D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen

Ähnliche Dokumente
D-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld. Clicker Fragen. Sei R die Menge aller Mengen, die sich nicht selbst enthalten.

Lösung Lineare Algebra I Sommer 2018 Version A

Lineare Algebra Weihnachtszettel

Kapitel 3 Lineare Algebra

Lineare Algebra I Winter 2018 (Lösung)

Lineare Algebra I Zusammenfassung

Mathematik für Physiker, Informatiker und Ingenieure

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Lineare Algebra Weihnachtszettel

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

Tutorium: Analysis und Lineare Algebra

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Übersicht Kapitel 9. Vektorräume

Lösungsskizze zur Hauptklausur Lineare Algebra I

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Musterlösung Serie 8

Lineare Algebra I. December 11, 2017

Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

4 Lineare Abbildungen und Matrizen

D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen

3 Lineare Algebra Vektorräume

Lineare Algebra I Lösungsvorschlag

32 2 Lineare Algebra

5.4 Basis, Lineare Abhängigkeit

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

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Lineare Algebra I - Prüfung Winter 2019

Lösung Serie 10: Elementare Zeilenumformungen & Elementarmatrizen, Rang & Inverse einer Matrix

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

6.5 Lineare Abhängigkeit, Basis und Dimension

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

Klausur zur Vorlesung Lineare Algebra und Geometrie I

3 Determinanten, Eigenwerte, Normalformen

Lösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung

5.7 Lineare Abhängigkeit, Basis und Dimension

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

Aufgaben zur linearen Algebra und analytischen Geometrie I

5 Lineare Abbildungen

a 1 a 1 A = a n . det = λ det a i

5 Lineare Abbildungen

LINEARE ALGEBRA II. FÜR PHYSIKER

5.2 Rechnen mit Matrizen

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.

5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);

Mathematik I. Vorlesung 14. Rang von Matrizen

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

Mathematik für Anwender I

Summen und direkte Summen

2.4 Lineare Abbildungen und Matrizen

Lineare Algebra I Lösung der Probeklausur

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

2 Die Dimension eines Vektorraums

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Kap 5: Rang, Koordinatentransformationen

8.2 Invertierbare Matrizen

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

9.2 Invertierbare Matrizen

Übungen zu Einführung in die Lineare Algebra und Geometrie

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Kapitel II. Vektorräume

1 Darstellungsmatrizen

Übungen zu Einführung in die Lineare Algebra und Geometrie

1 Matrizenrechnung zweiter Teil

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

Vektorräume. Kapitel Definition und Beispiele

Lineare Algebra und Numerische Mathematik für D-BAUG

Lösung 7: Bilinearformen

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Ausgewählte Lösungen zu den Übungsblättern 4-5

2.3 Basis und Dimension

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Mathematik I. Vorlesung 12. Lineare Abbildungen

6. Normale Abbildungen

Prüfung Lineare Algebra 2

, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang

5 Die Allgemeine Lineare Gruppe

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

5.2 Rechnen mit Matrizen

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

Lineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching

Probeklausur Lineare Algebra I

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

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)

6.2 Rechnen mit Matrizen

1 Lineare Abbildungen

Lineare Algebra II Lösungen der Klausur

(Allgemeine) Vektorräume (Teschl/Teschl 9)

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

Tutorium: Analysis und Lineare Algebra

Basisprüfung. 18. August 2015

10.2 Linearkombinationen

Transkript:

D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Die Aussage Dieser Satz ist falsch ist wahr falsch Dies ist die einfachste Form des Lügner-Paradoxes ist der folgende selbstbezügliche Satz. Die Paradoxie dieses Satzes besteht darin, dass sich nicht vernünftigerweise behaupten lässt, er sei wahr oder falsch. Angenommen er wäre falsch: Dann würde das zutreffen, was der Satz selbst behauptet, und er müsste also wahr sein. Nehmen wir aber an, er sei wahr, dann trifft das, was der Satz behauptet, nicht zu was bedeutet, dass er falsch ist Frage 2 Betrachte die Teilmengen P, Q X. Welche der folgenden Aussagen stimmen? χp Q = min{χ P, χ Q }. χp Q = χ P χ Q. χ P Q = min{χ P, χ Q }. χp Q = χ P + χ Q χ P Q Siehe Aufgabe 2, Serie 2. 1

