Lineare Algebra und Analytische Geometrie II

Größe: px
Ab Seite anzeigen:

Download "Lineare Algebra und Analytische Geometrie II"

Transkript

1 Rudolf Fritsch Sommersemester 2000 Lineare Algebra und Analytische Geometrie II 2 Mai Determinanten Takakazu Seki Kowa * Fujioka, Kozuke (Japan) März 1642, Edo (heute: Tokio) , führt in einer Schrift von 1683 determinantenähnliche Ausdrücke ein (in derselben Schrift behandelt er auch magische Quadrate) Gottfried Wilhelm Leibniz, * Leipzig 216/171646, Hannover , erwähnt determinantenähnliche Ausdrücke in einem Brief an den Marquis de l Hospital vom Gabriel Cramer, * Genf , Bagnols-sur-Cèze (dort zur Erholung von den Folgen eines Verkehrsunfalls): Introduction à l analyse de lignes courbes algebriques 1750 Carl Friedrich Gauß: Disquisitiones arithmeticae 1801 Vorbereitung: Das Signum einer Permutation Wiederholung Eine Permutation ist eine Bijektion einer Menge auf sich, das heißt, eine bijektive Abbildung, deren Quelle und Ziel übereinstimmen Ist A eine feste Menge, so bezeichnet man die Permutationen π : A A als Permutationen von A; wir bezeichnen mit Aut(A) die Menge aller Permutationen auf A Eine spezielle Permutation von A ist die Identität von A id A : A A, a a ; die zu einer Permutation von A inverse Abbildung ist wieder eine Permutation von A, ebenso ist die Verkettung von zwei Permutationen von A wieder eine Permutation von A Damit bilden die Permutationen von A mit der Verkettung als Verknüpfung eine Gruppe (Aut(A), ) Ist n N und A {j j N 1 j n }, so sprechen wir von der symmetrischen Gruppe von n Elementen, Bezeichnung: S n Die Gruppe S n hat n! Elemente Schreibweise für Permutationen π S n : ( ) 1 2 n π π(1) π(2) π(n) Beispiel für die Berechnung einer Verkettung: ( ) ( ) ( Manchmal ist es sinnvoll, Permutationen in der anderen Reihenfolge zu multiplizieren; in diesem Fall schreibt die DIN-Norm 5473 (Zeichen und Begriffe der Mengenlehre) das Symbol als Verknüpfungszeichen vor: ( ) ( ) ( ) ) ( ) Definition Eine Permutation heißt Transposition, wenn sie zwei Elemente miteinander vertauscht und alle übrigen festläßt

2 1 DETERMINANTEN 2 Regel Eine Transposition ist zu sich selbst invers, das heißt, ist τ eine Transposition auf A, so gilt: τ 1 τ und damit τ 2 τ τ id A Lemma Jede nichtidentische Permutation in S n besitzt eine Zerlegung in ein Produkt von höchstens n 1 Transpositionen Beweis durch Induktion nach n Der Induktionsanfang bei n 1 ist trivial, da S 1 keine nichtidentische Permutation enthält Zum Induktionsschluß betrachten wir π S n+1 und definieren zunächst τ S n+1 durch τ(j) π 1 (n + 1), für j n + 1, n + 1, für j π 1 (n + 1), j, sonst τ ist entweder die Identität oder eine Transposition und bringt das richtige Element an den (n + 1)-sten Platz Nur definieren wir ρ π τ und bemerken ρ(n + 1) π τ(n + 1) n + 1 ; damit können wir ρ als Permutation von n Elementen auffassen Wir definieren ρ S n durch ρ (j) ρ(j) für alle j {1,, n} Nach Induktionsvoraussetzung ist ρ ein Produkt von höchstens n 1 Transpositionen, ρ τ m τ 1 mit m n 1, wobei jedes τ i S n und zwar eine Transposition ist Die τ i lassen sich nun umgekehrt als Elemente von S n+1 auffassen; wir setzen für i {1,, k} { τ τ i (j) i (j), für j {1,, n}, n + 1, für j n + 1 Dann ist offensichtlich also ρ τ m τ 1 π π τ τ ρ τ τ m τ 1 τ Diese Produktzerlegung ist nicht eindeutig bestimmt, aber es wird sich zeigen, daß die Anzahl der Faktoren entweder immer gerade oder immer ungerade ist Bezeichnung Für n N setzen wir J n {(i, k) (i, k) N 2 1 i < k n } Definitionen Es sei π S n 1 Ein Paar (i, k) J n heißt Fehlstand oder Verstellung von π, wenn π(i) > π(k) ist 2 Das Signum von π ist die Zahl sign π sign (π(k) π(i)) ( 1) f (i,k) J n { +1, falls die Anzahl der Fehlstände von π gerade ist, 1, falls die Anzahl der Fehlstände von π ungerade ist, wobei f die Anzahl der Fehlstände von π bezeichnet 3 π ist eine gerade Permutation, falls sign π 1 ist, sonst eine ungerade Permutation

