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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 $Id: dettex,v /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 und gesehen wie sich diese mit Hilfe elementarer Zeilen- und Spaltenumformungen berechnen läßt Bevor wir fortfahren wollen wir noch ein oft nützliches Korollar aus unserem Lemma über Dreiecksmatrizen festhalten Korollar 85 (Determinanten von Blockdreiecksmatrizen Seien n N mit n 1, K {R, C} und A eine n n-matrix über K der Form D 1 D 1 D A 2 oder A D 2 mit quadratischen Untermatrizen D 1,, D r Dann gilt D r det A det(d 1 det(d r D r Beweis: Zunächst sei A eine obere Blockdreiecksmatrix habe also die links stehende Form Für jedes 1 i r überführe D i durch Vertauschen von Zeilen und Addition von Vielfachen einer Zeile zu einer anderen Zeile in eine obere Dreiecksmatrix D i und bezeichne s i die Anzahl der dabei verwendeten Zeilenvertauschungen Lassen wir die dabei verwendeten elementaren Zeilenumformungen dann auch auf ganz A wirken, so wird A in eine Matrix A der Form D 1 A D 2 überführt, und s : r i1 s i ist die Anzahl der dabei verwendeten Zeilenvertauschungen Mit Lemma 3(d,e folgen D r det A ( 1 s det A und det D i ( 1 s i det D i 19-1

2 für alle 1 i r Die Matrix A ist eine obere Dreiecksmatrix, und damit gilt nach Lemma 4 r det A det D i Insgesamt ist damit i1 det A ( 1 s det A r ( 1 s i det D i i1 r det D i, i1 und die Aussage ist für obere Blockdreiecksmatrizen bewiesen Mit Lemma 3(a folgt dann auch die Aussage über untere Blockdreiecksmatrizen Beispielsweise ist damit ( 3 30, da es sich hier um eine untere Blockdreiecksmatrix mit den beiden 2 2-Kästchen D 1 ( und D 2 ( handelt Nachdem die zuletzt bewiesenen Aussagen über Determinanten hauptsächlich rechnerische Aspekte behandelt haben, wollen wir nun zu einem wichtigen und eher theoretischen Satz kommen der den Zusammenhang von Determinanten und der Matrixmultiplikation herstellt Satz 86 (Multiplikationssatz für Determinanten Sind n N mit n 1 und A, B zwei n n Matrizen über K {R, C} so gilt det(a B det(a det(b Beweis: Wir schreiben a 11 a 1n A a n1 a nn, B b 11 b 1n b n1 b nn 19-2 und AB c 11 c 1n c n1 c nn

3 Nach Definition der Matrizenmultiplikation gilt dann c ij i, j n Hiermit rechnen wir n k1 a ikb kj für alle 1 det(ab π S n ( 1 π c 1,π(1 c n,π(n ( ( ( 1 π a 1,j1 b j1,π(1 a n,jn b jn,π(n π S n j 1 1 π S n ( 1 π 1 j 1,,j n n 1 j 1,,j n n j n1 a 1,j1 a n,jn b j1,π(1 b jn,π(n a 1,j1 a n,jn [ π S n ( 1 π b j1,π(1 b jn,π(n Nun kümmern wir uns um den Faktor in den eckigen Klammern Die dort stehende Summe sieht fast wie eine Determinante aus, nur das dort überall j i statt i steht Dies ist aber kein echtes Problem, schreiben wir B(j 1,, j n für die n n Matrix, deren i-te Zeile gerade die j i -te Zeile von B ist, so ist der Ausdruck in eckigen Klammern gerade die Determinante von B(j 1,, j n, also ist det(ab a 1,j1 a n,jn det B(j 1,, j n 1 j 1,,j n n Wir betrachten nun einen einzelnen Summanden in dieser Summe, seien also 1 j 1,, j n n gegeben Gibt es dann zwei Indizes 1 i, i n mit i i und j i j i, so hat die Matrix B(j 1,, j n zwei identische Zeilen, und somit ist dann det B(j 1,, j n 0 nach Lemma 3(g Also müssen wir in der obigen Summe nur die Summanden (j 1,, j n betrachten in denen j 1,, j n paarweise verschieden sind Aber Tupel aus n verschiedenen Zahlen aus {1,, n} sind ja gerade die Ordnungen von {1,, n}, also folgt mit Lemma 3(c det(ab π S n a 1,π(1 a n,π(n det B(π(1,, π(n ( π S n ( 1 π a 1,π(1 a n,π(n ] det(b det(a det(b Wir wollen uns als Beispiele zwei kleine Anwendungen des Determinantenmultiplikationssatz es anschauen und beginnen mit einer erstaunlichen auf Sylvester zurückgehenden Formel Angenommen wir haben n, m 1, eine m n-matrix A und eine n m-matrix B Dann können wir die beiden Produkte AB und BA bilden, dabei ist AB eine m m- und BA eine n n-matrix, diese beiden können also von sehr unterschiedlicher Größe sein Trotzdem gilt nun: 19-3

