Technische Universität München

Lineare Algebra
für Informatiker
/ [MA 0901]
Übungsblatt 12

Tutorium
T12.1 Eine Matrix M œ Rn◊n heißt positiv semidefinit, falls v € M v Ø 0 für alle v œ Rn gilt.
(a) Zeigen Sie, dass eine positiv semidefinite Matrix nur nichtnegative Eigenwerte besitzt.
(b) Folgern Sie aus Aufgabenteil (a), dass für A œ Rm◊n die Matrix A€ A nur nichtnegative Eigenwerte
besitzt.

Lösung T12.1: (a) Ist ⁄ ein Eigenwert von M mit Eigenvektor v, so gilt:
0 Æ v € M v = v € ⁄ v = ⁄v € v = ⁄ ÎvÎ2 .
Da v ein Eigenvektor von M ist, gilt v ”= 0 und damit ÎvÎ > 0. Hieraus folgt ⁄ Ø 0.
(b) Für jedes v œ Rn gilt
v € A€ A v = (A v)€ A v = ÎA vÎ2 Ø 0 .
Nach (a) besitzt dann A€ A nur nichtnegative Eigenwerte.
T12.2 Bestimmen Sie die Singulärwertzerlegungen der Matrizen
Q R
1 1
c d
(a) A = a 1 1 b,
3 ≠3
A B
2 1 2
(b) B = .
1 ≠2 1
A B
11 ≠7
Lösung T12.2: (c) Für die Matrix A A =
€
erhält man aus dem charakteristischen Polynom
≠7 11
- -
-11 ≠ ⁄ ≠7 --
-
‰= - - = (⁄ ≠ 18)(⁄ ≠ 4)
- ≠7 11 ≠ ⁄-

die Eigenwerte ⁄1 = 18 und ⁄2 = 4. Für die normierten Eigenvektoren ergibt sich v1,2 = Ô1 (1, û1)€ . Die
Ô 2
Singulärwerte lauten nun ‡1 = 3 2 und ‡2 = 2:
Q Ô R
3 2 0
c d
=a 0 2b .
0 0
Die Matrix V ist gegeben durch
A B
Ô1
1 1
V = (v1 , v2 ) = .
2 ≠1 1
1
Nun bestimmen wir noch U :
Q R Q R Q R
0 1 ≠1
u1 = ‡11 Av1 = c d
a0b , u2 =
1
‡2
Av 2 = Ô1 c d
2
a 1b , ergänze u3 = u1 ◊ u2 = Ô1 a 1 b
2
c d

1 0 0
und erhalte
Q R
0 1 ≠1
U = 2 aÔ0 1 1 b .
1 c
Ô
d

2 0 0
Die Singulärwertzerlegung von A ist nun gegeben durch A = U V € .
(b) (1) Für die Singulärwerte der Matrix B berechnen wir die Eigenwerte von B € B mit
Q R
5 0 5
c d
B B = a0 5 0b ,
€