3 1 DETERMINANTEN 3 Beispiel Die Transposition τ S n vertausche j 0 und j 1, j 0 < j 1 Die Fehlstände sind die Paare (j 0, k) J n mit j 0 < k j 1 und die Paare (i, j 1 ) J n mit j 0 i < j 1 ; dabei tritt das Paar (j 0, j 1 ) zweimal auf Damit ist die Anzahl der Fehlstände 2 (j 1 j 0 ) 1, also ungerade, das heißt, sign τ 1 Lemma Für alle π S n gilt: sign π i<k π(k) π(i) k i Beweis Das Produkt auf der rechten Seite der Gleichung läuft über die Menge J n als Indexmenge Wir setzen z (i,k) π(k) π(i), n (i,k) k i und b (i,k) z (i,k) /n (i,k) für alle (i, k) J Dann ist sign π b (i,k) i<k zu zeigen Für einen Index (i, k) hat der Bruch b (i,k) genau dann einen negativen Wert, wenn (i, k) ein Fehlstand von π ist Also ist das Produkt genau dann negativ, wenn die Anzahl der Fehlstände von π ungerade ist Damit hat das Produkt jedenfalls das behauptete Vorzeichen Es bleibt zu zeigen, daß der Absolutbetrag gleich 1 ist Dazu bemerken wir zunächst, daß die Abbildung f : J n J n, { (π (i, k) 1 (i), π 1 (k)), falls π 1 (i) < π 1 (k), (π 1 (k), π 1 (i)), falls π 1 (i) > π 1 (k) bijektiv ist, denn die Zuordnung { (π(i), π(k)), falls π(i) < π(k), (i, k) (π(k), π(i)), falls π(i) > π(k) liefert eine Umkehrabbildung Damit können wir in dem zur Diskussion stehenden Produkt die Zähler umsortieren und erhalten b (i,k) z f(i,k) n (i,k) i<k Für jeden auf der rechten Seite auftretenden Bruch gilt nun i<k z f(i,k) z f(i,k) n (i,k) k i π(π 1 (k)) π(π 1 (i)) k i 1 Satz Das Signum ist ein Homomorphismus S n ({1, 1}, ) Beweis Wir berechnen für π, ρ S n zunächst: sign π ρ i<k i<k i<k k i k i sign ρ Es bleibt also i<k sign π

4 1 DETERMINANTEN 4 zu zeigen Dazu berechnen wir weiter i<k i<k ρ(i)<ρ(k) i<k ρ(i)<ρ(k) ρ(i)<ρ(k) i<k ρ(i)>ρ(k) i>k ρ(i)<ρ(k) 5 Mai 2000 Folgerungen 1 sign (π 1 ) sign π 2 Ist π Produkt von k Transpositionen, so ist sign π ( 1) k Beweis 1 Wir berechnen 2 trivial sign (π 1 ) sign (π 1 ) sign (π 1 π) (sign (π 1 )) 2 sign π sign π Definition Kern(sign) A n heißt alternierende Gruppe von n Elementen, besteht aus den n!/2 geraden Permutationen Lemma Für jede Transposition τ S n gilt: S n A n A n τ A n τa n Beweis Aus dem vorigen Satz folgt, daß die Mengen A n τ {πτ πτ S n π A n } und τa n {τπ τπ S n π A n } nur ungerade Permutationen enthalten, während A n nur aus geraden Permutationen besteht Also sind die angegebenen Vereinigungen disjunkt Es bleibt zu zeigen, daß jedes π S n \ A n in A n τ und τa n liegt Für ein solches π gilt nun aber wieder nach dem vorigen Satz πτ, τπ A n, also π π (τ τ) (π τ) τ A n τ und π (τ τ) π τ (τ π) τa n

