Beruflich Dokumente
Kultur Dokumente
Mengensymbole
Symbol Bedeutung
B = B C := M ∖ B M ohne B
Definition
• Umfangsdefinition: M = {2, 4, 6, 8}
• Inhaltsdefinition: M = {m : m ist gerade natürliche Zahl ≤ 9}
Potenzmenge
Die Potenzmenge P(N ) enthält man alle Kombinationen von Teilmengen, die man mit N
bilden kann.
Insbesondere enthält die Potenzmenge immer die leere Menge ∅.
Beispiel
Die Potenzmenge P(N ) von N = 1, 2, 3 ist:
P(N ) = {{1, 2, 3}{1, 2}, {1, 3}, {2, 3}, {1}, {2}, {3}, ∅}
Aussagenlogik und Funktionen
Logische Aussagen
Operatoren
Konjunktion
A ∧B Genau dann wahr, wenn A und B beide wahr sind.
(logisches UND)
A NAND Negierte Genau dann wahr, wenn nicht sowohl A als auch B
B Konjunktion wahr sind.
A ⟹
Implikation aus A folgt B
B
A ⟺
Äquivalenz aus A folgt B und aus B folgt A
B
A B A ⟹ B
falsch falsch wahr
Quantor Bedeutung
¬(¬A) A
¬(A ∧ B) ¬A ∨ ¬B
¬(A ∧ B) ¬A ∨ ¬B
¬(A ∨ B) ¬A ∧ ¬B
¬(A ⟹ B) A ∧ ¬B
¬(A ⟺ B) A ⟺ ¬B
¬(∀x : A(x)) ∃x : ¬A(x)
¬(∀x ∈ M : A(x)) ∃x ∈ M : ¬A(x)
¬(∃x : A(x)) ∀x : ¬A(x)
¬(∃x ∈ M : A(x)) ∀x ∈ M : ¬A(x)
¬(∃!x : A(x)) ∀x : ¬A(x) ∨ ∃y, x : (A(y) ∧ A(x) ∧ x
= y)
Funktionen
Begriffe
Begriff Beschreibung
Jedes Element in der Zielmenge wird von maximal einem Element des Urbilds
Injektiv
erreicht.
Jedes Element in der Zielmenge wird mindestens von einem Element des
Surjektiv
Urbilds erreicht.
Kombinatorik
Binominalkoeffizient
Der Binomialkoeffizient kann genutzt werden, um zu berechnen, wie viele Möglichkeiten es
gibt, k Objekte aus einer Menge mit n Objekten zu ziehen.
Er sieht so aus:
( )=
n n!
k (n−k)!⋅k!
Beispiel
Berechne die Anzahl der Möglichkeiten für die Platzierungen auf den ersten drei Plätzen bei
einem Pferderennen mit 10 Pferden.
10
( )= 10!
= 120
3 (10−3)!∗3!
⟹ 120 Möglichkeiten
Binomischer Lehrsatz
Für a, b ∈ R und n ∈ N0 gilt:
n
(a + b) = ∑ ( ) an−k bk
n n
k
k=0
Der Lehrsatz kann benutzt werden, um einige Aussagen zu beweisen. Dazu reicht es oft,
Werte in die Gleichung einzusetzen.
Diskrete Mathematik
Modulo ausrechnen
Um eine Zahl a mod b auszurechnen, nimmt man den Rest einer Division a/b.
Ist die Zahl a negativ, addiert man so oft die Zahl b, bis eine Zahl ≥ 0 herauskommt. Die Zahl,
die man dann erreicht hat, ist das Ergebnis.
Beispiel
a ist positiv
a=5
b=3
a ist negativ
a = -5
b=3
−5 + 2 ∗ 3 = 1
⟹ a mod b = 1
Euler-Fermat
Eulersche Phi-Funktion
Die eulersche Phi-Funktion φ ordnet jeder natürlichen Zahl n die Anzahl der natürlichen
Zahlen a von 1 bis n zu, die zu n teilerfremd sind, also ggT (a, n) = 1 ist.
Primzahlen
Da alle Primzahlen p nur durch 1 und sich selbst teilbar sind, sind sie sicher zu den Zahlen 1
bis p − 1 teilerfremd, daher ist φ(p)
= p − 1.
Außerdem ist φ(pq) = (p − 1)(q − 1) = φ(p)φ(q) (siehe Skript 2.42).