5 0 5
ziehen daraus die Wurzeln und ordnen die Ergebnisse in absteigender Reihenfolge. Für das charakteristi-
sche Polynom ergibt sich
- -
-5 ≠ x 0 5 --
-
-
‰B € B (x) = - 0 5≠x 0 -- = (5 ≠ x)(≠x)(10 ≠ x) .
- -
- 5 0 5 ≠ x-
Ô Ô
Die Eigenwerte sind (geordnet) 10, 5 und 0, also hat B die Singulärwerte ‡1 = 10 und ‡2 = 5 (da B
zwei Zeilen und 3 Spalten hat, gibt es min { 2, 3 } = 2 Singulärwerte (der Eigenwert 0 muss damit noch
einmal (3 ≠ 2 = 1) auftreten und sorgt später dafür, dass wir genügend Eigenvektoren für die Matrix V
erhalten). Somit kennen wir bereits die Matrix (2)
AÔ B
10 Ô0 0
= .
0 5 0
In der Matrix V stehen die Eigenvektoren der Matrix B € B (diese ist orthogonal diagonalisierbar, weil sie
symmetrisch ist, es gibt also eine Basis des R3 aus Eigenvektoren von B € B). Die normierten Eigenvektoren
lauten v1 = Ô12 (1, 0, 1)€ , v2 = (0, 1, 0)€ und v3 = Ô12 (1, 0, ≠1)€ .
Zu beachten ist, dass die Eigenvektoren eine Orthonormalbasis des R3 ergeben müssen. Es ist also jeweils
ein normierter Eigenvektor zu wählen, ggf. (bei mehrdimensionalen Eigenräumen) muss man auch darauf
achten, dass die Eigenvektoren zu einem Eigenwert paarweise orthogonal sind (falls man das nicht direkt
hinbekommt, wird eben ein Gram-Schmidt-Verfahren durchgeführt).
Damit erhalten wir Matrix V , in deren Spalten die Eigenvektoren stehen:
Q R
1 Ô0 1
1 c d
V = 2 a0
Ô 2 0b.
1 0 ≠1
(3) Wir bestimmen schließlich die Matrix U :
A B A B
1 Ô1
2 1 Ô1
1
u1 = Bv1 = , u2 = Bv2 = .
‡1 5 1 ‡2 5 ≠2
Damit erhalten wir
A B
Ô1
2 1
U= .
5 1 ≠2
Als Singulärwertzerlegung ergibt sich schließlich
Q R
A B AÔ 1 0 B1
Ô1
2 1 10 Ô0 0 Ô1 c Ô d
B=U V€ = a0 2 0b.
5 1 ≠2 0 5 0 2
1 0 ≠1
2
 Q R
1 2 3
T12.3 Berechnen Sie ÎAÎ1 und ÎAÎŒ für die Matrix A = a 2 ≠3 4 b œ R3◊3 .
2 4 ≠5
Lösung T12.3:

ÎAÎ1 = 12 (max. Spaltensumme) , ÎAÎŒ = 11 (max. Zeilensumme) .

T12.4 Berechnen Sie die Spektralnormen der folgenden Matrizen

Q R Q R
0 ≠1 ≠2 3 0 ≠1
A=c
a ≠1 0 ≠2 d
b , B=c
a 0 2 0 d
b.
≠2 ≠2 ≠3 ≠1 0 3

Lösung T12.4: Die Spektralnorm einer symmetrischen Matrix ist der Betrag des betragsgrößten Eigen-
werts der Matrix. Wir berechnen also zunächst die Eigenwerte von A:
Q R
≠⁄ ≠1 ≠2
c 2
‰A (⁄) = det a ≠1 ≠⁄ ≠2 d b = ≠⁄ (3 + ⁄) + (≠4) + (≠4) ≠ (≠4⁄ ≠ 4⁄ ≠ 3 ≠ ⁄)
≠2 ≠2 ≠3 ≠ ⁄
= ≠⁄3 ≠ 3⁄2 + 9⁄ ≠ 5 = ≠(⁄ ≠ 1)(⁄2 + 4⁄ ≠ 5) .

Damit erhalten wir als Eigenwerte 1 sowie ≠2±3, also 1 und ≠5. Natürlich ist ≠5 damit der betragsgrößte
Eigenwert der Matrix A, also ist die Spektralnorm

ÎAÎ2 = |≠5| = 5 .

Für die Spektralnorm berechnen wir die Eigenwerte von B. Es gilt:

- -
-3 ≠ ⁄ 0 ≠1 --
-
‰B (⁄) = -
- 0 2≠⁄ 0 -- = (2 ≠ ⁄)2 (4 ≠ ⁄) .
- -
- ≠1 0 3 ≠ ⁄-

Die Eigenwerte von B sind also 2 und 4, der betragsgrößte Eigenwert ist 4. Damit folgt ÎBÎ2 = 4.
T12.5 Bestimmen Sie die Definitheit der folgenden Matrizen!
A B A Ô B A B
1 1 ≠1 2 3 ≠6
(a) A = , (c) C = Ô , (e) E = ,
1 ≠2 2 ≠2 ≠6 12
Q R
A B A B 1 ≠1 0
1 ≠1 ≠10 1 c d
(f) F = a≠1 2 0 b.
(b) B = , (d) D = ,
≠1 2 1 ≠2 0 0 10

Lösung T12.5: (a) Wegen det(A) < 0 ist A indefinit.