5 1 DETERMINANTEN 5 Existenz und Eindeutigkeit der Determinante Karl Weierstraß, * Ostenfelde (Westfalen) , Berlin Motivation Volumen für Parallelogramme, -epipede, -otope Begründung für das Vorzeichen Definition Eine Abbildung det : K n,n K heißt Determinante, falls gilt: 1 det ist linear in jeder Zeile ; 2 det ist alternierend, das heißt die Determinante einer Matrix mit zwei gleichen Zeilen verschwindet; 3 det ist normiert, das heißt, es gilt det E n 1 Eigenschaften Ist det eine Determinante, so gilt für und B K n,n : A (α ij ) 4 det(λ A) λ n det A für alle λ K Beweis also det(λa) det a 2 a i λa (λα ij ) λ λa 2 λ i det λ det λa i λ a 2 a i λ 5 a i 0 für ein i {1,, n} det A 0;, λ λa 2 λa i λ λa 2 λa i λ, ) λ 2 det ) λ n det a 2 a i a 2 λa i λ ) )

6 1 DETERMINANTEN 6 Beweis A a 2 0 a a Entsteht B K n,n aus A K n,n durch eine Zeilenvertauschung, so gilt: Beweis Es sei det B det A (i 0, k 0 ) J n {(i, k) (i, k) N 2 1 i < k n } B entstehe aus A durch Vertauschung der i 0 -ten und der k 0 -ten Zeile Dann gilt: det a i0 + a k0 a i0 a k0 0 det det + det a i0 + a k0 a i0 + a k0 a i0 + a k0 a i0 a i0 +det a i0 a k0 +det a k0 a i0 +det a k0 a k0 0+det A+det B+0 7 Entsteht B K n,n aus A K n,n durch die Addition eines Vielfachen einer Zeile zu einer anderen Zeile, so gilt: det B det A Beweis Es seien (i 0, k 0 ) {1,, n} mit i 0 k 0 und λ K B entstehe aus A durch Addition des λ-fachen der k 0 -ten Zeile zur i 0 -ten Zeile Dann gilt: a i0 + λa k0 det B det det a k0 a i0 a k0 + λ det a k0 a k0 det A beim Ausräumen einer Matrix mittels elementarer Zeilenumformungen (Transformieren auf Zeilenstufenform) ändert sich das Verschwinden oder Nichtverschwinden einer Determinante nicht Beweis Folgende Zeilenumformungen kommen vor:

7 1 DETERMINANTEN 7 (a) Vertauschung von zwei Zeilen; dies ändert das Vorzeichen, aber nicht das Verschwinden (b) Multiplikation einer Zeile mit einem von Null verschiedenen Skalar; die Determinante ändert wegen der Homogenität in dieser Zeile um denselben Skalar und wegen der Nullteilerfreiheit von K ändert dieser Prozeß das Verschwinden nicht (c) Addition eines Vielfachen einer Zeile zu einer anderen Zeile; dies ändert die Determinante nicht 9 det(e π(i) ) sign π für alle π S n Beweis Jede Permutation ist eine Hintereinanderausführung von Transpositionen Jede einzelne Transposition bewirkt eine Zeilenvertauschung und damit einen Vorzeichenwechsel Die Anzahl der verwendeten Transpositionen ist gerade oder ungerade, je nachdem, ob die sign π positiv oder negativ ist 10 A (obere oder untere) Dreiecksmatrix det A n i1 α ii Beweis Fall 1: Es gebe i 0 mit α i0 i 0 0 Dann läßt sich A durch elementare Zeilenumformungen, die den Betrag der Determinante nicht ändern, in eine Matrix  (â i) mit â n 0 überführen Damit gilt: det A det  0, also det A 0 α i0 i 0 n α ii Fall 2: α ii 0 für alle i 1,, n Sei  ˆα ij gegeben durch ˆα ij α ij /α ii Dann gilt: n det A α ii det  i1 Die Matrix  läßt sich durch elementare Zeilenumformungen, die den Wert einer Determinante nicht ändern, in die Einheitsmatrix E n überführen, woraus sich det  1 ergibt i1 9 Mai det A 0 (,, ) linear abhängig Beweis : Sei det A 0 Durch elementare Zeilenumformungen, die den Rang der Matrix und das Verschwinden oder Nichtverschwinden einer Determinante nicht ändern, werde in eine Matrix  von Zeilenstufenform überführt Dabei handelt es sich zunächst um eine untere Dreiecksmatrix Aus det  0 folgt nun, daß mindestens ein Diagonalelement von  verschwindet Damit ist der n-te Zeilenvektor von  der Nullvektor, also rang A rang  < n, und das bedeutet, daß die Zeilenvektoren linear abhängig sind : Sei n i1 λ ia i 0, aber nicht λ i 0 für alle i 1,, n; ohne wesentliche Einschränkung sei λ 1 0 Dann gilt n i1 λ ia i a 2 0 det λ 1 det A, woraus unmittelbar det A 0 folgt