+ 1 2 3 4 5 6 7 8 9 10
0 1 1 2 2 4 2 6 4 6 4
10 10 4 12 6 8 8 16 6 18 8
20 12 10 22 8 20 12 18 12 28 8
30 30 16 20 16 24 12 36 18 24 16
40 40 12 42 20 24 22 46 16 42 20
50 32 24 52 18 40 24 36 28 58 16
60 60 30 36 32 48 20 66 32 44 24
70 70 24 72 36 40 36 60 24 78 32
80 54 40 82 24 64 42 56 40 88 24
90 72 44 60 46 72 32 96 42 60 40
Einfacher Euklidischer Algorithmus (ggT und kgV
berechnen)
Der euklidische Algorithmus berechnet den größten gemeinsamen Teiler ggT (n, m).
Eine Methode, den größten gemeinsamen Teiler zweier Zahlen herauszufinden, ist, zunächst
die größere Zahl durch die kleinere zu teilen, und solange den Divisor mit dem Rest teilen, bis
der Rest 0 ist.
Dann ist der letzte Divisor der ggT (n, m).
Beispiel
93/72 = 1R21
72/21 = 3R9
21/9 = 2R3
9/3 = 3R0
⟹ ggT (93, 72) = 3
⟹ kgV (93, 72) = 93∗72
3 = 2232
ggT (a, b) = s ∗ a + t ∗ b
Beispiel
1. Einfachen euklidischen Algorithumus anwenden:
99/78 = 1R21
78/21 = 3R15
21/15 = 1R6
15/6 = 2R3
6/2 = 3R0
3 = 15 − 2 ∗ 6
= 15 − 2 ∗ (21 − 15)
= 15 − 2 ∗ 21 + 2 ∗ 15
= 3 ∗ 15 − 2 ∗ 21
= 3 ∗ (78 − 3 ∗ 21) − 2 ∗ 21
= 3 ∗ 78 − 9 ∗ 21 − 2 ∗ 21
= 3 ∗ 78 − 11 ∗ 21
= 3 ∗ 78 − 11 ∗ (99 − 78)
= 3 ∗ 78 − 11 ∗ 99 + 11 ∗ 78
⟹ −11 ∗ 99 + 14 ∗ 78
Um das multiplikativ Inverse einer Zahl a in Nn zu bestimmen, muss man mithilfe des
erweiterten euklidischen Algorithmus das k in k ∗ a = 1 mod n bestimmen.
Chinesischer Restsatz
Mit dem chinesischen Restsatz kann man eine simulatane Kongruenz lösen:
Simulate Konguenz
x ≡ a1 mod m1
x ≡ a2 mod m2
⋮
x ≡ ak mod mn
Verfahren
Seien m1 , … , mn paarweise teilerfremde natürliche Zahlen, dann existiert für jedes Tupel
ganzer Zahlen a1 , … , an eine ganze Zahl x, die die folgende simultane Kongruenz erfüllt:
x ≡ ai mod mi f¨uri = 1, … , n
Alle Lösungen dieser Kongruenz sind kongruent module M := m1 m2 m3 … mn .
Beispiel
Gesucht sei eine ganze Zahl x mit der Eigenschaft
x ≡ 2 mod 3
x ≡ 3 mod 4
x ≡ 2 mod 5
• M = 3 ∗ 4 ∗ 5 = 60
⟹ M1 = 60/3 = 20
⟹ M2 = 60/4 = 15
⟹ M3 = 60/5 = 12
Also berechnen wir mit dem erweiterten euklidischen Algorithmus folgende r und s:
r1 ∗ 3 + s1 ∗ 20 = 1
r2 ∗ 4 + s2 ∗ 15 = 1
r3 ∗ 5 + s3 ∗ 12 = 1
Einfacher euklidischer Algorithmus
20/3 = 6R2
3/2 = 1R1
2/1 = 2R0
Erweiterung des euklidischen Algorithmus
1=3−2
= 3 − (20 − 6 ∗ 3)
= 3 − 20 + 6 ∗ 3
⟹ 7 ∗ 3 + (−1) ∗ 20
Wenn wir das für alle machen, kommen wir auf die Lösungen:
7 ∗ 3 + (−1) ∗ 20 = 1
4 ∗ 4 + (−1) ∗ 15 = 1
5 ∗ 5 + (−2) ∗ 12 = 1
e1 = s1 ∗ M1 = (−1) ∗ 20 = −20
e2 = s2 ∗ M2 = (−1) ∗ 15 = −15
e3 = s3 ∗ M3 = (−2) ∗ 12 = −24
⟹ −133 mod 60 = 47
Primfaktorzerlegung
Um die Primfaktorzerlegung einer Zahl zu bestimmen, geht man so vor:
1. Versuchen, eine Primzahl zu finden, die die Zahl teilt und kleiner als die Zahl ist
2. Die Zahl durch diese Primzahl teilen und immer von Schritt 1 wiederholen, bis man
keine Primzahl mehr findet.
