definitheit
- Definition 1.9, Satz 1.11 und Satz 1.19

Präsenzaufgabe (Vorlesung)

Aufgabe 1.1 [Reduzibel oder irreduzibel?]


Untersuchen Sie für folgende Matrizen, ob sie irreduzibel sind oder nicht:
   
02 0 −1 0 (d) (e)
(a) ,
30 (c) 0 0 π , 1 −1 0 0 1 −1 0 0
   
7 0 0 0 3 π 0  0 3 π 0
0 0 2 4 ,  0 0 2 4 .
     
00
(b) ,
40 0 0 07 42 0 0 7
Kurzteil

Aufgabe 1.2 [Grundlagen der Matrizenrechnung]


     
1 02 01 1
Es sei A =  0 1 1 , B =  1 2  und x =  −1  . Berechnen Sie, wenn dies möglich ist, folgende
−1 0 1 10 1
Ausdrücke: Ax, Bx, xA, xB, xT x, xxT , xT A, xT B, AB, BA, BT A, ABT ,

Lösung.
Man kann X ∈ Rm×n mit Y ∈ Rk×l nur dann multiplizieren wenn n = k. Deshalb ist es nicht möglich
BA, ABT , Bx, xA, xB zu berechnen. Es gilt:
Ax entspricht einer Linearkombination der drei Spaltenvektoren ai,S , i = 1, 2, 3, von A. Die Koeffizienten sind
durch die Komponenten in x gegeben. Analog entspricht xT A einer Linearkombination der Zeilenvektoren ai,Z ,
i = 1, 2, 3, von A mit Koeffizienten aus x.
          
Xn 1 02 1 1 0 2 3
Ax = xi · ai,S =  0 1 1 −1 = 1 ·  0  − 1 · 1 + 1 · 1 = 0 ,
i=1 −1 0 1 1 −1 0 1 0

1· 1 0 2
 
Xn
 1 02
xT A =
 
xi · ai,Z = 1 −1 1  0 1 1 = −1 · 0 1 1 = 0 −1 2 ,

i=1 −1 0 1 +1 · −1 0 1

1· 0 1
 
T
 01  
x B = 1 −1 1 1 2 = −1 · 1 2 = 0 −1 .
 

10 +1 · 1 0

xT x ist das Skalarprodukt von x mit sich selbst und xxT ist das dyadische Produkt von x mit sich selbst.
   
Xn 1 1 −1 1
xT x = xi · xi = 1 + 1 + 1 = 3, xxT = −1 1 −1 1 = −1 1 −1 .


i=1 1 1 −1 1

Abschließend berechnen sich die geforderten Matrix-Matrix Produkte zu

1·0+0·1+2·1 1·1+0·2+2·0
      
1 02 01 2 1
AB =  0 1 1 1 2 =  0 · 0 + 1 · 1 + 1 · 1 0 · 1 + 1 · 2 + 1 · 0  = 2 2  ,
−1 0 1 10 (−1) · 0 + 0 · 1 + 1 · 1 (−1) · 1 + 0 · 2 + 1 · 0 1 −1
 
  1 02  
011  −1 1 2
BT A = 0 1 1 = .
120 1 24
−1 0 1

Letztgenannte können als Aneinanderreihungen von Matrix-Vektor Produkten gesehen werden (s. auch oben,
Berechnung von Ax). Es gilt z.B. für AB: Die i-te Spalte ist eine Linearkombination der Spaltenvektoren von
A mit den Koeffizienten aus der i-ten Spalte aus B.

Aufgabe 1.3 [Invertierbarkeit von 2 × 2 Matrizen]


 
ab
Wann ist die Matrix A = ∈ C2×2 invertierbar? Wie lautet die Inverse A−1 ?
cd

Lösung.
A ist invertierbar ⇔ det A = ad − bc 6= 0. Sei nun det A 6= 0, dann gilt
 
1 d −b
A−1 =
ad − bc −c a

denn       
1 d −b ab 1 ad − bc 0 10
= = .
ad − bc −c a cd ad − bc 0 ad − bc 01
Aufgabe 1.4 [Determinanten von Matrizen]
Berechnen Sie die Determinanten folgender Matrizen:
11 11 π2 −137
     
4 6 7 0 0 1 2 0
0 −8 9 12  17 17 15 13   2 −1 0 3
(a) 0 0 −2 7 
, (b)  π π −3 ln2 ,
 
 1 1 −2 0.
(c)  

0 0 0 1 −25 −25 100 5 −3 4 12 1

Lösung.