8 1 DETERMINANTEN 8 12 det A 0 A GL(n, K) 13 det(a B) det A det B Beweis Fall 1: rang A < n rang A B < n det(a B) 0 0 det B det A det B Fall 2: rang A n A ist Produkt von r Elementarmatrizen Λ l mit nichtverschwindender Determinante: A Λ r Λ 2 Λ 1, wobei jedes Λ l entweder die Form S i0 (λ) (Multiplikation der i 0 -ten Zeile) mit λ 0 oder die Form Q k 0 i 0 (λ) (Addition des λ-fachen der k 0 -ten Zeile zur i 0 -ten Zeile) hat: 1 Für i 0 {1,, m}, und λ K ist die Elementarmatrix S i0 (λ) (λ ij ) K m,m durch 1, i j i 0, λ ij λ, i j i 0, 0, sonst, definiert 2 Für i 0, k 0 {1,, m} mit i 0 k 0 ist die Elementarmatrix Q k 0 i 0 (λ) (λ ij ) K m,m durch 1, i j, λ ij λ, i i 0 und j k 0, 0, sonst, definiert Der weitere Beweis ergibt sich nun durch Induktion nach r r 1: a) A Λ 1 S i0 (λ) det(a B) λ det B det Λ 1 B det A det B b) A Λ 1 Q k 0 i 0 (λ) det(a B) det B det Λ 1 det B det A det B Schluß von r auf r + 1: A Λ r+1 Λ r Λ 2 Λ 1, Â Λ r Λ 2 Λ 1 det(a B) det(λ r+1  B) det Λ r+1 det(â B) det Λ r+1 det  det B det(λ r+1 Â) det B 14 Für A GL(n; K) gilt det(a 1 ) (deta) 1 Beweis Aus dem Multiplikationssatz folgt: det(a 1 ) det A det(a 1 A) det E n 1 15 det(a + B) det A + det B im allgemeinen Hauptsatz Zu jedem n N gibt es genau eine Determinante det A π S n sign π α 1π(1) α nπ(n) Beweis 1, 3 trivial 2 Sei A (a i ) mit a i0 a k0, 1 i 0 < k 0 n, und sei τ die Transposition, die i 0 und k 0

9 1 DETERMINANTEN 9 vertauscht Dann gilt S n A n A n τ und damit det A sign π α 1π(1) α nπ(n) π S n sign π α 1π(1) α nπ(n) + π A n + sign π α 1π(1) α nπ(n) π A n τ sign π α 1π(1) α nπ(n) + π A n + sign (πτ) α 1πτ(1) α nπτ(n) π A n sign π α 1π(1) α nπ(n) π A n sign π α 1πτ(1) α nπτ(n) π A n sign π (α 1π(1) α nπ(n) α 1πτ(1) α nπτ(n) ) π A n Weiter gilt n n α iπ(i) i1 n α iπτ(i) i1 α iπ(i)(α i0π(i0)α k0π(k0) α i0πτ(i0)α k0πτ(k0)) i1 i i 0,k 0 n α iπ(i)(α i0π(i0)α k0π(k0) α i0π(k0)α k0π(i0)) 0, i1 i i 0,k 0 da aufgrund der Voraussetzung a i0 a k0 α i0 π(i 0 ) α k0 π(i 0 ) und α k0 π(k 0 ) α i0 π(k 0 ) ist Abkürzung α 11 α 1n α n1 α nn det α 11 α 1n α n1 α nn Spezialfälle n 1: A (α 11 ) A α 11 n 2 ( ) α11 α A 12 A α α 21 α 11 α 22 α 12 α Sarrussche Regel (Anstelle einer Homepage: Pierre-Frédéric Sarrus, geboren 10 März 1798 in Saint-Affriques im Departement Aveyron (Süd-Frankreich), 1815 als Student nach Montpellier, 1821 dort Promotion - mit einer stark ins Physikalische gehenden Arbeit -