3. Die Zahlen, mit denen man geteilt hat, sind die Primfaktoren.
Beispiel
220 = 210 ⋅ 210
210 = 25 ⋅ 25
25 = 2 ∗ 24
24 = 2 ∗ 2 ∗ 2 ∗ 2
24 = 2 ⋅ 2 ⋅ 2 ⋅ 2 = 16
25 = 2 ⋅ 16 = 32
210 = 32 ⋅ 32 = 1024
220 = 1024 ⋅ 1024 = 1048576
0 0
1 1
2 2, 4, 8, 6
3 3, 9, 7, 1
4 4, 6
5 5
6 6
7 7, 9, 3, 1
8 8, 4, 2, 6
9 9, 1
Beispiel
• 7358
• Letzte Ziffer der Basis ist 7.
• Der Zyklus bei a = 7 ist 7, 9, 3, 1.
• 358/4 = 89R2
• Die zweite Zahl im Zyklus ist 9.
Modulo Eigenschaften
1. (a mod m) mod m = a mod m
2. (a + b) mod m = ((a mod m) + (b mod m)) mod m
3. (a ⋅ b) mod m = ((a mod m) ⋅ (b mod m)) mod m
Wollen wir Ausdrücke der Form an mod m berechnen, wobei a, n, m ∈ N, können wir uns
Eigenschaft 3 zunutze machen.
Wir unterteilen die Rechnung in immer kleinere Teilprobleme, bis die Lösung trivial ist.
Danach setzen wir rückwärts ein und setzen die Lösungen der Teilprobleme ein, um die
größeren Teilprobleme zu lösen.
Beispiel
• 12325 mod 30 = (123 mod 30)25 mod 30 = 325 mod 30
• 325 mod 30 = 3 ⋅ (312 mod 30) ⋅ (312 mod 30) mod 30
• 312 mod 30 = (36 mod 30) ⋅ (36 mod 30) mod 30
• 36 mod 30 = (33 mod 30) ⋅ (33 mod 30) mod 30
• 33 mod 30 = 3 ⋅ (3 mod 30) ⋅ (3 mod 30) mod 30
RSA-Verschlüsselung
1. Alice wählt zwei (große und ungleiche) Primzahlen p und q und berechnet
N = pq
und
φ(N ) = (p − 1)(q − 1)
2. Sie generiert eine Zahl e, wobei e eine natürliche Zahl ist, die teilerfremd zu φ(N )
und kleiner ist (1 < e < φ(N ))
3. Zu e berechnet Alice dann das multiplikativ Inverse in Zφ(N ) , also eine Zahl d mit
ed mod φ(N ) = 1
Man berechnet die Zahl, indem man den erweiterten euklidischen Algorithmus
verwendet.
4. Das Tupel (e, N ) gibt sie als öffentlichen Schlüssel bekannt. Das Tupel (d, N)
bildet den privaten Schlüssel. Es ist wichtig, dass die Zwischengrößen p, q, φ(N )
und d geheim gehalten werden.
5. Ein Sender (z.B. Bob) kann eine Nachricht an einen Empfänger (Alice)
verschlüsseln, indem er das Chiffrat
C := M e mod N
M = Cd mod N
Digitale Signatur
Da d das multiplikativ inverse von e ist, kann auch der private Schlüssel verwendet werden,
um Nachrichten zu verschlüsseln, die nur mit dem öffentlichen Schlüssel dechiffriert werden
können.
Diese Eigenschaft wird genutzt, um "digitale Signaturen" möglich zu machen.
Um zu beweisen, dass eine Nachricht, die sie sendet, von ihr stammt, kann Alice mit ihrem
privaten Schlüssel verschlüsseln, sodass dieser nur mit dem öffentlichen Schlüssel
entschlüsselt werden kann.