4 Korollar 87 (Sylvestersche Determinantenformel Seien n, m N mit n, m 1, K {R, C} und A K m n eine m n- sowie B K n m eine n m-matrix über K Dann gilt det(1 + AB det(1 + BA Beweis: Wir betrachten die (m + n (m + n-matrix ( Em A C : K (m+n (m+n B E n Dann gelten ( Em 0 B E n ( Em A BA C und ( Em A 0 E n ( 1 + AB 0 B E n C und da es sich hier jeweils um Produkte von (m+n (m+n-matrizen handelt ergibt der Multiplikationssatz Satz 6 zusammen mit Korollar 5 det(1 + BA det C det(1 + AB Als eine zweite Konsequenz des Multiplikationssatzes erhalten wir unmittelbar eine Formel für die Determinante der Inversen einer regulären Matrix Korollar 88 (Determinante der inversen Matrix Sei n N mit n 1 und sei A eine invertierbare n n Matrix über K {R, C} Dann gilt det A 0 und es ist det(a 1 1 det A Beweis: Nach dem Multiplikationssatz ist det(a det(a 1 det(a A 1 det E n 1 Wie wir im nächsten Abschnitt sehen werden gilt auch die Umkehrung dieses Korollars, ist det A 0 so ist die Matrix A invertierbar Damit ist dann auch die zu Beginn dieses Kapitels erwähnte Eigenschaft der Determinante das Lösungsverhalten quadratischer linearer Gleichungssysteme zu bestimmen bewiesen In der Tat, ist det A 0 so ist A invertierbar und jedes lineare Gleichungssystem Ax b ist regulär, also nach 7Satz 19-4

5 5 auch eindeutig lösbar, und ist det A 0 so ist A nicht invertierbar also führt das Gaußsche Eliminationsverfahren auf eine lange Stufe und damit auf eine nur aus Nullen bestehende Zeile, dh lineare Gleichungssysteme Ax b sind niemals eindeutig lösbar und es gibt sowohl rechte Seiten b für die Ax b nicht lösbar ist als auch rechte Seiten b bei denen Ax b lösbar ist 83 Laplace Entwicklung Die Laplace Entwicklung einer Determinante ist ein weiteres Rechenverfahren zur Bestimmung von Determinanten Bei diesem Verfahren wird die Determinante einer n n Matrix als eine Summe von n Termen berechnet die ihrerseits im wesentlichen aus einer (n 1 (n 1 Determinante bestehen Wir wollen dies zunächst an einigen Beispielen vorführen, bevor wir es als abstrakten Satz formulieren Wir beginnen dabei mit der Berechnung einer 3 3 Determinante Als Entwicklung dieser Determinante nach der ersten Zeile bezeichnet man die folgende Rechnung ( Diese Summe beginnt mit dem Eintrag 1 in der ersten Zeile und Spalte multipliziert mit der Determinante, die aus der ursprünglichen Determinante durch Streichen der ersten Zeile und der ersten Spalte entsteht Hiervon wird dann der Eintrag 1 in der zweiten Spalte der ersten Zeile mal die durch Streichen der ersten Zeile und der zweiten Spalte gebildete Determinante abgezogen Schließlich wird der Eintrag 3 in der dritten Spalte der ersten Zeile mit der durch Streichen der ersten Zeile und dritten Spalte erhaltenen Determinante multipliziert und zur Gesamtsumme addiert: 1 ( Diese Rechenverfahren ist etwas effizienter als die Rechnung über die Regel von Sarrus Bei der Sarrusschen Regel hat man die Summe von sechs Dreierprodukten zu bilden, benötigt also 12 Multiplikationen und 5 Additionen, wobei wir Subtraktion und Addition nicht unterscheiden Bei der Entwicklung nach der ersten Zeile bilden wir dagegen drei 2 2 Determinanten, und jede von diesen erfordert zwei Multiplikationen und eine Addition, also insgesamt 6 Multiplikationen und drei Additionen Dann werden diese 2 2 Determinanten jeweils mit einer Zahl multipliziert und dann addiert, dies 19-5