10 1 DETERMINANTEN agrégé des sciences (eine Art Prüfung zum gymnasialen Oberlehrer oder eine Art Habilitation war) zuvor 1822 Lehrer für Mathematik und Physik am Gymnasium in Pezenas, 1827 Lehrer nur für Mathematik in Perpignan, 1829 Mathematik-Professor an der Fakultät der Akademie in Straßburg - die Universität Straßburg wurde 1790 aufgehoben und 1803 als Akademie für protestantische Theologie wiedergegründet und erst 1872 wieder zur Universität oder 1840 Dekan bis 1852, 1840 Ritter der Ehrenlegion, 1858 emeritiert, am 20 November 1861 in Saint-Affriques verstorben) A α 11 α 12 α 13 α 21 α 22 α 23 α 31 α 32 α 33 Satz det A det A t Beweis Berechne A α 11 α 22 α 33 + α 12 α 23 α 31 + α 13 α 21 α 32 α 13 α 22 α 31 α 11 α 23 α 32 α 12 α 21 α 33 det A t und beachte sign π sign π 1, sowie π S n sign π α π(1)1 α π(n)n α π(1)1 α π(n)n α 1π 1 (1) α nπ 1 (n), 12 Mai 2000 woraus sich ergibt det A t π 1 S n sign π 1 α 1π 1 (1) α nπ 1 (n) det A Lemma Für zusammengesetzte Matrizen gilt ( ) A1 C det det A 0 A 1 det A 2 2 Beweis A 1 K n 1,n 1, A 2 K n 2,n 2, n 1 + n 2 n Für die Berechnung von det A sind nur solche Permutationen relevant, die die Menge {1,, n 1 } in sich überführen: Ist π S n gegeben mit π(i 0 ) > n 1 für ein i 0 n 1, so gibt es ein i 1 > n 1 mit π(i 1 ) n 1, also α i1 π(i 1 ) 0 und damit wird α 1π(1) α nπ(n) 0 Es sind also nur die Permutationen zu berücksichtigen, die im Bild der injektiven Abbildung Φ : S n1 S n2 S n liegen, die gegeben ist durch { π1 (i), 1 i n Φ(π 1, π 2 )(i) 1 n 1 + π 2 (i n 1 ), n 1 < i n Wir setzen Φ 1 : S n1 S n, Φ(π 1 )(i) { π1 (i), 1 i n 1 i, n 1 < i n, Φ 2 : S n2 S n { i, 1 i n1 Φ 2 (π 2 )(i) n 1 + π 2 (i n 1 ), n 1 < i n

11 1 DETERMINANTEN 11 und erhalten sowie Φ(π 1, π 2 ) Φ 1 (π 1 ) Φ 2 (π 2 ), sign Φ(π 1, π 2 ) sign π 1 sign π 2 Damit ergibt sich det A in der gewünschten Form Bezeichnungen Es seien n N mit n > 1, A K n,n, i, j {1,, n} A i j bezeichnet die Matrix in K n 1,n 1, die aus A durch Streichen der i -ten Zeile und j -Spalte entsteht Ferner definieren wir A i j (α ij) K n,n durch α ij, für i i und j j, α ij 1, für i i und j j, 0, sonst Es gilt det A i j ( 1)i +j det A i j Beweis Durch i 1 Zeilenvertauschungen und j 1 Spaltenvertauschungen entsteht aus A i j die Matrix ( ) A i j Damit gilt ( ) det A i j +j 1 0 ( 1)i det 0 A i ( 1) i +j det A i j j Definition Es sei A K n,n Die zu A komplementäre Matrix à ( α ij) K n,n ist gegeben durch α ij det A ji Bezeichnung Weiter setzen wir für A (,, ) K n,n, j {1,, n} und b K n : A(j, b) (,, a j 1, b, a j +1,, ), das heißt A(j, b) entsteht aus A, in dem die j -te Spalte durch b ersetzt wird Dann gilt für alle i {1,, n} det A(j, e i ) det A i,j Beweis A i j entsteht aus A(j, e i ), in dem man von den j-ten Spalten, j j jeweils α i je i abzieht Damit ändert man die Determinante nicht Pierre Simon Laplace, * Beaumont-en-Auge 28 März 1749, Paris 5 März 1827, 1799 Innenminister, Förderer des Dezimalsystems Laplacescher Entwicklungssatz Für jedes A K n,n, i, j {1,, n} gilt: det A ( 1) i +j α i j det A i j j1 (Entwicklung nach der i -ten Zeile) und det A ( 1) i+j α ij det A ij i1