Frage 3 Wir betrachten in dieser Aufgabe nur Relationen auf {1, 2, 3}. Welche der folgenden Aussagen ist oder sind? Die minimale Anzahl der Elemente einer Äquivalenzrelation ist 3. Die Menge {(1, 1, (1, 3, (2, 2, (3, 1, (3, 3} bildet eine Äquivalenzrelation. Äquivalenzrelation, die (1, 2 und (2, 3 enthält, hat 7 Ele- Die kleinste mente. Die Anzahl der Äquivalenzrelationen mit 5 Elementen ist 3. Zu i die Relexivitätseigenschaft besagt dass für alle Elemente gelten muss, dass xrx. D.h. dass jede Äquivalenzrelation die Elemente (1, 1, (2, 2, (3, 3 enthalten muss. Es lässt sich leicht überprüfen dass diese drei Elemente eine Äquivalenzrelation bilden (Symmetrie ist klar und bei der Transitivität gibt s in diesem Fall nichts zu überprüfen. Zu ii Relexivität und Symmetrie sind klar. Die Transitivität folgt: 1R1 und 1R3 impliziert 1R3 und genauso für (3, 1 und (1, 1. Zu iii die Reflexivität besagt dass wir sicher die Paare (1, 1, (2, 2 und (3, 3 brauchen. Aus der Symmetrie folgt dass wir zusätzlich (2, 1 und (3, 2 dazu nehmen müssen. Nun besagt aber die Transitivität dass wenn die Paare (1, 2 und (2, 3 dabei sind auch (1, 3 dabei ist und somit auch (3, 1 und somit haben wir mindestens 9 Elemente. Zu iv Ein Beispiel ist die Äquivalenzrelation in ii. Wählt man stattdessen das Paar (1, 2 oder (2, 3 mit Spiegelbild so haben wir alle Möglichkeiten mit 5 Elementen. 2

Frage 4 Welche Elemente von Z/6Z haben eine Inverse für die Multiplikation? {0, 1, 2, 3, 4, 5} {1, 3, 5} {1, 5} {1, 2, 3, 4, 5} keine Wir betrachten die Cayley-Tafel für die Multiplikation in Z/6Z 0 1 2 3 4 5 0 0 0 0 0 0 0 1 0 1 2 3 4 5 2 0 2 4 0 2 4 3 0 3 0 3 0 3 4 0 4 2 0 4 2 5 0 5 4 3 2 1 Man sieht sofort, dass 0 kein Inverses Element hat und dass 1 das neutrale Element ist (da a Z 6 : 1 a = a. Die Frage ist nun für welche a Z/6Z \ {0} existiert ein b Z/6Z mit a b = 1 und man sieht, dass dies nur für 1 und 5 möglich ist. Frage 5 Sei V = {(x, y x, y R} und definiere die folgende Verknüpfungen V V V : ((x 1, y 1, (x 2, y 2 (x 1, y 1 + (x 2, y 2 := (x 1 + 2x 2, y 1 + 3y 2 R V V : (λ, (x, y λ (x, y := (λx, λy so ist V ein Vektorraum so ist V kein Vektorraum Man überprüft leicht, dass die Verknüpfung Addition weder kommutativ noch assoziativ ist. 3

Frage 6 Sei V ein Vektorraum über K und W V eine Teilmenge. Die Aussage: u V λ K : λu W = 0 V W ist ist falsch Wenn wir annehmen könnten, dass W nicht-leer ist, so könnten wir ein beliebiges Element w aus W wählen und da 0 K hätten wir 0 w W also 0 V = 0 w W. Wir wissen aber nicht, dass W nicht-leer ist und deshalb ist die Aussage falsch. (Wenn W = so gäbe es kein einziges Element in w W mit der Eigenschaft 0 w = 0 V. Frage 7 Sei S ein Erzeugendensystem von V, so kann man jeder Vektor in V als eindeutige Linearkombination der Elemente in S schreiben falsch Ein Erzeugendensystem muss nicht linear unabhängig sein und deshalb ist die Eindeutigkeit nicht garantiert. Frage 8 Der Nullvektor ist eine Linearkombination von jeder beliebigen nicht-leeren Menge von Vektoren falsch Da die Menge nicht leer ist, gibt es einen Vektor u und somit gilt 0 V haben also der Nullvektor als Linearkombination geschrieben. = 0 u. Wir Frage 9 Eine Familie von Vektoren, die den Nullvektor enthält, ist immer linear abhängig falsch Da k 0 V = 0 V für alle k K \ {0}, hat s in dieser Menge immer eine nicht-triviale Darstellung des Nullvektors und somit ist die Menge nach Definition linear abhängig. 4

