Determinanten. Kapitel Permutationen

Größe: px
Ab Seite anzeigen:

Download "Determinanten. Kapitel Permutationen"

Transkript

1 Kapitel 5 Determinanten 51 Permutationen Die Permutationen einer Menge M, d h die bijektiven Abbildungen von M auf M, bilden bekanntlich eine Gruppe S(M) Im Folgenden benötigen wir nur die Permutationen der Mengen n = {1,, n} (n N), d h die Elemente der symmetrischen Gruppen S n = S(n) 511 Definition Eine n n Matrix aus K n n, bei der in jeder Zeile und jeder Spalte genau eine 1 und sonst nur Nullen stehen, heißt Permutationsmatrix über K 512 Satz (Gruppe der Permutationsmatrizen) Die n n Permutationsmatrizen über einem Körper K bilden eine Untergruppe P(n, K) der Gruppe O(n, K) der orthogonalen Matrizen, und P(n, K) ist isomorph zur Gruppe S n vermöge P : S n P(n, K), σ P σ = (δ i,σ(j) ) Die Multiplikation einer Matrix A K n n mit der Permutationsmatrix P σ von rechts (bzw mit P σ T von links) bewirkt die entsprechende Permutation der Spalten (bzw Zeilen) von A 513 Folgerungen Für jede Permutation σ S n gilt: (1) P σ e j = e σ(j) (j te Spalte von P σ ), (2) A P σ = (a 1,, a n )P σ = (a σ(1),, a σ(n) ) und P σ T B = P σ T (3) P σ T = P 1 σ = P σ 1 b 1 b n = 514 Definition Die Permutation von n, die i mit j vertauscht (i j), heißt Transposition und wird mit τ ij bezeichnet P τij ist also die Transpositionsmatrix T ij aus Abschnitt Satz (Produktdarstellung durch Transpositionen) (1) Jede Permutationsmatrix kann durch maximal n 1 elementare Umformungen vom Typ (3) (Transpositionen) in die Einheitsmatrix transformiert werden (2) Die Permutation(smatriz)en sind genau die Produkte von Transposition(smatriz)en Die Menge T n der Transpositionen erzeugt also die symmetrische Gruppe S n (3) Ist id n ein Produkt von k Transpositionen, so ist k gerade b σ(1) b σ(n), 58

2 KAPITEL 5 DETERMINANTEN Definition Eine Permutation σ heißt gerade oder ungerade, je nachdem ob σ das Produkt einer geraden oder ungeraden Anzahl von Transpositionen ist Das Signum oder die Signatur von σ wird definiert durch { 1, falls σ gerade sign (σ) := 1, falls σ ungerade 517 Bemerkungen (1) Jede Transposition ist selbstinvers und ungerade (2) Die Anzahl der Transpositionen in einer Produktdarstellung einer Permutation σ ist nicht eindeutig durch σ bestimmt, aber sie ist aufgrund von 515 (3) für festes σ immer gerade oder immer ungerade 518 Satz und Definition (Produktivität des Signums, alternierende Gruppe) Für je zwei Permutationen σ, τ S n gilt: sign (σ τ) = sign σ sign τ Die Abbildung sign : S n { 1, 1} ist also ein Gruppen Homomorphismus Die geraden Permutationen bilden eine Untergruppe von S n, die sogenannte alternierende Gruppe A n 519 Beispiel Für n=3 ist die symmetrische Gruppe S n die disjunkte Vereinigung der Menge A n aller geraden Permutationen und der Menge T n aller Transpositionen Im Gegensatz zu A n ist aber T n keine Untergruppe! A 3 {}}{ (1, 2, 3) (2, 3, 1) (3, 1, 2) T 3 {}}{ (2, 1, 3) (3, 2, 1) (1, 3, 2) Für n > 3 gibt es keine solche Zerlegung, obwohl stets A n T n = Ø gilt Zum Beispiel ist die Permutation (2, 3, 4, 1) weder gerade noch eine Transposition 5110 Definition Eine Permutation σ S n heißt zyklisch oder ein Zykel der Länge k, falls es paarweise verschiedene Zahlen j 1,, j k n gibt, so dass σ(j m ) = j m+1 für m < k, σ(j k ) = j 1, und σ(i) = i sonst Dieses σ wird notiert als (j 1 j k ) (nicht zu verwechseln mit Permutationen (j 1,, j k ) S k ) 5111 Satz Jede Permutation besitzt eine bis auf die Reihenfolge der Faktoren eindeutige Darstellung als Produkt elementfremder Zykel Stellt man das kleinste Element jedes Zykels an den Anfang und ordnet die Zykel nach Größe der Anfangselemente, so ist die Darstellung sogar völlig eindeutig Ist σ Produkt von insgesamt m Zykeln der Längen k 1,, k m, so gilt sign (σ) = ( 1) (k 1 1)++(k m 1) 5112 Beispiel σ =(2, 3, 5, 6, 1, 4, 8, 7, 9) = (1235)(46)(78)(9), sign (σ) = ( 1) = 1