(a) Diese Matrix ist eine rechte obere Dreiecksmatrix und deshalb ist ihre Determinante gleich dem Produkt
der Diagonalelemente:
 
4 6 7 0
0 −8 9 12
0 0 −2 7  = 4 · (−8) · (−2) · 1 = 64.
det  

0 0 0 1

(b) Die erste und die zweite Spalte dieser Matrix sind gleich (und somit ist die Menge der Spaltenvektoren
linear abhängig) und deshalb ist:

π2 −137
 
11 11
 17 17 15 13 
det   = 0.
 π π −3 ln2 
−25 −25 100 5

Alternativ: Man addiert das (−1)-fache der zweiten Spalte zur ersten (dies ändert die Determinante
nicht) und erhält als neue erste Spalte eine Nullspalte. Entwickeln nach dieser neuen ersten Spalte
liefert, dass die Determinante Null ist.
(c) Es gilt mithilfe von Zeilen- und Spaltenumformungen sowie dem laplaceschen Entwicklungssatz:
   
0 1 2 0 0 1 0 0  
 2 −1 2 2 3
0 3 S3 −2S2
  2 −1 2 3 Lap.Entw.

det  = det  = 1 · (−1)1+2 det  1 −4 0
1 1 −2 0  1 1 −4 0
−3 4 1
−3 4 12 1 −3 4 4 1
     
1 −4 0 1 −4 0 1 −4 0
Z1 ↔Z2
= det  2 2 3 = det 0 10 3 = det 0 10 3  = 34.
−3 4 1 0 −8 1 0 0 3410

Wie sind die letzten drei Schritte entstanden?


Alternativ berechnet man mit dem GA (mit Zeilentausch)

1 1 −2 0 1 1 −2 0
     
0 1 2 0
 2 −1 0 3  2 −1 0 3 0 −3 4 3
 Z1 ↔Z
= 3 (−1) · det 
det   0 1 2 0 = (−1) · det 0 1 2 0
  
1 1 −2 0
−3 4 12 1 −3 4 12 1 0 7 6 1
1 1 −2 0 1 1 −2 0 1 1 −2 0
     

Z2 ↔Z3  0 1 2 0 0 1 2 0 0 1 2 0 
= (−1)2 · det 
0 −3 4 3 = det 0 0 10 3 = det 0 0 10 3  = 34.
    

0 7 6 1 0 0 −8 1 0 0 0 34
10
Aufgabe 1.5 [Zeilendiagonaldominante Matrizen]
−1 1 2 −6
 
 1 2 10 3 
 3 −11 −2 2  derart, dass die resultierende Matrix zeilendiagonal-
Vertauschen Sie die Zeilen von A =  

5 0 2 1
dominant ist.

Lösung.
Die Matrix A = (aij )16i,j6n ist zeilendiagonaldominant, wenn

X
n
|aii | > |aij |, 1 6 i 6 n.
j=1
j6=i

Vertauschen wir der Zeilen von A wie folgt, so erhalten wir sogar eine strikt zeilendiagonaldominante Matrix:

−1 1 2 −6
     
5 0 2 1 5 0 2 1
 1 2 10 3  Z4 ↔Z1  1 2 10 3  Z2 ↔Z3  3 −11 −2 2 
 3 −11 −2 2  −→  3 −11 −2 2  −→  1 2 10 3  .
     

5 0 2 1 −1 1 2 −6 −1 1 2 −6
| {z } | {z } | {z }
A B C

Mit Permutationsmatrizen
     
0 0 0 1 1 0 0 0 0 0 0 1
0 1 0 0 0 0 1 0 0 0 1 0
P1 = 0
 , P2 =   und P = P2 P1 =  
0 1 0 0 1 0 0 0 1 0 0
1 0 0 0 0 0 0 1 1 0 0 0

kann man den Rechenweg auch mit Matrix-Rechnung beschreiben:

B = P1 A, C = P2 B also, C = P2 P1 A = PA.
Aufgabe 1.6 [Irreduzibilität]
Sind die folgenden Matrizen reduzibel oder irreduzibel?
 
  1 0 1 0
0 12 0 2 3 5 8
A =  0 0 23 , B = 
5

0 3 0
31 0 0
2 1 1 2

Lösung.
A:
K1 K2 K3

Da man von jedem Knoten zu jedem Knoten kommt, ist die Matrix irreduzibel.