Könnte ein Angreifer große Zahlen wie N faktorisieren, könnte er N in die 2 Faktoren p und q
ein d zerlegen.
Rechnet er anschließend φ(N ) = (p − 1)(q − 1) aus, dann könnte er mithilfe des
erweiterten euklidischen Algorithmus d finden, sodass e × d = 1 mod φ(N ). Damit hätte
er den privaten Schlüssel von Alice.
Deshalb ist es auch wichtig, dass die beiden Primzahlen p und q so gewählt werden, dass sie
nicht ähnlich groß sind. Sind p und q ähnlich groß, ist es möglich, mit der
Faktorisierungsmethode von Fermat einfach N in p und q zu faktorisieren.
Dabei geht man davon aus, dass der Wert p ähnlich der Wurzel von N ist (da N ≈ p2 , wenn
p und q ähnlich).
Lineare Algebra
Algebraische Strukturen
Eine Algebraische Struktur verbindet eine Menge mit einem oder mehr Rechenoperationen
(z.B. Addition, Multiplikation).
a′ = a′ ∘ a = e
Reihenfolge, in der Elemente
a ∘ b = b ∘ a für
5 Kommutativität kombiniert werden, hat keinen Einfluss
alle a, b ∈ A
auf das Ergebnis.
a ⊙ (b ⊕ c) =
(a ⊙ b) ⊕ (a ⊙
Operationen innerhalb der Struktur c),
6 Distributivität können kombiniert werden, ohne dass
die Struktur verändert wird. (a ⊕ b) ⊙ c =
(a ⊗ c) ⊕ (b ⊗
c)
Univariable Strukturen
Algebraische Struktur 1
Ring
Ein Ring R(+, ⋅) ist eine nichtleere Menge R mit 2 Verknüpfungen + und ⋅ mit folgenden
Bedingungen:
Körper
Eine algebraische Struktur ist ein Körper (K, +, ⋅), wenn gilt:
1. (K, +) ist eine abel’sche Gruppe.
2. (K ∖ {0}, ⋅) ist eine abel’sche Gruppe.
3. Distributivgesetze gelten.
Vektorraum
Ein Vektorraum V (⊕, ⊙) ist dann ein Vektorraum, wenn es eine Vektoraddition und eine
Skalarmultiplikation bezüglich einem Körper (K, +, ⋅) gibt.
Für diese müssen folgende Axiome erfüllt sein:
Vektoraddition 1, 2, 3, 4, 5
Skalarmultiplikation 1, 3, 6
Untervektorraum
Ein Vektorraum W ist ein Untervektorraum eines anderen Vektorraums V , wenn folgendes
gilt:
Das Erzeugendensystem eines Vektorraums v sind die Vektoren, die mit einer
Linearkombination jeden Ort des Vektorraums v erreichen können.
Das bedeutet, es gilt:
a1 v1 + … = an vn = v
Es gibt mehrere gültige Erzeugendensysteme für einen Vektorraum, da die Vektoren in dem
System nicht linear unabhängig sein müssen.
Minimales Erzeugendensystem / Basis eines Vektorraums
Die Basis eines Vektorraums ist ein Erzeugendensystem, das die minimale Anzahl an
Vektoren enthält, d.h. in dem alle Vektoren voneinander linear unabhängig sind.
Vektoren sind voneinander linear abhängig, wenn sie vielfache voneinander darstellen. Dann
zeigen sie in dieselbe Richtung, was bedeutet, dass es eine Linearkombination gibt, bei dem
die Vektoren zusammen den Nullvektor ergeben:
n
0 = ∑ λi vi
i=1
Sonderfälle
• Der Nullvektor ist immer linear abhängig, da jedes Skalar k mit dem Nullvektor
multipliziert 0 ergibt.
• Einzelne Vektoren (außer der Nullvektor) sind immer linear unabhängig, da es kein
Skalar k gibt, bei dem k mit dem Vektor multipliziert 0 ergibt.
Beispiel
1 2 10
0 0 3
v1 = , v2 = v3 =
2 4 −1
3 6 2
In Matrix umschreiben:
1 2 10
0 0 3
2 4 −1
3 6 2
In Zeilenstufenform umwandeln:
1 2 10
0 0 3
0 0 0
0 0 0
Vektoren
Vektorrechnung
Vektor-Vektor-Addition
Um einen Vektor v mit einem anderen Vektor b zu addieren, muss man zunächst sicherstellen,
dass beiden Vektoren gleich viele Einträge haben.