3 KAPITEL 5 DETERMINANTEN Multilineare Abbildungen und Determinantenfunktionen In der Ebene R 2 hat man eine Flächenfunktion F, die jedem von u und v aus R 2 aufgespannten Parallelogramm die orientierte Fläche F (u, v) = u v sin (u, v) = u 1 v 2 u 2 v 1 zuordnet Sie hat folgende Eigenschaften: F ist linear in beiden Argumenten, insbesondere F (λu, v) = F (u, λv) = λ F (u, v) F (u, v) = F (u, u + v) = F (u + v, v) F (v, u) = F (u, v) F (u, v) 0 (u, v) ist eine geordnete Basis F (e 1, e 2 ) = 1 Analoge Eigenschaften hat die Volumenfunktion S im Raum R 3, die durch das Spatprodukt (das orientierte Volumen ) gegeben ist: S(u, v, w) = (u v) w = u 1 v 2 w 3 + u 2 v 3 w 1 + u 3 v 1 w 2 u 3 v 2 w 1 u 1 v 3 w 2 u 2 v 1 w 3 S ist linear in jedem Argument, d h bei zwei festgehaltenen Argumenten ist S eine lineare Funktion des dritten Arguments Die Addition eines Arguments zu einem anderen ändert den Wert von S nicht, Vertauschung zweier Argumente ändert das Vorzeichen Ferner gilt S(u, v, w) 0 genau dann, wenn (u, v, w) eine geordnete Basis ist, und es gilt S(e 1, e 2, e 3 )=1 Diese Spezialfälle motivieren die folgenden Begriffsbildungen und Überlegungen 521 Definition V und W seien Vektorräume über einem Körper K (z B W = K) Weiter sei n eine natürliche Zahl Für A = (a 1,, a n ) V n und b V bezeichne A j (b) das n-tupel, welches bei Ersetzen von a j durch b entsteht, also A j (b) j = b und A j (b) i = a i für i j Eine Abbildung F von V n nach W heißt multilinear (bzw bilinear im Fall n = 2), wenn F linear in jedem Argument ist, d h für alle j n, A V n, x, y V und λ K gilt: F (A j (x + y)) = F (A j (x)) + F (A j (y)), F (A j (λx)) = λ F (A j (x)) F heißt alternierend, falls F (A) = 0 für alle A = (a 1,, a n ) V n gilt, bei denen zwei der n Argumente a j gleich sind 522 Satz (Alternierende multilineare Abbildungen) Für eine multilineare Abbildung F : V n W betrachte man folgende Aussagen: (a) F (A) = 0, falls A = (a 1,, a n ) und Rang A := dim(ka Ka n ) < n (b) F ist alternierend (c) F ändert bei Vertauschung zweier Argumente das Vorzeichen (d) F (A σ) = sign (σ) F (A) für σ S n, A = (a 1,, a n ) V n und A σ = (a σ(1),, a σ(n) ) Allgemein gilt: (a) (b) = (c) (d) Falls nicht das Nullelement von K ist, sind alle vier Aussagen äquivalent