Frage 10 Was ist die Dimenson desvektorräumes C? dim(c = 1 dim(c = 2 Es fehlen Angaben um dies zu entscheiden Wie in der Vorlesung besprochen hängt die Dimension eines Vektorräumes davon ab was der zu grundlegender Körper ist. Betrachen wir C als Vektorraum über den Körper C so kann man als Basis B = {1} wählen, da < {1} >:= {λ 1 λ C} = C, also gilt dim C (C = 1. Betrachtet man aber nun C als Vektorraum über R so reicht die obige Basis nicht, da < {1} >:= {λ 1 λ R} = R C. Wählen wir stattdessen als Basis B = {1, i}, so ist die in der Tat eine Basis (überprüfen Sie selber die beide Eigenschaften die eine Basis haben muss und somit gilt dim R (C = 2. Frage 11 Seien V und W zwei endlich-dimensionale Vektorräume und betrachten Sie die äussere direkte Summe V W. Seien B V = {e 1,... e m }, B W = {f 1,... f n } Basen von V und W. So ist eine Basis von V W B := {(e i, f j 1 i m, 1 j n} falsch Nach Definition gilt V W := {(v, w v V, w W }. Insbesondere sind die Vektoren (e i, 0 W und (0 V, f j Elemente von V W. Es ist aber nicht möglich sie als Linearkombination der angeblichen Basis zu schreiben und deshalb kann es keine Basis sein. Konret: Es ist unmöglich λ ij K so zu bestimmen, das gilt (e k, 0 W = m i=1 j=1 n λ ij(e i, f j weil aus der linearen unabhängigkeit von B V folgt, dass λ ij = 0 falls i k und somit erhält man n n n (e k, 0 W = λ kj (e k, f j = ( λ kj e k, λ kj f j j=1 j=1 Da auch B W eine Basis ist, folgt λ kj = 0 für alle 1 j n. j=1 5

Frage 12 Betrachte den Körper F 5 und und den Unterraum W So gilt F 2 5/W = 5. W := (1, 1 F 2 5 falsch Aus der Dimensionsformel für den Quotientenraum, wissen wir, dass dim ( F 2 5/W = dim ( F 2 5 dim (W = 2 1 = 1 und ein ein-dimensionaler Unterraum über F 5 hat 5 Elemente. Dies ist veranschaulicht im untenstehenden Bild. Der Unterraum W ist rot und jede Nebenklasse hat eine eigene Farbe. Es gibt also 5 Nebenklassen und jede hat selber 5 Elemente. Die Anzahl Nebenklassen ist aber die Kardinalität vom Quotientenraum und damit in diesem Fall 5. 4 3 2 1 0 W = <(1,1> (0,1 + W (0,2 + W (0,3 + W (0,4 + W 0 1 2 3 4 Frage 13 Die Funktion ist eine lineare Abbildung f : R R : x ax + b falsch Da f(x 1 + x 2 = a(x 1 + x 2 + b ax 1 + b + ax 2 + b = f(x 1 + f(x 2 ist dies nicht allgemein wahr, sonder nur wenn b = 0. 6

