Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Ähnliche Dokumente
3.3 Lineare Abbildungen und Matrizen

6. Übung zur Linearen Algebra II

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Diskrete Mathematik 1 WS 2008/09

1 Mehrdimensionale Analysis

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

50 Matrixnormen und Eigenwertabschätzungen

Elemente der Mathematik - Sommer 2016

Die Jordansche Normalform

4.6 Das Pumping-Lemma für reguläre Sprachen:

3. Lineare Algebra (Teil 2)

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

4. Musterlösung. Problem 1: Kreuzende Schnitte **

Lineare Optimierung Dualität

SS 2017 Torsten Schreiber

Stochastische Prozesse

Determinanten. I. Permutationen

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Konkave und Konvexe Funktionen

Seminar Einführung in die Kunst mathematischer Ungleichungen

Spiele und Codes. Rafael Mechtel

Stochastische Prozesse

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Methoden der innerbetrieblichen Leistungsverrechnung

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Die Transzendenz der Eulerschen Zahl e

1 Definition und Grundbegriffe

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

2 Matrizen (A + B) + C = A + (B + C) (A + B)C = AC + BC. Seien A R m n und B = (b (1)... b (p) ) R n p zwei Matrizen. Dann gilt

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

Aspekte zur Approximation von Quadratwurzeln

Weitere NP-vollständige Probleme

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

12 UMPU Tests ( UMP unbiased )

Lineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan

1.1 Das Prinzip von No Arbitrage

Der Satz von COOK (1971)

Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

1 Differentialrechnung in mehreren Variablen

1. Schaltungsbeschreibung - Netzwerktopologie. Regeln der Schaltwerktheorie:

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Facility Location Games

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)

18. Dynamisches Programmieren

Streuungs-, Schiefe und Wölbungsmaße

Zusammenfassung der letzten LVA. Diskrete Mathematik

Der Approximationssatz von Weierstraß

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

3 g-adische Ziffernentwicklung reeller Zahlen

Erwartungswert, Varianz, Standardabweichung

-70- Anhang: -Lineare Regression-

3 Elastizitätstheorie

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam,

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Beschreibende Statistik Mittelwert

Der starre Körper. 1 Grundlagen. Dominik Fauser. 1.1 Denition. 1.2 Freiheitsgrade

6. Modelle mit binären abhängigen Variablen

Gruppe. Lineare Block-Codes

1. Lineare Gleichungssysteme I

Algebraische Kombinatorik und Anwendungen in der kommutativen Algebra

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb

Digitale Netze und die Sobol-Folge. Markus Hofer

) ergeben die i i. Es gelten folgende allgemeinen Resultate (in informeller Sprache formuliert).

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

3.2 Die Kennzeichnung von Partikeln Partikelmerkmale

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Grundgedanke der Regressionsanalyse

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Erzeugen und Testen von Zufallszahlen

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Zulassungsprüfung Stochastik,

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler

Lineare Regression - Mathematische Grundlagen

Experimentalphysik II (Kip SS 2007)

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .

8 Numerik von Eigenwertproblemen

8 Numerik von Eigenwertproblemen

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Vorlesung Programmieren II

6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren

11 Charaktere endlicher Gruppen

Technische Universität Dresden Fachrichtung Mathematik

FORMELSAMMLUNG STATISTIK (I)

Übungsblatt 4 - Lösung

Ko- und kontravariante Darstellung

Auswertung univariater Datenmengen - deskriptiv

Dynamik starrer Körper

Lineare Gleichungen treten sehr oft in den Naturwissenschaften auf, siehe auch Kap. Interpolation. Die Schreibweise für n Gleichungen lautet.

13.Selbstinduktion; Induktivität

Standardnormalverteilung / z-transformation

Transkript:

Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx A bezechnet. Defnton. Ene Abbldung det : M(n n; K) K heßt (n-rehge) Determnante, wenn glt (D1) : det st lnear n jeder Zele, d.h. falls = a + a = λa, dann st det det = det = λ det a + det a a bzw. bzw. (D2) : det st alternerend, d.h. glt = für j, dann st deta = 0. (D3) : dete n = +1. Wr werden erst etwas später de Exstenz und Endeutgket von derartgen Abbldungen nachwesen, wobe de Endeutgket aus der Normerungsegenschaft (D3) folgen wrd. Satz. Zu jedem n N gbt es genau ene Abbldung det : M(n n; K) K mt den Egenschaften (D1), (D2), (D3). 1