4 KAPITEL 5 DETERMINANTEN Beispiele (1) Für n=1 sind die multilinearen Abbildungen nichts anderes als die linearen Abbildungen (2) Die Flächenfunktion des R 2 und das Spatprodukt des R 3 sind multilinear und alternierend (3) Das Skalarprodukt des K n oder K n ist bilinear; alternierend ist es nicht Wenn = 0, d h 1 = 1 in K gilt, so ist x y = y x = y x, also (c) in 522 erfüllt, obwohl das Wort Vorzeichenänderung hier bedeutungslos ist (4) Für jede Matrix A K n n ist die Abbildung S A : K n 2 K, (x, y) x T A y bilinear Sie ist genau dann alternierend, wenn A schiefsymmetrisch, d h A T = A ist (5) Das Vektorprodukt : R 3 2 R 3 ist bilinear und alternierend, aber keine Abbildung in den Grundkörper R 524 Definition Sei n eine natürliche Zahl, K ein Körper und V ein n-dimensionaler Vektorraum über K Eine Funktion D : V n K heißt Determinantenfunktion, falls (D1) Multiplikation eines der n Argumente mit λ K das λ-fache des Funktionswerts bewirkt: D(A j (λa j )) = λ D(A) für j n und λ K, (D2) bei Addition eines Arguments zu einem anderen der Funktionswert unverändert bleibt: D(A j (a i + a j )) = D(A) für i j 525 Satz (Charakterisierung der Determinantenfunktionen) Die Determinantenfunktionen D : V n K sind genau die multilinearen alternierenden Abbildungen von V n in den Körper K 526 Folgerungen (Regeln für Deteminantenfunktionen) V sei ein n-dimensionaler Vektorraum, D : V n K eine Determinantenfunktion und A V n (1) D(λA) = λ n D(A) für λ K (2) D(A j (λa i + a j )) = D(A) für i j und λ K (3) Rang A < n = D(A) = 0 (4) Gilt D(B) = 0 für eine geordnete Basis B von V n, so ist D bereits die Nullfunktion 527 Beispiele (1) Die Nullfunktion 0 : V n K ist stets eine Determinantenfunktion (2) Von der Nullfunktion verschiedene Determinantenfunktionen sind für n = 1 die Identität auf einem beliebigen Körper K für n = 2 die Flächenfunktion F : R 2 2 R für n = 3 die Volumenfunktion S : R 3 3 R Für n > 3 ist die Existenz von Determinantenfunktionen außer der Nullfunktion keineswegs offensichtlich! Wir beweisen sie in 5211

5 KAPITEL 5 DETERMINANTEN Bemerkung Im Spezialfall des Standardraumes V = K n kann man die Determinantenfunktionen D : K n n K als Funktionen auf dem Matrizenraum K n n auffassen Unter Benutzung der Elementarmatrizen aus 43 lesen sich die beiden Bedingungen dann wie folgt: (D1) D(A D j (λ)) = λ D(A) für λ K: D(A) wird mit λ multipliziert, wenn man eine Spalte durch ihr λ-faches ersetzt, (D2) D(A E ij (1)) = D(A): D(A) bleibt unverändert, wenn man eine Spalte zu einer anderen addiert Statt der Umformung (D2) darf man sogar eine beliebiges skalares Vielfaches einer Spalte zu einer anderen addieren, ohne den Funktionswert zu verändern 529 Definition Eine Determinantenfunktion D : K n n K nennt man normiert, falls für die Einheitsmatrix E K n n gilt: D(E) = 1 Unser Ziel ist es zu zeigen, daß es zu jedem n N und jedem Körper K genau eine solche normierte Determinantenfunktion gibt Die nächste, grundlegende Definition geht auf Leibniz zurück 5210 Definition Für A = (α ij ) K n n heißt det A := n sign (σ) σ S n i=1 α σ(i),i die Determinante der Matrix A Damit hat man für jedes n N und jeden Körper K eine Funktion det n K = det : K n n K 5211 Satz (Hauptsatz über Determinantenfunktionen) Die folgenden Aussagen über eine Funktion D : K n n K sind äquivalent: (a) D ist eine normierte Determinantenfunktion (b) D ist multilinear, alternierend und normiert (additive Struktur) (c) D(AB) = D(A)D(B) und D(L) = λ 1 λ 2 λ n, falls L eine obere oder untere Dreiecksmatrix mit den Diagonalelementen λ,, λ n ist (multiplikative Struktur) (d) D = det n K Für jeden n-dimensionalen K-Vektorraum V bilden die Determinantenfunktionen D : V n K einen Vektorraum der Dimension 1 Speziell sind die Determinantenfunktionen D : K n n K genau die skalaren Vielfachen von det n K