Frage 14 Seien V und W Vektorräume. Gegeben v 1, v 2 V und w 1, w 2 W so existiert eine lineare Abbildung mit T (v 1 = w 1 und T (v 2 = w 2. falsch Dies ist nicht allgemein wahr, wenn z.b. v 1 und v 2 linear abhängig sein, d.h. v 1 = λv 2 für irgendein λ K, so muss gelten T (v 1 = T (λv 2 = λt (v 2 was impliziert, dass w 1 = λw 2 was natürlich nicht für beliebige w 1, w 2 W gilt. Die Aussage wäre aber wahr wenn v 1 und v 2 linear unabhängig wären. Frage 15 Betrachte den Vektorraum M 2 2 (K mit der standard geordneten Basis ( ( ( ( ( 1 0 0 1 0 0 0 0 B = E 1 =, E 0 0 2 =, E 0 0 3 =, E 1 0 4 = 0 1 und die lineare Abbildung T : M 2 2 (K K : A Tr(A wobei wir für K die Basis {1} wählen. Was ist die Darstellungsmatrix [T ] {1} B? A 11 + A 22 ( 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 Keine der obigen drei Wir haben in der Vorlesung gelernt, dass die j. Spalte der Darstellungsmatrix nichts anderes ist als [T (v j] C B wobei v j der j. Basisvektor aus der geordneten Basis B ist. Nun gilt in diesem Fall T (E 1 = T (E 4 = 1 = 1 1 und T (E 2 = T (E 3 = 0 = 0 1 und da der Zielbereich 1-dimensional ist, haben die Spalten Länge 1 und sind somit 1, 0, 0 und 1. Das Resultat ist also eine 1 4 Matrix und die Antwort b hat in der Tat auch die e Einträge. 7

Frage 16 Sei A M n n (K und I n die Identitätsmatrix. So gilt A 2 = I n = A = I n A = I n falsch Für n = 1 ist diese Aussage (a 2 = 1 = a = 1 a = 1. Für ( Matrizen 1 0 stimmt sie aber nicht, als Gegenbeispiel betrachten wir die Matrix A =. 0 1 Offensichtlich gilt A 2 = I 2 aber die Implikation ist nicht. Diese Matrix gehört zu der linearen Abbildung L A : R 2 R 2 die geometrisch zu interpretieren ist als Spiegelung an der x-achse. Frage 17 Seien V und W endlichdimensionale Vektorräume über K. Welche der folgenden Aussagen sind Hom(V, W = Hom(W, V dim (Hom(V, W = dim (Hom(W, V Wir haben in der Vorlesung gesehen, dass und somit Hom(V, W = Mat n m(k Hom(W, V = Mat m n(k Wenn n m sind diese beide Matrizenräume nicht gleich und damit die Räume der Homomorphismen auch nicht. Die Dimensionen stimmen aber überein da m n = n m. Frage 18 Sei V ein endlich dimensionaler Vektorraum, so gilt dim(v = dim(v falsch Sei dim(v = n so gilt dim K(V = dim K(Hom(V, K = dim K(V dim K(K = n 1 = dim K(V 8

Frage 19 Sei V ein Vektorraum mit dim(v = 4, so gibt es ein f V mit dim (Ker(f = 2 falsch f V bedeutet, dass f eine lineare Abbildung von V nach K ist. Aus der Dimensionsformel folgt dim(v = dim (Ker(f + dim (Im(f Da aber Im(f K gilt dim (Im(f 1 und aus dim(v = 4 folgt dann sofort dim (Ker(f 3 Frage 20 Sei Φ : V V ein Isomorphismus und B eine geordnete Basis von V. Dann gilt Φ(B = B. falsch Sei B = (v 1,..., v n eine geordnete Basis von V so ist die duale Basis B = (f 1,..., f n eindeutig bestimmt durch die definierende Eigenschaft f i(v j = δ ij. Sei nun Φ irgendein Isomorphismus, so stimmt es zwar dass Φ(B eine Basis von V ist, aber es muss überhaupt nicht sein, dass es genau B ist. 9