6 sind 3 weiter Multiplikationen und zwei Additionen Insgesamt erfordert die Entwicklung nach der ersten Zeile also 9 Multiplikationen und 5 Additionen, wir haben also 3 Multiplikationen eingespart, dies sind immerhin 25% des Aufwands der Regel nach Sarrus Ebenso kann die Determinante auch nach der ersten Spalte entwickelt werden, hier gehen wir entsprechend die Einträge in der ersten Spalte der Matrix durch Noch allgemeiner kann die Determinante auch nach einer beliebigen Zeile oder einer beliebigen Spalte entwickelt werden Das einzige kleine Detail auf das man dabei achten muss ist die Verteilung der Vorzeichen Entwickeln wir nach der ersten Zeile oder Spalte, so beginnt die Entwicklung mit + und dann wechseln die Vorzeichen sich ab Entwickeln wir dagegen nach der zweiten Zeile oder Spalte, so beginnen die Vorzeichen mit und wechseln sich dann ab In der dritten Zeile oder Spalte starten wir dann wieder mit + und so weiter Allgemein gehört zum Eintrag (i, j der Determinante, also dem Eintrag in der i-ten Zeile und in der j-ten Spalte, die Determinante die durch Entfernen der i-ten Zeile und der j-ten Spalte entsteht und mit dem Vorzeichen ( 1 i+j versehen ist Diese Vorzeichen beginnen links oben mit ( und breiten sich dann schachbrettartig aus Wir haben das Vorzeichenschema hier gleich allgemein für quadratische Matrizen beliebiger Größe angegeben und nicht nur für 3 3 Matrizen Es bietet sich an nach einer Zeile oder Spalte zu entwickeln die möglichst viele Nullen enthält, denn bei jeder Null können wir den entsprechenden Summanden in der Entwicklung ignorieren In unserem obigen Beispiel ist es daher naheliegend etwa nach der dritten Zeile zu entwickeln ( 2 ( 7 3 erneut mit demselben Ergebnis Die Entwicklung einer Determinante nach Zeilen oder Spalten ist aber nicht auf 3 3 Determinanten beschränkt, sondern ist für jede natürlich Zahl n 1 möglich Wir wollen als ein Beispiel einmal eine 4 4 Determinante nach 19-6

7 der zweiten Zeile entwickeln: ( ( 3 ( ( , wobei wir die mit Null zu multiplizierende vierte Determinante gleich weggelassen haben und die Werte der verbleibenden drei 3 3 Determinanten , , gleich eingesetzt haben Man kann dieses Rechenverfahren durch Entwicklung nach einer Zeile oder Spalte natürlich auch mit den elementaren Zeilen- und Spaltenumformungen kombinieren In unserem eben gerechneten Beispiel einer 4 4 Determinante können wir auch zunächst die erste Spalte zur zweiten Spalte addieren Dann haben wir auf einmal zwei Nullen in der ersten Zeile, und bei der Entwicklung nach der ersten Zeile treten nur noch zwei Summanden auf ( ( Wir wollen im folgenden die theoretische Begründung für dieses Rechenverfahren angeben Die Grundlage für all diese Dinge ist die sogenannte Linearität der Determinante in Zeilen und Spalten 19-7