12 1 DETERMINANTEN 12 (Entwicklung nach der j -ten Spalte) Beweis Wir beweisen den Satz für die Entwicklung nach der j -ten Spalte Der andere Fall ergibt sich durch Transponieren Zunächst bemerken wir: a j k α ij e i, woraus wegen der Linearität der Determinante in der j -ten Spalte folgt: det A α ij det A(j, e i ) α ij det A ij Satz Für alle A K n,n gilt: i1 i1 i1 à A A à det A E n Beweis Wir berechnen die (i, k)-te Komponente von à A: α ij α jk α jk det A ji j1 j1 α jk det A(i, e j ) j1 det A(i, α jk e j ) j1 det A(i, a k ) δ ik det A Beispiel für den Laplaceschen Entwicklungssatz Entwicklung nach der zweiten Zeile Entwicklung nach der dritten Spalte Mai 2000 Anwendung auf Geichungssysteme: Cramersche Regel Für die eindeutige bestimmte Lösung c (γ 1,, γ n ) A 1 b des Gleichungssystems Ax b mit A GL(n, K) und b K n gilt: γ i det A(i, b) det A Beweis Aus dem vorherigen Satz folgt A 1 1 det AÃ, außerdem haben wir b β j e j ; j1

13 1 DETERMINANTEN 13 also gilt: γ i j1 1 det A 1 det A 1 det A α ijβ j β j det A ji j1 β j det A(i, e j ) j1 det A(i, b) det A Bemerkungen Für größere n ist die Bestimmung der Lösung eines linearen Gleichungssystems mit Hilfe der Cramerschen Regel, wenn überhaupt möglich, so doch im allgemeinen viel aufwendiger als das Gaußsche Elimminationsverfahren Aber die Cramersche Regel hat im Falle des Grundkörpers R eine tieferliegende Konsequenz: Sind die Koeffizienten der erweiterten Matrix eines quadratischen Gleichungssystems stetige oder differenzierbare Funktionen von irgendwelchen Veränderlichen, so hängt auch die Lösung stetig oder differenzierbar von diesen Veränderlichen ab, solange nur die Koeffizientenmatrix invertierbar ist Aus den Eigenschaften der Determinante ergibt sich: GL(n, R) det 1 (R \ 0) ; damit ist GL(n, R) als Teilmenge von R n2 offen Aus der bewiesenen Eigenschaft der komplementären Matrix folgt dann, daß die Abbildung GL(n, R) R n2, A A 1 unendlich oft stetig partiell differenzierbar, ja sogar ein C -Diffeomorphismus ist GL(n, R) GL(n, R) Lemma und Definition Es seien V ein K-Vektorraum mit dim V End(V ) Für ein beliebiges Koordinatensystem Φ : K n V sei n < und f det f det(φ 1 f Φ) gesetzt Dann ist der Wert von det f unabhängig von der Wahl von Φ; er wird als Determinante von f bezeichnet Beweis Es sei Ψ ein weiteres Koordinatensystem für V und A Φ 1 Ψ Dann gilt: det(ψ 1 f Ψ) det((φ A) 1 f (Φ A)) det(a 1 (Φ 1 f Φ) A) det(a 1 ) det(φ 1 f Φ) det A (det A) 1 det A det(φ 1 f Φ) det(φ 1 f Φ) Bemerkung Für einen Endomorphismus f : R n R n gibt det f die durch f bewirkte Inhaltsveränderung an Der von den Einheitsvektoren e 1 aufgespannte Kubus wird in das von den Vektoren f(e 1 ),, f(e n ) aufgespannte Parallelotop abgebildet, dessen Inhalt gleich dem Betrag von det(f(e 1 ),, f(e n )) ist