B:
K1 K2

K3 K4

Da man beispielsweise von Knoten 1 nicht zu Knoten 2 kommt, ist die Matrix reduzibel.
Alternativ: man kommt von Knoten 1 nicht zu Knoten 4, von Knoten 3 nicht zu Knoten 2 bzw. von Knoten
3 nicht zu Knoten 4. Hierbei reicht ein Beispiel, um zu zeigen, dass die Matrix nicht irreduzibel ist.
Aufgabe 1.7 [Invertieren eines Produktes von Frobeniusmatrizen]
Berechnen Sie jeweils die Inverse der Matrizen
     
1 0 0 0 1 0 0 0 1 0 0 0
2 1 0 0 0 1 0 0 2 1 0 0
L1 =   , L2 =   , L = L1 L2 =   .
     
3 0 1 0 0 4 1 0 3 4 1 0
0 0 0 1 0 0 0 1 0 0 0 1

Lösung.
Entweder: Aus der Vorlesung wissen wir
 
1 000
−2 1 0 0
L−1
1 =
−3 0 1 0 ,

0 001

da diese Matrix die Form der Matrizen Li aus der LR-Zerlegung hat.
Alternativ: Mit Gauß-Algorithmus/Invertieren der Matrix sehen wir obiges.
Anschaulich: L−1
1 addiert das -2-fache der ersten Zeile auf die zweite usw., erzeugt bei der Matrix L1 also
unterhalb des ersten Diagonalelements Nullen.
Genauso erhält man  
1 0 00
0 1 0 0
L−1
2 =
0 −4 1 0 .

0 0 01
Desweiteren gilt für L = L1 L2 :
 −1    −1
1000 1000 1000
2 1 0 0 2 1 0 0 0 1 0 0
L−1 3 4 1 0 = 3 0 1 0 · 0 4 1 0
=     

0001 0001 0001


     
1 0 00 1 000 1 0 00
0 1 0 0 −2 1 0 0 −2 1 0 0
0 −4 1 0 · −3 0 1 0 =  5 −4 1 0 .
=     

0 0 01 0 001 0 0 01

Hinweis: Wie man sieht, ist die Inverse der Matrix L = L1 L2 nicht durch Umkehrung der Vorzeichen der
Unterdiagonaleinträge zu berechnen. Statt dessen muss (AB)−1 = B−1 A−1 verwendet werden, (ABC)−1 =
C−1 B−1 A−1 , usw...
Bemerkung: Analoges gilt auch für die Transponierte einer Matrix: (AB)T = BT AT , (ABC)T = CT BT AT ,
usw...
Aufgabenteil

Aufgabe 1.8 [Diagonaldominanz]


Gegeben seien die Matrizen:
     
5 −1 2 210 4 4 0
A = −1 −6 1 , B = 1 2 1 , C = −3 7 3
2 1 8 012 0 −4 4

• Welche der Matrizen ist/sind diagonaldominant? Welche ist/sind sogar strikt diagonaldominant?
• Ist eine der Matrizen auch symmetrisch positiv definit?
• Ist eine der Matrizen auch invertierbar?

Lösung.
Zunächst ist A strikt zeilendiagonaldominant (und somit auch strikt diagonaldominant, zeilendiagonaldominant
und diagonaldominant):

5 > | − 1| + 2, | − 6| > | − 1| + 1, 8 > 2 + 1.

Bemerkung: A ist auch strikt spaltendiagonaldominant (und somit auch spaltendiagonaldominant).


Weiter ist A symmetrisch, aber nicht symmetrisch positiv definit („negativer Eintrag auf der Diagonalen“):
 
 0
0 1 0 A 1 = −6 < 0.
0

Da A strikt diagonaldominant ist, ist A auch invertierbar.

Matrix B ist ebenfalls (schwach) zeilen- und spaltendiagonaldominant, allerdings nicht strikt. Da B aber
mindestens eine Zeile enthält, die strikt diagonaldominant ist, erfüllt die Matrix das schwache Zeilensummen-
kriterium. Weil B zusätzlich irreduzibel (s. Beispiel 1.16 im Skript oder Graph schnell selber zeichnen) und
symmetrisch ist sowie alle Diagonalelemente positiv sind, ist B nach Satz 1.19 auch symmetrisch positiv definit.
Da B das schwache Zeilensummenkriterium erfüllt und irreduzibel ist, ist B nach Satz 1.18 auch invertierbar.
Matrix C ist (schwach) zeilendiagonaldominant, aber nicht spaltendiagonaldominant. Da zusätzlich 7 > |−3|+3
gilt, erfüllt C das schwache Zeilensummenkriterium. Da die Matrix C zusätzlich irreduzibel (s. Beispiel 1.16 im
Skript oder Graph schnell selber zeichnen) ist, ist sie also nach Satz 1.18 invertierbar. Sie ist allerdings nicht
symmetrisch positiv definit, weil sie insbesondere nicht symmetrisch ist.
Man beachte: In dieser Aufgabe werden viel die hinreichenden Kriterien geübt; es gibt aber Matrizen, die
nicht diagonaldominant sind und trotzdem invertierbar oder sogar positiv definit (s. Präsenzaufgabe 2.2).
Aufgabe 1.9 [Lösen von Dreieckssystemen: Vorwärts- und Rückwärtseinsetzen]
   
2 00 2
Es sei A = 3
 1 0 und b = 6 . Lösen Sie die LGS Ax = b und AT x = b.
 