8 Satz 89 (Zeilen- und spaltenweise Linearität der Determinante Seien K {R, C}, n N mit n 1 und 1 k n Dann gilt für alle Zahlen t, s K und alle a ij, a i, b i K (1 i, j n die Gleichung a 11 a 1n a 11 a 1n a 11 a 1n ta 1 + sb 1 ta n + sb n t a 1 a n + s b 1 b n, a n1 a nn a n1 a nn a n1 a nn wobei die Summen in der k-ten Zeile dieser Determinante stehen Die entsprechende Aussage gilt auch für Summen von Spalten Beweis: Nach Lemma 3(a reicht es wieder die Aussage über Zeilen zu beweisen Die linke Determinante ist dann ( 1 π a 1,π(1 (ta π(k + sb π(k a n,π(n π S n t ( 1 π a 1,π(1 a π(k a n,π(n + s ( 1 π a 1,π(1 b π(k a n,π(n π S n π S n und dies ist gerade die rechts stehende Summe von Determinanten Ein direktes Beispiel für die obige Formel ist etwa Die erste und die dritte Zeile dieser Matrizen stimmen jeweils überein, Addition und Multiplikation werden nur in einer Zeile, in diesem Beispiel in der zweiten Zeile, durchgeführt Nach dieser Vorbemerkung kommen wir zur Entwicklung von Determinanten zurück Die Entwicklung einer Determinante nach einer Zeile oder Spalte nennt man auch den Laplaceschen Entwicklungssatz, und um diesen, und später auch die Cramersche Regel für die Matrixinversion, bequem formulieren zu können, führen wir noch eine kleine Definition ein Definition 83: Seien K {R, C}, n N mit n 1 und sei A eine n n Matrix über K Sind 1 i, j n, so bezeichnet A ij die (n 1 (n 1 Matrix, die aus A durch Streichen der i-ten Zeile und der j-ten Spalte entsteht Die Zahl â ij : ( 1 i+j det A ji 19-8

9 wird dann als (i, j-ter Komplementärwert bezeichnet (das i und j hier vertauscht werden ist kein Schreibfehler, sondern tatsächlich so gemeint, und die n n Matrix â 11 â 1n  : â n1 â nn heißt die Komplementärmatrix oder Adjunkte zu A Für n 2, 3 können wir die Komplementärmatrix noch direkt hinschreiben ( ( a b d b, c d c a a 11 a 12 a 13 a 22 a 33 a 23 a 32 a 13 a 32 a 12 a 33 a 12 a 23 a 13 a 22 a 21 a 22 a 23 a 23 a 31 a 21 a 33 a 11 a 33 a 13 a 31 a 13 a 21 a 11 a 23 a 31 a 32 a 33 a 21 a 32 a 22 a 31 a 12 a 31 a 11 a 32 a 11 a 22 a 12 a 21 aber schon für n 4 sind die entstehenden Formeln zu gross Ganz konkret ist beispielsweise die Komplementärmatrix zu gleich Wir wollen jetzt den Laplaceschen Entwicklungssatz explizit formulieren Die Grundidee zur Herleitung des Entwicklungssatzes ist einfach zu beschreiben Wir wollen die Determinante einer Matrix A nach der i-ten Zeile entwickeln In der Leibniz-Summe det(a π S n ( 1 π a 1,π(1 a n,π(n fasse für 1 j n alle Terme π S n mit π(i j zusammen Dann wird det A a ij ( 1 π a 1,π(1 a i 1,π(i 1 a i+1,π(i+1 a n,π(n π S n π(ij und die Summe in eckigen Klammern stellt sich als ( 1 i+j det A ij heraus, sie ist ja beinahe bereits eine Leibniz-Summe Für die exakte Durchführung des Beweises ist es technisch etwas bequemer zunächst den Sonderfall i n zu behandeln, und den allgemeinen Fall darauf zurückzuführen In der Vorlesung wurde der folgende Beweis nur skizziert, hier soll er aber vollständig wiedergegeben werden Satz 810 (Entwicklung nach Zeilen und Spalten Seien K {R, C}, n N mit n 1 und sei A (a ij 1 i,j n eine n n Matrix über K Dann gelten für jedes 1 i n die Gleichungen det A ( 1 i+1 a ij det A ij 19-9 (Entwicklung nach einer Zeile,