Frage 21 Welche der folgenden Aussagen sind? Eine Elementarmatrix ist immer quadratisch Die einzige Einträge in einer Elementarmatrix sind Einsen und Nullen. Die n n Identitätsmatrix ist eine Elementarmatrix. Das Produkt von zwei Elementarmatrizen ist eine Elementarmatrix. Die Summe von zwei Elementarmatrizen ist eine Elementarmatrix. Die Inverse einer Elementarmatrix ist eine Elementarmatrix. Die Transponierte einer Elementarmatrix ist eine Elementarmatrix. i Richtig: Dies ist per Definition so (eine Elemenarmatrix ist erhalten durch eine elementare Zeilen- (oder Spalten-Umformung auf die Identitätsmatrix. ii Falsch: Wenn man die i. Zeile mit einem Faktor c multipliziert so steht an der Stelle E i,i den Faktor c. iii Richtig: Wenn man bei der Identitätsmatrix zu der i.zeile 0 mal die j.zeile addiert so ist das Resultat wiederum die Identitätsmatrix. ist iv Falsch: Gegenbeispiel 0 1 0 0 1 0 0 0 0 1 0 0 E 1 E 2 = 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 = 1 0 0 0 0 0 0 1 = M 0 0 0 1 0 0 1 0 0 0 1 0 E 1 und E 2 sind Elementarmatrizen. M ist aber das Resultat von Vertauschen der 1. und 2. Zeile und Vertauschen der 3. und 4. Zeile und das ist mehr als eine elementare Umformung. v Falsch: Gegenbeispiel E 1 + E 2 = ( 2 0 + 0 1 ( 1 0 = 0 2 ( 3 0 = M 0 3 Auch hier sind wieder E 1 und E 2 Elementarmatrizen, aber M nicht. vi Richtig: Folgt as Theorem 2, 3.1. vii Richtig: Überlegen Sie selber wie die Elementarmatrizen und ihre Transponierten aussehen und zu welchen elementaren Umformungen diese gehören. 10

Frage 22 Welche der folgenden Abbildungen ist multilinear? Das Skalarprodukt auf R 3 Die 2 2 Determinante Sei A Mn n (K und definiere F (A = 0. Sei A Mn n (K und definiere F (A = A 1j A nj. Sei A Mn n (K und definiere F (A = A 11 A nn. Sei A M n n (K und definiere F (A = tr(a. i Das Skalarprodukt, : R 3 R 3 R ist multilinear überprüfen Sie selber dass u 1 + λu 2, v = u 1, v + λ u 2, v für alle u 1, u 2, v R 3 und λ R. Aus der Symmetrie folgt die Linearität in der 2.Zeile. ii Folgt aus den Eigenschaften der 2 2 Determinante. Sei in den nächsten Teilantworten A := ( A (1,..., A (i 1, A (i, A (i+1,..., A (n à := (A (1,..., A (i 1, Ã(i, A (i+1,..., A (n B := (A (1,..., A (i 1, A (i + cã(i, A (i+1,..., A (n wobei alle A (j K n Zeilen sind und c K. iii 0 = F (B = F (A + c F (à = 0 + c 0 = 0 iv Wie v v Es gilt F (B = A 11 (A ii + cãii A nn (cãii = A 11 A ii A nn + A 11 A nn = (A 11 A ii A nn + c (A 11 Ãii Ann = F (A + c F (à vi Es gilt F (B = A 11 + + (A ii + cãii + + A nn (A 11 + + A ii + + A nn + c (A 11 + + Ãii +... Ann = F (A + c F (à 11

Frage 23 Sei A eine n n Matrix und sei B entstanden aus A durch vertauschen der i. und j. Zeile (o.b.d.a. j > i. Wie viel mal müsste man benachbarte Zeilen vertauschen, um von A zu B zu gelangen? 2(j i j i 2(j i 1 2(j i + 1 Vertauscht man die Zeile A (i mit seinen Nachbarn unten bis sie unter der Zeile A (j steht, so muss man j i mal vertauschen. Vertauscht man nun die Zeile A (j mit seinen Nachbarn oben bis sie oberhalb von A (i+1 steht, so muss man j i 1 mal vertauschen und somit das Resultat. Frage 24 Eine Determinante ist ein Element von Hom(M n n (K, K falsch Die Determinante ist eine multilineare Abbildung, d.h. u.a. dass δ(ca = c n δ(a und damit ist die Abbildung nicht linear (ausser für n = 1. Frage 25 Welche der folgenden Aussagen sind wahr? Sei B entstanden aus A durch vertauschen von zwei Spalten, so gilt det(a = det(b Sei B entstanden aus A durch multiplizieren einer Spalte mit einem Faktor c, so gilt det(a = det(b Sei B entstanden aus A durch addieren eines Vielfaches einer Zeile zu einer anderen Zeile, so gilt det(a = det(b det(i n = 0 Wenn zwei Spalten von A gleich sind, so gilt det(a = 0 Die Determinante einer unteren Dreiecksmatrix ist das Produkt der Einträgen auf der Diagonale det(a T = det(a det(ab = det(a det(b A ist invertierbar genau dann wenn det(a 0 Folgt alles direkt aus der Vorlesung (Definitionen und Sätzen. 12