Wenn das gegeben ist, addiert man die jeweiligen Einträge miteinander:
v1
v2
v=
⋮
vn
b1
b2
b=
⋮
bn
v1 + b1
v2 + b2
⟹ v+b=
⋮
vn + bn
Beispiel
1 4
A= 2 ,B = −2
3 1
1+4 5
A+B = 2 + (−2) = 0
3+1 4
Skalar-Vektor-Multiplikation
Um ein Skalar k mit einem Vektor v zu multiplizieren, muss man alle Einträge des Vektors mit
dem Skalar multiplizieren:
v1
v2
v=
⋮
vn
k ⋅ v1
k ⋅ v2
⟹ kv =
⋮
k ⋅ vn
Beispiel
1
A= 2
3
k=5
5∗1 5
k∗A= 5∗2 = 10
5∗3 15
Normen
Eigenschaften von Normen
Eigenschaft Beschreibung
Die Länge des Vektors muss homogen sein, was bedeutet, dass
Homogenität
∣∣rv∣∣ = ∣r∣∣∣v∣∣.
Die Länge des Summenvektors zweier Vektoren ist kleiner oder
Dreiecksungleichung gleich der Summe der Längen dieser beiden Vektoren:
∣∣v + w∣∣ ≤ ∣∣v∣∣ + ∣∣w∣∣
Euklidische Norm
Die euklidische Norm ∣∣v∣∣2 eines Vektors v beschreibt die Länge des Vektors. Sie wird
berechnet mit:
Maximumsnorm
Die Maximumsnorm ∣∣v∣∣∞ eines Vektors v wird berechnet, indem man das maximale Element
(nach dem Betrag) auswählt:
1
∣∣ 2 ∣∣∞ = max({∣1∣, ∣2∣, ∣ − 3∣}) = 3
−3
Summennorm
Die Summennorm ∣∣v∣∣1 eines Vektors v wird berechnet, indem alle Beträge der Elemente
addiert werden:
1
∣∣ 2 ∣∣1 = ∣1∣ + ∣2∣ + ∣ − 3∣ = 6
−3
p-Norm
Die p-Norm ∣∣v∣∣p eines Vektors v wird so berechnet:
∣∣v∣∣p = p
∣v1p ∣ + ∣v2p ∣, … + ∣vnp ∣ mit 1 ≤ p < ∞
Beispiel
p=3
1
∣∣ 2 ∣∣3 = 3
∣13 ∣ + ∣23 ∣ + ∣(−3)3 ∣ = 3
36
−3
Matrizen
Besondere Matrizen
Nullmatrix
Eine Nullmatrix ist eine Matrix, die nur aus 0-en besteht.
0 … 0
⋮ ⋱ ⋮
0 … 0
Identitätsmatrix / Einheitsmatrix
Die Identitätsmatrix ist die Matrix, die mit einem Vektor multipliziert immer den Vektor selber
ergibt. Dabei ist es egal, ob man von rechts oder links multipliziert.
Die Matrix sieht so aus:
1 0 0 … 0
0 1 0 … 0
0 0 1 … 0
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 … 1
Das heißt alle Einträge der Matrix sind 0, wobei die Hauptdiagonale nur aus 1-en besteht.
Matrix-Skalar-Multiplikation
Um eine Matrix A mit einem Skalar k zu multiplizieren, muss man jeden Eintrag in A mit k
multiplizieren:
x11 … x1n
A= ⋮ ⋱ ⋮
xm1 … xmn
k ∗ x11 … k ∗ x1n
⟹ kA = ⋮ ⋱ ⋮
k ∗ xm1 … k ∗ xmn
Matrix-Matrix-Multiplikation
Um eine Matrix A mit m × n Einträgen mit einer Matrix B mit n × m Einträgen zu
multiplizieren, schreiben wir zunächst beide Matrizen schräg übereinander auf und bilden dann
für jede Zeile in A und Spalte in B das Kreuzprodukt.
Beispiel
7 8
9 10
11 12
1 2 3 1*7+2*9+3*11 …
( ) ( )
4 5 6 … …
7 8
1 2 3 58 64
⟹ ( )× 9 10 =( )
4 5 6 129 154
11 12
Matrix Transponierung
Um eine Matrix zu transponieren, muss man die Zeilen und Spalten vertauschen (Erste Spalte
wird erste Zeile…)
Beispiel
5 9 1
A= 8 2 0
9 2 1
5 8 9
T
⟹ A = 9 2 2
1 0 1
Matrix-Vektor-Multiplikation
Um eine Matrix B mit einem Vektor a zu multiplizieren, bildet man für jede Zeile das
Skalarprodukt.