10 und det A ( 1 i+j a ji det A ji (Entwicklung nach einer Spalte Beweis: Wir beginnen mit der Entwicklung der Determinante nach der letzten Zeile Schreiben wir die letzte Zeile als (a n1,, a nn a 11 (1, 0,, a nn (0,, 0, 1, so ergibt sich mit der Linearität der Determinante in der letzten Zeile Satz 9 die Formel a 11 a 1,j 1 a 1j a 1,j+1 a 1n det A a nj a nj det B j, a n 1,1 a n 1,j 1 a n 1j a n 1,j+1 a n 1,n wenn wir B j für die Matrix im j-ten Summanden schreiben Wir müssen also die Determinante der Matrix B j berechnen Im Fall j n liegt dabei eine obere Blockdreiecksmatrix ( A nn B n 0 1 vor und Korollar 5 ergibt det B n det A nn Wir wollen jetzt zeigen, dass für alle 1 j < n stets det B j ( 1 n+j det A nj gilt, für j n wissen wir dies wegen ( 1 2n 1 bereits Sei also ein 1 j < n gegeben Bezeichne τ S n die Transposition die n und j vertauscht und sei B die Matrix die aus B j durch Permutation der Spalten gemäß τ, also durch Vertauschen der j-ten mit der n-ten Spalte entsteht Sei weiter α S n 1 die Permutation, die die Ziffern j,, n 1 zyklisch nach rechts verschiebt und sei A die (n 1 (n 1 Matrix, die aus A nj durch Permutation der Spalten gemäß α entsteht Dann ist B a 1j A a n 1,j 0 0 1, und mit Lemma 3(c und der schon bewiesenen Aussage folgt det B j det B det A ( 1 n j 1 det A nj ( 1 n+j det A nj Insgesamt ist damit det A a nj det B j ( 1 n+j a nj det A nj, 19-10

11 und wir haben die Entwicklung nach der letzten Zeile bewiesen Die Entwicklung nach anderen Zeilen können wir hierauf zurückführen Sei 1 i < n und bezeichne A die Matrix die aus A durch Vertauschen der i-ten und der n-ten Spalte entsteht Mit Lemma 3(c und der schon bewiesenen Teilaussage folgt det A det A ( 1 n+j a ij det A nj Ist α S n 1 die Permutation die die Ziffern i,, n 1 zyklisch um eine Stelle nach rechts verschiebt, so geht A nj für jedes 1 j n aus A ij durch Permutation der Zeilen gemäß α hervor, also det A nj ( 1 α det A ij ( 1 n i 1 det A ij Insgesamt ist damit det A ( 1 n+j+1+n i 1 a ij det A ij ( 1 i+j a ij det A ij Damit haben wir auch die Entwicklung nach einer beliebigen Zeile bewiesen Die Entwicklung nach Spalten folgt dann schließlich durch Übergang zur transponierten Matrix mit Lemma 3(a Eine der Folgerungen der Laplace-Entwicklung sind die sogenannten Cramerschen Regeln Es gibt zwei derartige Regeln, eine für die Berechnung der Inversen einer n n Matrix und eine für das Lösen regulärer linearer Gleichungssysteme Die Cramersche Regel für die inverse Matrix wird sich dabei aus dem folgenden Satz über die komplementäre Matrix ergeben Satz 811 (Satz über die Komplementärmatrix Seien K {R, C}, n N mit n 1 und A sei eine n n Matrix über K Dann gilt det A A   A det(a det A Beweis: Seien 1 i, j n gegeben Der Eintrag des Produkts A  in der i-ten Zeile und j-ten Spalte ist dann gleich A ik  kj k1 ( 1 j+k A ik det A jk k1 Im Fall eines Diagonaleintrags, dh wenn i j ist, so steht hier gerade die Entwicklung von det A nach der i-ten Zeile, und die Summe ist nach dem Entwicklungssatz Satz 10, 19-11