14 1 DETERMINANTEN 14 Definition Es sei V ein reeller Vektorraum mit dim V n < Die Basen {v 1,, v n } und B {ṽ 1,, ṽ n } von V heißen gleichorientiert, wenn die Determinante der Transformationsmatrix des Basiswechsels, das heißt die darstellende Matrix der Abbildung Φ 1 B Φ B, positiv ist Andernfalls heißen B und B entgegengesetzt orientiert Lemma gleichorientiert ist eine Äquivalenzrelation auf der Menge aller Basen von V mit genau zwei Äquivalenzklassen Beweis 1 Reflexivität: Die Transformationsmatrix ist E n, hat also die Determinante 1 2 Symmetrie: Die in Frage stehenden Transformationsmatrizen sind invers zueinander, haben also gleiches Vorzeichen 3 Transitivität: Das Produkt zweier Transformationsmatrizen mit positiver Determinante hat positive Determinante Zwei zu einer Basis entgegengesetzt orientierte Basen haben bezüglich dieser Transformationsmatrizen mit negativer Determinante; deren Produkt hat dann aber wieder positive Determinante Definitionen Es sei V ein reeller Vektorraum mit dim V n < Eine Äquivalenzklasse gleichorientierter Basen heißt Orientierung von V ; die Angabe einer Orientierung erfolgt im allgemeinen durch Angabe eines Repräsentanten Ein orientierter Vektorraum ist ein Paar (V, or), bestehend aus einem endlichdimensionalen reellen Vektorraum V und einer Orientierung or von V Die positive Orientierung von R n ist die Orientierung, die die kanonische Basis enthält Zu gegebenen Vektoren v (λ 1, λ 2, λ 3 ) und w (µ 1, µ 2, µ 3 ) definiert man das Vektorprodukt als die formale Determinante e 1 e 2 e 3 v w λ 1 λ 2 λ 3 µ 1 µ 2 µ 3 λ 2 λ 3 µ 2 µ 3 e 1 λ 1 λ 3 µ 1 µ 3 e 2 + λ 1 λ 2 µ 1 µ 2 e 3 (λ 2 µ 3 λ 3 µ 2 )e 1 + (λ 3 µ 1 λ 1 µ 3 )e 2 + (λ 1 µ 2 λ 2 µ 1 )e 3 Lemma Sind v und w linear unabhängige Vektoren des R 3, so ist (v, w, v w) eine zur kanonischen Basis gleichorientierte Basis von R 3

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

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

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

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

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

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

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

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

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

$Id: det.tex,v /01/08 13:59:24 hk Exp $ A = 1 3

$Id: det.tex,v /01/08 13:59:24 hk Exp $ A = 1 3 $Id: det.tex,v 1.28 2018/01/08 13:59:24 hk Exp $ 8 Determinanten Wir kommen jetzt zum Begriff der Determinante. Determinanten sind merkwürdigerweise über hundert Jahre älter als Matrizen, und sie wurden

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

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

1 Transponieren, Diagonal- und Dreiecksmatrizen

1 Transponieren, Diagonal- und Dreiecksmatrizen Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix

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

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

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

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

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

Lineare Gleichungssysteme und Matrizen

Lineare Gleichungssysteme und Matrizen Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x

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

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Klausur: voraussichtlich Mittwoch,

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Klausur: voraussichtlich Mittwoch, Lineare Algebra I - 2. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Klausur: voraussichtlich Mittwoch, 4.2. 4:3 Uhr, A3 A 2 Mat(n, n; K) Dann ist 7 A : Mat(n, ; K)! Mat(n, ; K) b! A b ein Endomorphismus.

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

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

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

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

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

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

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

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

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 18 Permutationen In dieser Vorlesung stellen wir eine weitere Beschreibung für die Determinante mit Hilfe

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

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

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

$Id: det.tex,v /12/19 13:21:08 hk Exp $ A = 1 3

$Id: det.tex,v /12/19 13:21:08 hk Exp $ A = 1 3 $Id: det.tex,v 1.24 2016/12/19 13:21:08 hk Exp $ 8 Determinanten Wir kommen jetzt zum Begriff der Determinante. Determinanten sind merkwürdigerweise über hundert Jahre älter als Matrizen, und sie wurden

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

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

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

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

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

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 3 und lineare Gleichungssysteme und

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

[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

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

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

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

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema: Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag

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

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

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

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

2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren

2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren 2 ÄHNLICHKEIT VON MATRIZEN, EIGENWERTE UND EIGENVEKTOREN 1 19. Mai 2000 2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren Motivation. Es seien: V ein K-Vektorraum mit dim V = n < und F End V, Φ,