Dabei ist zu beachten, dass die Reihenfolge der Multiplikation einen Unterschied macht, da
Matrix-Vektor-Multiplikation nicht kommutativ ist.
Außerdem ist es wichtig, dass in der Matrix B genauso viele Spalten sind, wie es Einträge in
Vektor a gibt.
Beispiel
2
a= 4
5
10 2 3
B=( )
1 4 2
2
10 2 3 2 ⋅ 10 + 4 ⋅ 2 + 5 ⋅ 3 43
aB = ( )⋅ 4 =( )=( )
1 4 2 2⋅1+4⋅4+5⋅2 28
5
Elementare Matrix-Zeilenoperationen
1. Mit Vielfachem einer anderen Spalte addieren / subtrahieren (z.B.
Reihe3 = Reihe3 − 2 ⋅ Reihe1 )
2. Spalten vertauschen
3. Spalte mit einem Skalar multiplizieren (außer 0).
1. Die Abbildung der Summe beider Vektoren muss der Summe der
Abbildungen der einzelnen Vektoren entsprechen: A(u + v) = A(u) +
A(v).
2. Die Abbildung eines Vektors multipliziert mit einem Skalar k muss das gleiche
sein, wie wenn man den Skalar erst danach multipliziert: A(ku) = kT (u)
1. Alle Zeilen, die nicht nur aus 0-en bestehen, stehen oberhalb der Nullzeilen.
2. Der Zeilenführer jeder Reihe steht stets in einer Spalte rechts vom
Zeilenführer der Zeile darüber.
3. Alle Einträge unterhalb des Zeilenführers sind Null.
Um die Zeilenstufenform herzustellen, müssen wir einfach die elementaren
Matrixzeilenoperationen anwenden, bis wir diese in die gewünschte Form gebracht haben.
1. In jeder Zeile der erste Eintrag, der nicht 0 ist, 1 ist (führende 1).
2. Bei der Spalte, in der diese führende 1 steht, sind alle anderen Felder 0.
3. In der nächsten Spalte ist die führende 1 rechts von der oberen Spalte.
4. Alle Spalten, die nur aus 0-en bestehen, sind unten.
Um die reduzierte Zeilenstufenform einer Matrix zu berechnen, müssen wir die elementaren
Matrixzeilenoperationen anwenden, bis die Matrix im gewünschten Format ist.
Bild(A) = {Ax∣x ∈ Rn } ⊆ Rm
Berechnung
1. Die Matrix transponieren
2. Die Zeilenstufenform der Transponierten ausrechnen (Gauß-Verfahren).
3. Zurücktransponieren.
4. Nicht-Null-Spalten als Vektoren aufschreiben.
5. Die lineare Hülle aus den Vektoren bilden.
Beispiel
2 0 0 0
2 0 0 0
A=
−1 1 1 −1
2 1 1 −1
1. Transponieren
2 2 −1 2
0 0 1 1
AT =
0 0 1 1
0 0 −1 −1
2. Zeilenstufenform herstellen
2 2 −1 2
0 0 1 1
⟹
0 0 0 0
0 0 0 0
3. Zurücktransponieren
2 0 0 0
2 0 0 0
⟹
−1 1 0 0
2 1 0 0
2 0
2 0
v1 = , v2 =
−1 1
2 1
2 0
{t
2 0
+s t, s ∈ R}
−1 1
2 1
Kern einer Matrix
Der Kern / Nullraum einer Matrix ist die Menge von Vektoren, die von rechts an die Matrix
multipliziert den Nullvektor ergeben.
Den Kern einer Matrix A machen somit die Vektoren v aus, bei denen A ⋅ v = 0.
Eine Matrix hat nur einen Kern, wenn ihre Determinante gleich 0 ist. Andernfalls hat sie keinen
Kern (außer dem Nullvektor 0).
Man bestimmt den Kern einer Matrix, in dem man ein homogenes lineares Gleichungssystem
löst.