12 in seiner Version für Zeilen, gleich der Determinante det A von A Nun betrachten wir den Fall i j Dann ist die Summe ebenfalls nach dem Entwicklungssatz für Zeilen gleich einer Determinante det A, wobei A die n n Matrix über K ist die wir aus A erhalten indem die j-te Zeile von A durch eine Kopie der i-ten Zeile von A ersetzt wird Insbesondere hat A zwei identische Zeilen, und damit ist det A 0 nach Lemma 3(g Dies beweist die Formel A  det(a Die andere Gleichung  A det(a folgt ebenso mit dem Entwicklungssatz nach Spalten Damit können wir nun die beiden Cramerschen Regeln einsehen Korollar 812 (Cramersche Regel für die Matrixinversion Seien K {R, C}, n N mit n 1 und A sei eine n n Matrix über K Dann ist A genau dann invertierbar wenn det A 0 ist, und in diesem Fall gilt A 1 1 det A Beweis: Dies gilt nach Korollar 8 Dies ist klar nach Satz 11 Wegen ( haben wir in unserem obigen Beispiel damit Etwas trickreicher könnten wir auch den ersten Eintrag der ersten Zeile des Produkts A  ausrechnen, und wir wissen dann nach Satz 11 das die so erhaltene Zahl die Determinante von A ist Mit Hilfe der Cramerschen Regel für die Matrixinversion können wir jetzt auch die schon in 74 angesprochene Tatsache beweisen, dass ein Produkt zweier n n Matrizen genau dann invertierbar ist wenn beide Faktoren invertierbar sind Korollar 813: Seien K {R, C}, n N mit n 1 und A, B zwei n n Matrizen über K Dann ist das Produkt AB genau dann invertierbar wenn A und B beide invertierbar sind 19-12

13 Beweis: Nach dem Multiplikationssatz für Determinanten Satz 6 gilt det(ab det(a det(b Damit ist genau dann det(ab 0 wenn det A 0 und det B 0 gelten Nach Korollar 12 folgt daraus die Behauptung 19-13

$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

$Id: det.tex,v /12/19 17:07:55 hk Exp $ $Id: linabb.tex,v /01/15 07:43:52 hk Exp $ c 11 c 1n. c n1 c nn. b n1 b nn ...

$Id: det.tex,v /12/19 17:07:55 hk Exp $ $Id: linabb.tex,v /01/15 07:43:52 hk Exp $ c 11 c 1n. c n1 c nn. b n1 b nn ... $Id: det.te,v 1.4 2008/12/19 17:07:55 hk Ep $ $Id: linabb.te,v 1.5 2009/01/15 07:43:52 hk Ep $ II. Lineare Algebra 8 Determinanten 8.1 Die Determinante Wir wollen in diesem Abschnitt jett noch eine lette

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

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

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 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

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

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

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

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

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

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

4 Letzte Themen der linearen Algebra

4 Letzte Themen der linearen Algebra 4 Letzte Themen der linearen Algebra 4.1 Ergänzungen zum Matrizenkalkül Sind A, B Matrizen über Ã, für die das Produkt AB erklärt ist, so gilt (AB) T = B T A T. Mit C = AB gilt c ij = k a ik b kj c T ij

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

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

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

7 Lineare Gleichungssysteme und Determinanten

7 Lineare Gleichungssysteme und Determinanten 7 Lineare Gleichungssysteme und Determinanten 7 Dreiecks- und Diagonalmatrizen Linke untere bzw rechte obere Dreiecksmatrizen sind quadratische Matrizen der Gestalt L =, R = Genauer heißt eine quadratische