(b) Wegen det(B) > 0 und Spur(B) > 0 ist B positiv definit.
(c) Wegen det(C) = 0 und Spur(C) < 0 ist C negativ semidefinit (und nicht definit).
(d) Wegen det(D) > 0 und Spur(D) < 0 ist D negativ definit.
(e) Wegen det(E) = 0 und Spur(E) > 0 ist E positiv semidefinit (und nicht definit).
(f) Die Matrix hat den Eigenwert 10 (mit EV e3 ) und wegen der Blockdiaonalgestalt und (b) zwei weitere
positive Eigenwerte. Damit ist F positiv definit.

3
Zusätzliche Übungen

Z12.1 Begründe, warum die Länge von Vektoren eines euklidischen Vektorraums eine Norm ist.

Lösung Z12.1: Wir prüfen die drei Eigenschaften einer Norm nach:
(N1) klar, wegen der positiven Definitheit von È , Í .
Ò Ò
(N2) Î⁄vÎ = È⁄v, ⁄vÍ = ⁄2 Èv, vÍ = |⁄| ÎvÎ .
(N3) Unter Verwendung der Chauchy-Schwarz’schen Ungleichung erhalten wir:
Îv + wÎ2 = Èv + w, v + wÍ2 = ÎvÎ2 + ÎwÎ2 + 2 Èv, wÍ Æ ÎvÎ2 + ÎwÎ2 + 2| Èv, wÍ |
1 22
Æ ÎvÎ2 + ÎwÎ2 + 2ÎvÎ ÎwÎ = ÎvÎ + ÎwÎ .
Wurzelziehen liefert nun die Dreiecksungleichung.

Z12.2 Ein einfarbiges Bild in einem 3 ◊ 3-Gitter wird durch eine reelle 3 ◊ 3-Matrix gespeichert, deren
Einträge den Graustufenwerten
3 4am jeweiligen Pixel entsprechen. Das Bild eines Fadenkreuzes wird so
0 1 0
durch die Matrix A = 1
0
1
1
1
0
œ R3◊3 repräsentiert. Führen Sie die Singulärwertzerlegung durch, und
komprimieren Sie die Daten, indem Sie den kleinsten Singulärwert durch 0 ersetzen. Welches Graustufen-
bild ergibt sich nach Datenkompression?

Lösung Z12.2: Da die Matrix A bereits symmetrisch ist, können wir die Singulärwertzerlegung schneller
über die Hauptachsentrafro erhalten: Zunächst ist 0 ein EW von A, da A nicht vollen Rang hat, und wir
erhalten Q R
1
EigA (0) = ker A = Èc d
a 0 bÍ.
≠1
Durch Raten (oder Berechnung von ‰A ) und Beachten von SpurA = 1 findet man weiter EW 2 und ≠1
mit Q R Q R
1 1
c d c d
EigA (2) = Èa 2 bÍ und EigA (≠1) = Èa ≠1 bÍ.
1 1
Da diese Eigenräume automatisch paarweise orthogonal sind, erhalten wir durch Normieren der aufspan-
nenden Vektoren die orthogonale Matrix
Q Ô Ô Ô R
1/Ô6 1/ Ô3 1/ 2
S=c a 2/ 6 ≠1/ 3
Ô Ô 0Ô b
d