6 KAPITEL 5 DETERMINANTEN Folgerungen (Rechenregeln für Determinanten) (1) det ist (spalten )multilinear, insbesondere gilt: det(λa) = λ n det A (2) det verändert sich bei Addition eines Vielfachen einer Spalte zu einer anderen nicht (3) det ändert das Vorzeichen bei Spaltenvertauschung (4) det(ab) = det A det B (5) det A 0 gilt genau dann, wenn A invertierbar ist In diesem Fall ist det(a 1 ) = (det A) 1 (6) det(a T ) = det A ( ) ( ) A B A O (7) det = det = det A det D O D C D für A K m m, B K m (n m), C K (n m) m, D K (n m) (n m) (Kästchenregel) λ 1 λ (8) det 0 = λ 1 λ 2 λ n = det λ n λ n (1), (2) und (3) gelten analog für Zeilen statt Spalten 5213 Lemma (Explizite Berechnung von Determinanten) (1) A = ( α 11 ) K 1 1 = det A = α 11 ( ) α11 α (2) A = 12 K 2 2 α 21 α 22 = det A = α 11 α 22 α 21 α 12 α 11 α 12 α 13 (3) A = α 21 α 22 α 23 K3 3 α 31 α 32 α 33 = det A = α 11 α 22 α 33 α 31 α 22 α 13 + α 21 α 32 α 13 α 11 α 32 α 23 + α 31 α 12 α 23 α 21 α 12 α Bemerkungen Die Regel (3) wird meist Regel von Sarrus (Franz, 19 Jh) genannt, stammt aber ursprünglich von Leibniz (17 Jh) Für n=4 hat man nach der Leibnizschen Formel bereits 4! = 24 Summanden zu berechnen Für n 4 verwendet man aufgrund der Vielzahl der auftretenden Summanden (n!) andere Methoden wie beispielsweise die Entwicklung nach Zeilen oder Spalten (siehe 537) 5215 Schreibweise statt det

7 KAPITEL 5 DETERMINANTEN Beispiele (Anwendungen der Determinantentheorie) (1) Flächenberechnung: Ein von u und v in der Ebene R 2 aufgespanntes Parallelogramm hat die Fläche det(u, v) (2) Volumenberechnung: Ein Spat [u, v, w] im Raum R 3 hat das Volumen det(u, v, w) (3) Orientierung: Drei Vektoren u, v, w R 3 bilden genau dann ein Rechtssystem (Linkssystem), wenn det(u, v, w) > 0 (det(u, v, w) < 0) ist u, v, w liegen genau dann in einer Ebene durch 0 (sind linear abhängig), wenn det(u, v, w) = 0 ist (4) Explizite Lösung linearer Gleichungssysteme: Siehe 532 (5) Interpolation: Bei n verschiedenen Stützstellen λ 1,, λ n K und vorgegebenen Funktionswerten α 1,, α n existiert genau ein Interpolationspolynom p höchstens (n 1) ten Grades mit p(λ j ) = α j für jedes j n, da die sogenannte Vandermonde Determinante 0 λ 1 n 1 λ 1 λ n 0 λ n n 1 = (λ j λ i ) i<j nicht verschwindet Explizit ist das Interpolationspolynom nach Lagrange gegeben durch n x λ i p(x) = α j λ j λ i j=1 i n\{j} Durch die Isomorphismen zwischen Matrizenringen und Endomorphismenringen (siehe 4219) läßt sich der Begriff der Determinanten von Matrizen auf Endomorphismen übertragen 5217 Satz und Definition (Determinanten von Endomorphismen) Zu jedem K-Vektorraum V endlicher Dimension n N gibt es genau eine Abbildung det V : End K V K mit folgenden Eigenschaften: (1) det V (F ) = det MB B (F ) für jede geordnete Basis B von V (2) det V (F G) = det V (F ) det V (G) (3) det V (id V ) = 1 (4) det V (F 1 ) = det V (F ) 1 für F GL K (V ) Man nennt det V (F ) die Determinante von F 5218 Satz Jede orthogonale Matrix hat die Determinante 1 oder 1 Insbesondere hat jede Drehung die Determinante 1, hingegen jede Spiegelung an einer Ebene und jede Drehspiegelung die Determinante Folgerung Die Hintereinanderausführung zweier Drehungen, Ebenenspiegelungen oder Drehspiegelungen liefert stets eine Drehung