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

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

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

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

5 Die Allgemeine Lineare Gruppe

5 Die Allgemeine Lineare Gruppe 5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche

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

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

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

2.5 Smith-Normalform für Matrizen über Euklidischen Ringen

2.5 Smith-Normalform für Matrizen über Euklidischen Ringen 2.5. SMITH-NORMALFORM FÜR MATRIZEN ÜBER EUKLIDISCHEN RINGEN73 2.5 Smith-Normalform für Matrizen über Euklidischen Ringen Bemerkung 2.74. Sei K ein Körper und A K n m, b K n 1. Das lineare Gleichungssystem

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

3 Matrizen und Lineare Gleichungssysteme

3 Matrizen und Lineare Gleichungssysteme 3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen

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

Aufgaben zur linearen Algebra und analytischen Geometrie I

Aufgaben zur linearen Algebra und analytischen Geometrie I Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und

Mehr

6 Permutationen. Beispiele: a) f : R R, f(x) = x 2. b) f : R R, f(x) = e x. c) f : R 2 R, x (Projektion auf die x Achse) y

6 Permutationen. Beispiele: a) f : R R, f(x) = x 2. b) f : R R, f(x) = e x. c) f : R 2 R, x (Projektion auf die x Achse) y 6 Permutationen Seien und B Mengen. Eine bbildung von nach B ist eine Vorschrift f, die jedem Element x ein eindeutig bestimmtes Element y = f(x) B zuordnet. Schreibe f : B, x f(x) Beispiele: a) f : R

Mehr

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

Mehr

Anzahl der Fehlstände von σ

Anzahl der Fehlstände von σ Grassmann-Algebra (äußere Algebra) Alternierende multilineare Abbildung Multiplikation der Basiselemente (R 2 ) und (R 3 ) Determinanten Determinanten, anschaulich Verkettungseigenschaft für sgn(σ) Anzahl

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Cramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...

Cramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,... Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den

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

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

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

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

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) 1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 9: Matrizen und Lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 14. April 2008) 2 3 4 5 Page-Rank

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 16. Invertierbare Matrizen Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,

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

Geometrische Deutung linearer Abbildungen

Geometrische Deutung linearer Abbildungen Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv

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

Kap 5: Rang, Koordinatentransformationen

Kap 5: Rang, Koordinatentransformationen Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv

Mehr

3 Systeme linearer Gleichungen

3 Systeme linearer Gleichungen 3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q: Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) 1 1 1 1 1 2 1 1 1 b) 1 2 1 1 1 1 2 1 1 1 1 2 1 2 3 1 c) 1 3 3 2 2 1 5 3 1 2 6 1 [Lösung]

Mehr

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a). Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =

Mehr

9 Lineare Algebra 2 (SS 2009)

9 Lineare Algebra 2 (SS 2009) 9 Lineare Algebra 2 (SS 2009) Vorbemerkung: Das Einsetzen von quadratischen Matrizen in Polynome. Im folgenden sei R ein kommutativer Ring und R[T] der Polynomring mit Koeffizienten in R (dies ist wieder

Mehr

Lineare Abbildungen. i=0 c ix i n. K n K m

Lineare Abbildungen. i=0 c ix i n. K n K m Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

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

Klausurvorbereitungsblatt Lineare Algebra

Klausurvorbereitungsblatt Lineare Algebra Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen

Mehr

5 Matrizen. In dem linearen Gleichungssystem. wollen wir die Koeffizienten zusammenfassen zu einer Matrix A =

5 Matrizen. In dem linearen Gleichungssystem. wollen wir die Koeffizienten zusammenfassen zu einer Matrix A = 74 5 Matrizen K sei ein fest gewählter Körper In dem linearen Gleichungssystem α ξ + α 2 ξ 2 + +α n ξ n = 0 α 2 ξ + +α 2n ξ n = 0 α m ξ + + +α mn ξ n = 0 wollen wir die Koeffizienten zusammenfassen zu

Mehr

6.5 Lineare Abhängigkeit, Basis und Dimension

6.5 Lineare Abhängigkeit, Basis und Dimension 6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von

Mehr

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09) Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank

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

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

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

Kapitel V. Determinanten

Kapitel V. Determinanten Kapitel V. Determinanten Inhalt: 16. Definition und Eigenschaften der Determinante 17. Anwendung auf lineare Gleichungssysteme 18. Determinante eines Endomorphismus Lineare Algebra, Teil I 28. Januar 2011

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

Mathematik I. Vorlesung 12. Lineare Abbildungen

Mathematik I. Vorlesung 12. Lineare Abbildungen Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,

Mehr