4 25 30

Lösung.
Wir suchen x = (x1 , x2 , x3 )T mit Ax = b, bzw. AT x = b.
Es gilt:
    
200 x1 2
Ax = b ⇐⇒ 3 1 0
  x2 = 6 
 
425 x3 30
Es folgt mit Vorwärtseinsetzen:
2
x1 = = 1,
2
6−3·1
x2 = = 3,
1
30 − 4 · 1 − 2 · 3
x3 = = 4.
5

Im Falle AT x = b erhalten wir:


    
234 x1 2
AT x = b ⇐⇒ 0 1 2 x2  =  6 
005 x3 30

Es folgt mit Rückwärtseinsetzen:


30
x3 = = 6,
5
6−2·6
x2 = = −6,
1
2 − 4 · 6 − 3 · (−6)
x1 = = −2.
2
Zusatzaufgaben

Aufgabe 1.10 [Irreduzibilität von 2x2-Matrizen]


Es bezeichne M die Menge aller 2 × 2-Matrizen, deren Einträge auschließlich Nullen oder Einsen sind. Erstellen
Sie eine Liste alle reduziblen bzw. irreduziblen Elemente von M.

Lösung.

       
11 01 11 01
ist irreduzibel, ist irreduzibel, ist irreduzibel, ist irreduzibel,
11 11 10 10
     
10 11 10
ist reduzibel, ist reduzibel, ist reduzibel,
11 01 01
Alle weiteren Matrizen besitzen eine „Nullzeile“ oder eine „Nullspalte“.
Eine Nullzeile hat zur Folge, dass man von dem entsprechenden Knoten zu keinem anderen Knoten gelangt.
Eine Nullspalte hingegen bedeutet, dass man von keinem anderen Knoten zu diesem Knoten gelangt.
In beiden Fällen sind die Matrizen dadurch reduzibel.

Aufgabe 1.11 [Invertieren eines Produktes von Block-Frobeniusmatrizen]


Die Inversen von L1 , L2 aus Aufgabe 1.7 und das Produkt L1 L2 sind einfach anzugeben. Das funkioniert analog
auch bei Blockmatrizen (aber bei z. B. L aus Aufgabe 1.7 ist die Inverse nicht direkt ablesbar). Berechnen Sie
die Inverse der Matrix  
1 0 0 0 0
 0 1 0 0 0
 
LB =  1 −1 1 0 0 ,
 
 
 −1 2 0 1 0
0 0 −2 3 1
indem Sie die Matrix LB als Produkt von Block-Frobeniusmatrizen LB = L1 L2 auffassen.

Lösung.
Zunächst stellen wir fest, dass sich LB als Blockmatrix schreiben lässt:
     
I2×2 0 0 I2×2 0 0 I2×2 0 0
LB =  LB1 I2×2 0  =  LB1 I2×2 0  ·  0 I2×2 0 
0 LB2 I1×1 0 0 I1×1 0 LB2 I1×1
| {z } | {z }
=:L1 =:L2

mit    
10 1 −1 
I2×2 = , LB1 = , LB2 = −2 3 und I1×1 = 1.
01 −1 2
Es bleibt also nur noch, die einzelnen Blockmatrizen L1 und L2 zu invertieren. Hier gilt allgemein wieder das
gleiche wie bei den Li der vorherigen Aufgabe (mit der gleichen Argumentation).
 −1    −1  
I2×2 0 0 I2×2 0 0 I2×2 0 0 I2×2 0 0
 LB1 I2×2 0  = −LB1 I2×2 0 ,  0 I2×2 0  =  0 I2×2 0  .
0 0 I1×1 −0 0 I1×1 0 LB2 I1×1 0 −LB2 I1×1
| {z } | {z }
L−1
1 L−1
2

Damit folgt
 
1 0 0 0 0
 
I2×2 0 0  0 1 0 0 0
 
L−1 = L−1 −1
L = −L I 0  . = −1 1 1 0 0
 
B1 2×2

B 2 1
LB2 · LB1 −LB2
 
I1×1  1 −2 0 1 0
−5 8 2 −3 1