8 KAPITEL 5 DETERMINANTEN Unterdeterminanten Zur Berechnung von Determinanten und zur expliziten Lösung linearer Gleichungssysteme benutzt man häufig sogenannte Unterdeterminanten, die durch Streichen gewisser Zeilen und Spalten der Ausgangsmatrix entstehen Eine frühere Notation, übersetzt in die Sprache der Matrizen, ist jetzt wieder nützlich: 531 Definition Für A K n n und b K n entsteht die Matrix A j (b) aus A, indem die j te Spalte durch b ersetzt wird 532 Satz (Cramersche Regel) Für A K n n und b, x = (x 1,, x n ) T K n gilt: Ax = b = j n ( x j det A = det A j (b)) Ist A invertierbar, d h det A 0, so ist die eindeutige Lösung von Ax = b gegeben durch x j = det A j(b) det A (j n) 533 Definition Für A K n n sei A ij K (n 1) (n 1) diejenige Matrix, die aus A durch Streichen der i ten Zeile und j ten Spalte entsteht det A ij heißt (n 1) reihige Unterdeterminante von A Induktiv definiert man (n k) reihige Unterdeterminanten Weiter sei α ij := ( 1)i+j det A j i (Vertauschung beachten!), und A := (α ij ) Kn n A heißt Komplementärmatrix bzw Adjunkte zu A 534 Lemma α ij = det A i(e j ) 535 Satz (Rechenregeln für die Komplementärmatrix) Für A K n n gilt: (1) A T = A T (2) AA = A A = det(a)e Insbesondere A 1 = (det A) 1 A, falls A invertierbar ist (3) A = (det A) n 2 A Insbesondere A = A, falls n = 2, und A = O, falls n > 2 und A nicht invertierbar ist ( ) ( ) a b d b 536 Beispiele (1) A = = A =, A = A c d c a (2) A = = A = , A = O

9 KAPITEL 5 DETERMINANTEN Satz (Laplacescher Entwicklungssatz) Für A = (α ij ) K n n und jedes feste j n gilt: n det A = ( 1) i+j α ij det A ij, i=1 und entsprechend für jedes feste i n: n det A = ( 1) i+j α ij det A ij j=1 538 Bemerkung Im Falle der Summation über i (bei festem j) spricht man von der Entwicklung nach der j ten Spalte, im Falle der Summation über j (bei festem i) von der Entwicklung nach der i ten Zeile Die jeweiligen Vorzeichen merkt man sich leicht an einem Schachbrettmuster : i j 539 Beispiel Berechnung 3-reihiger Determinanten durch Entwicklung nach der 2 Zeile (vgl 5213(3)): α 11 α 12 α α 21 α 22 α 23 = + α 31 α 32 α α α 12 α α 32 α + α α 11 α α 31 α α α 11 α α 31 α = 32 α 21 α 12 α 33 + α 21 α 32 α 13 + α 22 α 11 α 33 α 22 α 31 α 13 α 23 α 11 α 32 + α 23 α 31 α 12

Determinanten. Kapitel Permutationen

Determinanten. Kapitel Permutationen Kapitel 4 Determinanten Der Untersuchung dieses wichtigen Werkzeugs der linearen Algebra stellen wir einige Betrachtungen über sogenannte Permutationen, also Vertauschungen von Objekten voran. 4.1 Permutationen

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

Determinanten. I. Permutationen

Determinanten. I. Permutationen Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch

Mehr

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten 6.1 Symmetrische Gruppe Definition: Eine bijektive Abbildung von einer Menge X auf sich selbst heisst eine Permutation von X. Satz-Definition:

Mehr

7 Determinanten. f i : Mat n n (K) K. j=1 ( 1)i+j a ij D(A ij )

7 Determinanten. f i : Mat n n (K) K. j=1 ( 1)i+j a ij D(A ij ) 7 Determinanten Im folgenden betrachten wir quadratische Matrizen. Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a

Mehr

Determinanten. I. Permutationen

Determinanten. I. Permutationen Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch

Mehr

7 Determinanten. D ist alternierend g.d.w. für alle i j gilt:

7 Determinanten. D ist alternierend g.d.w. für alle i j gilt: 7 Determinanten Im folgenden betrachten wir quadratische Matrizen Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a

Mehr

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt

Mehr

3.9 Elementarmatrizen

3.9 Elementarmatrizen 90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare

Mehr

Definition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n.

Definition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n. 1 Die Determinante Definition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n. a) Ein Fehlstand von π ist ein Paar (i, j) mit 1 i < j n und π(i)

Mehr

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

14 Determinanten. 70 II. Lineare Gleichungssysteme. a b c d

14 Determinanten. 70 II. Lineare Gleichungssysteme. a b c d 70 II. Lineare Gleichungssysteme 14 Determinanten Aufgabe: Zeigen Sie, daß die Regularität einer quadratischen Matrix stabil gegen kleine Störungen ist: Es sei A K n n regulär. Finden Sie δ > 0, so daß

Mehr

Definition Sei R ein kommutativer Ring mit multiplikativ neutralem Element 1. Eine Abbildung D : R (n,n) R heißt n-linear, wenn gilt

Definition Sei R ein kommutativer Ring mit multiplikativ neutralem Element 1. Eine Abbildung D : R (n,n) R heißt n-linear, wenn gilt Kapitel 5 Determinanten 51 Definition und Existenz Definition 511 Sei R ein kommutativer Ring mit multiplikativ neutralem Element 1 Eine Abbildung D : R (n,n) R heißt n-linear, wenn gilt [D1] D ist linear

Mehr

Wir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds

Wir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds 39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

2.9. DER DUALRAUM 115

2.9. DER DUALRAUM 115 2.9. DER DUALRAUM 115 Abbildungsmatrizen und die duale Abbildung Seien nun V und W endlich-dimensionale K-Vektorräume. Wir fixieren Basen b 1,..., b n von V und c 1,...,c m von W. Seien X 1,..., X n und

Mehr

Die Determinante einer Matrix

Die Determinante einer Matrix Chr.Nelius, Lineare Algebra II (SS 2005) 6 Die Determinante einer Matrix Wir betrachten im folgenden Determinantenformen auf dem Vektorraum V = K n. Eine solche Form ist eine Abbildung von n Spaltenvektoren

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung 43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante

Mehr

Lineare Algebra I, Musterlösung zu Blatt 9

Lineare Algebra I, Musterlösung zu Blatt 9 Lineare Algebra I, Musterlösung zu Blatt 9 Wintersemester 2007/08 1. Untersuchen Sie, ob die folgenden Matrizen invertierbar sind und bestimmen Sie gegebenenfalls die Inverse. 8 1 3 1 a) A = 3 3 1 1 11

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

7. DETERMINANTEN 111. y 1. ; x, y R 2 definieren wir die Determinante. x1 y := x 2 y 2. x 1 y 1 := x 1y 2 x 2 y 1. x 2 λx 1 x 2 λx 2 x 1 = 0.

7. DETERMINANTEN 111. y 1. ; x, y R 2 definieren wir die Determinante. x1 y := x 2 y 2. x 1 y 1 := x 1y 2 x 2 y 1. x 2 λx 1 x 2 λx 2 x 1 = 0. 7 DETERMINANTEN 7 Determinanten Vorbereitungen Für zwei Vektoren x provisorisch als ( x x 2 ), y ( y y 2 ) ; x, y R 2 definieren wir die Determinante ( ) x y det(x, y) : det : x 2 y 2 x y x 2 y 2 : x y

Mehr

Wir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante.

Wir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante. 118 36 Determinanten Wir verallgemeinern jetzt den Begriff bilinear zu multilinear Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante 361 Definition (alternierend, symmetrisch,

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

6.2 Rechnen mit Matrizen

6.2 Rechnen mit Matrizen 62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle. Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:

Mehr

Wir lernen nun einen ganz wichtigen Ring kennen, den Polynomring: γ i = α j β k.