Beispiel
x11 x12 x13 x14 0
x21 x22 x23 x24 0
x31 x32 x33 x34 0
1. In jeder Zeile der erste Eintrag, der nicht 0 ist, 1 ist (führende 1).
2. Bei der Spalte, in der diese führende 1 steht, sind alle anderen Felder 0.
3. In der nächsten Spalte ist die führende 1 rechts von der oberen Spalte.
4. Alle Spalten, die nur aus 0-en bestehen, sind unten.
1 0 −1 −2 0
0 1 2 3 0
0 0 0 0 0
⟹ x1 = x3 + 2x4
⟹ x2 = −2x3 − 3x4
x1 1 2
x2 −2 −3
N (A) = = x3 + x4
x3 1 0
x4 0 1
1 2
−2 −3
= span( , )
1 0
0 1
Determinante berechnen
1x1-Determinante
Die Determinante einer 1x1-Matrix ist die Zahl selber.
2x2-Determinante
=[ ] is ∣A∣= ad − bc
a b
The determinant of a 2x2-Matrix A
c d
a b c a b
d e f d e
g h j g h
anschließend multipliziert man zuerst schräg nach rechts:
a b c a b
d e f d e
g h j g h
⟹ aej + bf g + cdh
a b c a b
d e f d e
g h j g h
⟹ bdj + af h + ceg
zum Schluss nur noch den die zweite Zahl von der ersten subtrahieren, um unsere
Determinante zu bekommen:
n x n-Determinante (Gauß)
a b c d
e f g h
Die Determinante einer n × n-Matrix A = kann berechnet werden, indem
i j k l
m n o p
man zuerst die Matrix in eine obere Dreiecksmatriz umwandelt.
Eine obere Dreiecksmatrix ist eine Matrix, bei der links unten von der Diagonale nur 0-en
stehen, zum Beispiel:
Achtung!
• Bei multiplizieren einer Zeile mit einem Skalar wird die Determinante mit dem
gleichen Faktor skaliert.
• Bei Vertauschen zweier Zeilen vertauscht sich das Vorzeichen der
Determinante.
Um die Determinante zu berechnen, müssen wir nur noch das Produkt der Diagonale bilden:
Inverse Matrix
Eine Matrix A ist genau dann invertierbar, wenn sie quadratisch ist und wenn gilt: det(A) =0
.
Die Inverse Matrix ist die Matrix, bei der gilt:
A ⋅ A−1 = E
, das heißt die Matrix A multipliziert mit der inversen Matrix A−1 ergibt den Einheitsvektor E .
Berechnung
1. Einheitsmatrix rechts daneben schreiben.
2. Links vom Strich Einheitsmatrix erzeugen (Gauß-Algorithmus).
3. Rechts vom Strich die Einheitsmatrix ablesen.
Beispiel
1. Einheitsmatrix rechts nebendran schreiben
2 0 1 1 0 0
4 1 2 0 1 0
4 2 0 0 0 1
1 −0, 5 0, 25
−1
⟹ A = −2 1 0
−1 1 −0.5
Eigenwerte berechnen
Eigenwerte einer Matrix sind die Werte, bei denen
A ∗ v = λ ∗ v gilt.
A∗v−λ∗v =0
(A − λEn ) ∗ v = 0
Beispiel
2 1 2
Matrix A = 1 2 2
1 2 3
2 1 2 λ 0 0
(A − λEn ) = 1 2 2 − 0 λ 0
1 2 3 0 0 λ
2−λ 1 2
= 1 2−λ 2
1 2 3−λ
Danach bestimmen wir die Determinante der Matrix (siehe Determinante berechnen)
∣A∣= (2 − λ) ∗ (2 − λ) ∗ (3 − λ) + 1 ∗ 2 ∗ 1 + 2 ∗ 1 ∗ 2 − 1 ∗ 1 ∗ (3 − λ) − (2 − λ) ∗ 2 ∗ 2 − 2
= 3 − 9 ∗ λ + 7 ∗ λ2 − λ3
• λ1 = 1
• λ2 = 3 − 6
• λ3 = 3 + 6
Gibt es außer der trivialen Lösung (λ = 0) nur imaginäre Lösungen, hat die Matrix keinen
Eigenvektor.
μn = M n ⋅ μ0
Das bedeutet, anstatt n-mal die Matrix mit einem Vektor zu multiplizieren, reicht es, die Matrix
log2 (n)-mal zu potenzieren. Dazu lässt sich der "square-and-multiply"-Algorithmus anwenden
(siehe oben).