1/ 6 1/ 3 ≠1/ 2
mit S € AS = diag(2, ≠1, 0) oder
A = S diag(2, ≠1, 0)S € = S diag(2, 1, 0) (diag(0, ≠1, 0)S € ) .
Da die Matrix diag(0, ≠1, 0) S € ebenfalls orthogonal ist, haben wir so die Singulärwertzerlegung von A
erhalten. Wir machen nun den kleinsten Singulärwert zu 0, und erhalten als komprimiertes Bild dann
S diag(2, 0, 0) (diag(0, ≠1, 0)S € ) = S diag(2, 0, 0) S € ) =
Q Ô Ô Ô RQ Ô Ô Ô R Q R
1/Ô6 1/ Ô3 1/ 2 2/ 6 4/ 6 2/ 6 0.25 0.5 0.25
c dc
0 b = 43 a 0.5 1 0.5 b .
d c d
a 2/ 6 ≠1/ 3 0Ô b a 0 0
Ô Ô
1/ 6 1/ 3 ≠1/ 2 0 0 0 0.25 0.5 0.25
Das Kreuz wird also etwas verschmiert.

4
Z12.3

(a) Zeigen Sie, dass die Frobeniusnorm eine Norm auf Rn◊n ist.

(b) Zeigen Sie, dass die Frobeniusnorm mit der euklidischen Vektornorm ηÎ2 verträglich und submulti-
plikativ ist.

(c) Warum ist die Frobeniusnorm für n > 1 von keiner Vektornorm induziert?

2
Lösung Z12.3: (a) Identifiziere A œ Rn◊n mit ã œ Rn :

ã = (a11 , a12 , . . . , a1n , a21 , . . . , a2n , . . . , an1 , . . . , ann )€ .

2 2
Die euklidische Norm Î · Î des Rn ist eine Norm auf dem Rn . Wegen ÎAÎF = ÎãÎ2 ist daher auch Î · ÎF
eine Norm.
(b) Verträglichkeit mit Î · Î2 bedeutet ÎAxÎ2 Æ ÎAÎF ÎxÎ2 . Wir berechnen daher
.Q q R.2
. n . SA B 1 T2
. i=1 a1i xi . A n B B1 A n
..
.c d. n
ÿ ÿ n
ÿ ÿn 2 ÿ 2
ÎAxÎ22 = .c
.a . d. =
b. aji xi Æ U a 2
ij x 2 V
i
. qn . j=1 i=1 j=1 i=1 i=1
. i=1 ani xi
.
2
Q R
n
ÿ ÿ n n
ÿ n
ÿ n
ÿ
= a a2 ij x2 i
b = x2i a2ij = ÎxÎ22 ÎAÎ2F ,
j=1 i=1 i=1 i=1 i,j=1
¸ ˚˙ ˝
unabh. von j

wobei die Cauchy-Schwarz’sche-Ungleichung

n
A n B1 A n B1
ÿ ÿ 2 ÿ 2
ai b i Æ a2i b2i
i=1 i=1 i=1

verwendet wurde. Somit gilt also

ÎAxÎ2 Æ ÎAÎF ÎxÎ2 .
Submultiplikativität bedeutet ÎABÎF Æ ÎAÎF ÎBÎF . Wir berechnen daher erneut mit der Cauchy-
Schwarz’schen-Ungleichung
n n
A n B2 n
A n n
B
ÿ ÿ ÿ ÿ ÿ ÿ
ÎABÎ2F = (AB)kl = aki bil Æ a2ki b2il
k,l=1 k,l=1 i=1 k,l=1 i=1 i=1
ÿn n
ÿ
= a2ki b2il = ÎAÎ2F ÎBÎ2F .
k,i=1 l,i=1

Somit gilt also

ÎABÎF Æ ÎAÎF ÎBÎF .
(c) Eine natürliche Matrizennorm erfüllt ÎEn Î = 1, das ist aber bei der Frobeniusnorm für n > 1 nicht
erfüllt, es gilt nämlich Ô
ÎEn ÎF = n ”= 1 .
Somit folgt, dass Î · ÎF keine natürliche Matrizennorm ist.

Aktuelle Informationen zu Vorlesung und Übungen finden Sie unter: [Link]

5