Wir lernen nun einen ganz wichtigen Ring kennen, den Polynomring: γ i = α j β k. 2.4 Polynomringe Wir lernen nun einen ganz wichtigen Ring kennen, den Polynomring: Definition 2.56. Sei R ein kommutativer Ring mit 1 (in den meisten Fällen wird R ein Körper sein). Wir betrachten die

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

a 1 a 1 A = a n . det = λ det a i

a 1 a 1 A = a n . det = λ det a i 49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

9 Determinanten. ax = b, so ist dies genau dann lösbar, wenn a 6= 0gilt. Daher definiert man als Determinante

9 Determinanten. ax = b, so ist dies genau dann lösbar, wenn a 6= 0gilt. Daher definiert man als Determinante 9 Determinanten Historisch von großer edeutung war die Fragestellung, ob ein gegebenes lineares Gleichungssystem eine Lösung besitzt Zu einer gegebenen Matrix ist man daran interessiert diese Lösbarkeit

Mehr

Mathematik I. Vorlesung 14. Rang von Matrizen

Mathematik I. Vorlesung 14. Rang von Matrizen Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) 1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der

Mehr

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden.

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Determinante Die Determinante det A = det(a 1,..., a n ) einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Multilineariät: det(..., αa j + βb j,...) = α det(...,

Mehr

Quadratische Matrizen Inverse und Determinante

Quadratische Matrizen Inverse und Determinante Kapitel 2 Quadratische Matrizen Inverse und Determinante In diesem Abschnitt sei A M(n, n) stets eine quadratische n n Matrix. Für nicht-quadratische Matrizen ergeben die folgenden Betrachtungen keinen

Mehr

3 Lineare Algebra Vektorräume

3 Lineare Algebra Vektorräume 3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +

Mehr

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y. Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls

Mehr

1 Matrizenrechnung zweiter Teil

1 Matrizenrechnung zweiter Teil MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten

Mehr

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V. Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

Mehr

$Id: det.tex,v /01/13 14:27:14 hk Exp $ 8.2 Definition und Grundeigenschaften der Determinante D 2. oder A = D r

$Id: det.tex,v /01/13 14:27:14 hk Exp $ 8.2 Definition und Grundeigenschaften der Determinante D 2. oder A = D r $Id: dettex,v 126 2017/01/13 14:27:14 hk Exp $ 8 Determinanten 82 Definition und Grundeigenschaften der Determinante In der letzten Sitzung haben wir die Determinante einer allgemeinen n n-matrix definiert

Mehr

5.4 Basis, Lineare Abhängigkeit

5.4 Basis, Lineare Abhängigkeit die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 Lineare Gleichungssysteme und Determinanten 5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von

Mehr

Kapitel 17. Determinanten

Kapitel 17. Determinanten Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n

Mehr

4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT

4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT ME Lineare Algebra HT 2008 86 4 Determinanten 4. Eigenschaften der Determinante Anstatt die Determinante als eine Funktion IC n n IC durch eine explizite Formel zu definieren, bringen wir zunächst eine

Mehr

Determinanten - II. Falls n = 1, gibt es offenbar nur die identische Permutation, und für eine 1 1 Matrix A = (a) gilt det A = a.

Determinanten - II. Falls n = 1, gibt es offenbar nur die identische Permutation, und für eine 1 1 Matrix A = (a) gilt det A = a. Determinanten - II. Berechnung von Determinanten Wir erinnern, dass für A M(n n; K) gilt : det A = σ S n signσ a σ() a 2σ(2)...a nσ(n). Falls n =, gibt es offenbar nur die identische Permutation, und für

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

36 2 Lineare Algebra

36 2 Lineare Algebra 6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so

Mehr

35 Matrixschreibweise für lineare Abbildungen

35 Matrixschreibweise für lineare Abbildungen 35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Modul 212 Determinanten Hans Walser: Modul 212, Determinanten ii Modul 212 für die Lehrveranstaltung Mathematik 2 für Naturwissenschaften Sommer 2003 Probeausgabe

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: Analysis und Lineare Algebra Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218

Mehr

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Prüfung Lineare Algebra , B := ( ), C := 1 1 0 1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,

Mehr

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A = 3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter Lineare Algebra Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,

Mehr

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 44 8. Lineare Algebra: 2. Determinanten Ein einführendes

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, Page 1 of 5 Die Determinante wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn.

Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn. Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: Definition 1.2 (Leibniz-Formel) Die Determinante einer n n-matrix ist a 11 a 12 a 13... a 1n a 11 a 12 a 13... a 1n a 21

Mehr

Permutationen. ... identische Abbildung

Permutationen. ... identische Abbildung Permutationen n > 0 sei S n {σ : {1, 2,..., n} {1, 2,..., n} : σ ist bijektiv}. Dann ist S n eine Gruppe bzgl. der Verknüpfung von Abbildungen (vgl. früher) und heißt symmetrische Gruppe (vom Index n).

Mehr

2. Symmetrische Gruppen

2. Symmetrische Gruppen 2. Symmetrische Gruppen 15 2. Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht. Wir wollen nun eine neue wichtige Klasse von Beispielen

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh

, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen

Mehr

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops 15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den

Mehr

Kapitel 3 Lineare Algebra

Kapitel 3 Lineare Algebra Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche, Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat

Mehr

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau, Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel

Mehr

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning Karlsruher Institut für Technologie (KIT) WS 22/3 Institut für Analysis 28..23 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik I für die Fachrichtung Physik 4. Übungsblatt (letztes Blatt)

Mehr

Spezielle Matrixformen

Spezielle Matrixformen Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß

Mehr

Wirtschafts- und Finanzmathematik

Wirtschafts- und Finanzmathematik Prof Dr Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 Determinanten: Vorüberlegung Permutationen und Inversionen

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

Mehr

4. Übungsblatt zur Mathematik II für Inf, WInf

4. Übungsblatt zur Mathematik II für Inf, WInf Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare

Mehr

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015 Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler

Mehr

Kapitel IV. Determinanten

Kapitel IV. Determinanten Inhalt der Vorlesung LAAG I Prof Dr Arno Fehm TU Dresden WS2017/18 Kapitel IV Determinanten In diesem ganzen Kapitel sei K ein Körper und R ein kommutativer Ring mit Einselement 1 Das Vorzeichen einer

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg. Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist

Mehr

Lösungshinweise zu den Hausaufgaben:

Lösungshinweise zu den Hausaufgaben: S. Hagh Shenas Noshari, 9. Gruppenübung zur Vorlesung S. Nitsche, C. Rösinger, A. Thumm, D. Zimmermann Höhere Mathematik Wintersemester 8/9 M. Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 33.

Mehr

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( )

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( ) Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen 1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen

Mehr

Kapitel 4. Multilineare Algebra. 4.1 Determinantenfunktionen

Kapitel 4. Multilineare Algebra. 4.1 Determinantenfunktionen 92 Kapitel 4 Multilineare Algebra 4. Determinantenfunktionen Wir fixieren wieder einen Körper K, etwa IR oder C. Aus dem Vorkurs kennen wir das Spatprodukt dreier Vektoren des IR 3 v 3 v 2 λ v Sind v,

Mehr

Lösung Serie 13: Determinanten (Teil 2)

Lösung Serie 13: Determinanten (Teil 2) D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr Meike Akveld Lösung Serie 13: Determinanten (Teil 2 1 a Wir zeigen die gewünschten Eigenschaften: 1 Es ist 2 Es ist ε(τ σ ε(id ( ε(σ id(j id(i τ(σ(j τ(σ(i ( τ(σ(j

Mehr

Dreiecksmatrizen. Die Treppennormalform

Dreiecksmatrizen. Die Treppennormalform Dreiecksmatrizen. Die Treppennormalform Lineare Algebra I Kapitel 4-5 8. Mai 202 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07032016-11032016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Lineare Abbildungen 2 11 Homomorphismus 2 12 Kern

Mehr

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6 Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Dreizehnte Woche,

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Dreizehnte Woche, Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Dreizehnte Woche, 272014 9 Der Gauß-Algorithmus (Ende) estimmung des Inversen einer

Mehr