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

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

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

7 Matrizen über R und C

7 Matrizen über R und C $Id: matrix.tex,v. 0/0/0 5:7:7 hk Exp $ 7 Matrizen über R und C 7. Inverse Matrizen und reguläre lineare Gleichungssysteme In der letzten Sitzung hatten wir eine quadratische Matrix A regulär oder invertierbar

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

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

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

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

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

7 Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten

7 Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten 7 Lineare Gleichungssysteme und Determinanten Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten 7.1 Dreiecks- und Diagonalmatrizen Linke untere bzw. rechte obere Dreiecksmatrizen sind

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

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

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

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

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

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

Lineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18.

Lineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18. Goethe-Universität Frankfurt Institut für Mathematik Lineare Algebra Wintersemester 218/19 Prof Dr Jakob Stix Martin Lüdtke Übungsblatt 11 15 Januar 219 Aufgabe 1 (5=1+1+1,5+1,5 Punkte) Berechnen Sie die

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

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

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

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

$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $

$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $ $Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme

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 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

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

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

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

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

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

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

Matrizen und Determinanten

Matrizen und Determinanten Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von

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

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

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

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

9 Matrizen über R und C

9 Matrizen über R und C Mathematik für Physiker I, WS 00/0 Montag 0 $Id: matrixtex,v 6 0/0/0 :6:7 hk Exp $ $Id: dettex,v 0/0/0 ::59 hk Exp hk $ 9 Matrizen über R und C 9 Transposition von Matrizen Im letzten Abschnitt hatten

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

bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR

bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine

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

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

7 Matrizen über R und C

7 Matrizen über R und C Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit

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 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel

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

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

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

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

B - 8 Gauß - Elimination (1850) Lineare Systeme in zwei Variablen

B - 8 Gauß - Elimination (1850) Lineare Systeme in zwei Variablen B - 8 Die Grundlage dieses Verfahrens ist die Beobachtung, daß für zwei Funktionen f (x) und g(x) eines Vektors x und jeden beliebigen Skalar λ gilt: f (x) = 0 f (x) = 0 g(x) = 0 g(x) λf (x) = 0 } {{ }

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

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. 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

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

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 2 Rechenoperationen und Gesetze Gleichheit

Mehr

Basistext Determinanten

Basistext Determinanten Basistext Determinanten Definition In der Linearen Algebra ist die Determinante eine Funktion die einer quadratischen Matrix eine Zahl zuordnet. Die Funktion wird mit det abgekürzt. Die runden Matrixklammern

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

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

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

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 =

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

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

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

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 Gleichungen. Mathematik-Repetitorium. 3.1 Eine Unbekannte. 3.2 Zwei oder drei Unbekannte. 3.3 Allgemeine lineare Gleichungssysteme

Lineare Gleichungen. Mathematik-Repetitorium. 3.1 Eine Unbekannte. 3.2 Zwei oder drei Unbekannte. 3.3 Allgemeine lineare Gleichungssysteme Lineare Gleichungen 3.1 Eine Unbekannte 3.2 Zwei oder drei Unbekannte 3.3 Allgemeine lineare Gleichungssysteme Lineare Gleichungen 1 Vorbemerkung zu Kapitel 1 Gleichungen (Unbekannte) (Variablen, Parameter)

Mehr

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A. Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........

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

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

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 Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.

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

7 Matrizen über R und C

7 Matrizen über R und C Mathematik für Physiker I, WS 0/05 Montag 5. $Id: matrix.tex,v. 0//5 :6:05 hk Exp $ 7 Matrizen über R und C 7. Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit

Mehr

3 Lineare Gleichungen

3 Lineare Gleichungen Aufgabe 3. Man löse die lineare Gleichung a 2 x b 2 a a(b ax) b + b2 a = a, a b nach der Unbekannten x auf und diskutiere die möglichen Fälle. a 2 x b 2 a a(b ax) b + b2 a = a a b a 2 bx b 3 a 2 b + a

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung

Mehr

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen

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

Aufgaben zu Kapitel 16

Aufgaben zu Kapitel 16 Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2

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

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