Aus den dre defnerenden Egenschaften können wr nun ene Rehe weterer Egenschaften herleten. (D4) : det(λa) = λ n deta für λ K und A M(n n; K) (D5) : mt = (0,., 0) deta = 0 (D6) : B entstehe aus A durch Vertauschen von zwe (verschedenen) Zelen detb = deta (Vorzechenwechsel!) (D7) : B entstehe aus A durch Addton der λ-fachen j-ten Zele zur -ten Zele ( j) detb = deta. (D8) : Se A ene obere (bzw. untere) Dreecksmatrx mt Hauptdagonalelementen λ 1, λ 2,., λ n. Dann st deta = λ 1 λ 2. λ n. (D9) : deta = 0, a 2,., snd lnear abhängg. (D10) : deta 0 A st nverterbar. (D11) : A, B M(n n; K) det(a B) = deta detb Folgerung. Ist A nverterbar, d.h. A 1, dann det(a 1 ) = 1 deta. Bewes. zu (D4) : A = det(λa) = λ det λa 2 λ λa = = λ2 det λ λ a 2 λ. Mt (D1) folgt =. = λn det A. zu (D5) : Se = (0,., 0) = 0. Mt (D1) : det A = 0. zu (D6) : Se j. 2

= det 0 (D2) = det = det Damt glt + + + det + det det j = det + det. j + = det + det + det. + = = zu (D7) : + λ det j = det (D1) + λ det (D2) = det A. zu (D8) : (für obere Dreecksmatrx) ) Ist λ = 0 für en {1, 2,., n}, dann kann A durch elementare Zelenumformungen vom Typ III und Typ IV n ene obere Dreecksmatrx B übergeführt werden, be der de n-te Zele ene Nullzele st. Dann st det A = ± det B = 0. ) Sonst glt λ 0. Mt (D1) st dann det A = λ 1 λ 2.λ n det B 3

wobe B = 1 0 1 0 0 0 1. B kann durch elementare Zelenumformungen vom Typ III n de Enhetsmatrx E n übergeführt werden. Wegen (D7) st det B = det E n = 1 und damt det A = λ 1 λ 2. λ n. Folgerung. Ist A ene Block-Matrx der Form A = A 2 quadratsch snd, dann glt ( A1 C 0 A 2 ), wobe A 1 und det A = det A 1 det A 2. Bewes. Durch Zelenumformungen vom Typ III und Typ IV führe A 1 n ene obere Dreecksmatrx B 1 über. Aus C werde dabe C. A 2 blebt dabe unverändert. ( ) ( ) A1 C B1 C 0 A 2 0 A 2 Dann st det A 1 = ( 1) k det B 1 (k Anzahl der Zelenvertauschungen). Im nächsten Schrtt führe A 2 n ene obere Dreecksmatrx B 2 über. Dabe bleben B 1 und C unverändert. ( ) ( ) B1 C B1 C = B 0 A 2 0 B 2 Dann st det A 2 = ( 1) l det B 2 (l Anzahl der Zelenvertauschungen). De Matrx B st offenbar ene obere Dreecksmatrx, für de glt det B = det B 1 det B 2. Dann st det A = ( 1) k+l det B = ( 1) k det B 1 ( 1) l det B 2 = det A 1 det A 2. zu (D9) : Man führe A durch Zelenumformungen vom Typ III und Typ IV n ene Matrx B n Zelenstufenform über. 4

Dann st det A = ± det B und Zelenrang von B = Zelenrang von A. B habe de Zelenvektoren b 1, b 2,., b n. Dann glt (b 1,., b n ) lnear unabhängg Zelenrang von B = n B st obere Dreecksmatrx, wo alle Hauptdagonalelemente λ 1,., λ n 0 snd det B 0 (wegen (D8)). Somt glt (,., ) lnear unabhängg (b 1,., b n ) lnear unabhängg det A = ± det B 0 bzw. det A = 0 (,., ) st lnear abhängg. zu (D10) : folgt aus (D9). A st nverterbar RgA = n det A 0. zu (D11) : Ist RgA < n (und damt det A = 0) oder RgB < n (und damt det B = 0), dann st nach der Unglechung von Sylvester Rg(A B) < n, also det(a B) = 0. Ist det(a B) = 0, dann st Rg(A B) < n, und wederum folgt mt der Unglechung von Sylvester, dass RgA < n oder RgB < n bzw. det A = 0 oder det B = 0 und damt det A det B = 0. Se also RgA = n und RgB = n. Man überlegt sch zuerst lecht : st C ene belebge n n Matrx und C 1 ene Elementarmatrx der Form S (λ) oder Q j oder Q j ( 1), dann st det(c 1 C) = det C 1 det C. De Matrx A kann nun durch Zelenumformungen vom Typ I und Typ II n de Enhetsmatrx E n übergeführt werden, und, we wr wssen, entsprcht derartgen Zelenumformungen de Multplkaton von lnks mt ener Elementarmatrx S (λ) oder Q j. Also gbt es Elementarmatrzen D (vom Typ I bzw. Typ II), sodass D s. D 1 A = E n bzw. A = D 1 1. D 1 s = C 1. C s, wobe C = D 1 vom Typ I, Typ II oder vom Typ Q j ( 1) st. Damt st det(a B) = det(c 1. C s B) = det C 1 det(c 2. C s B) = 5

= det C 1 det C 2 det(c 3. C s B) =. = det C 1 det C 2. det C s det B Wegen A = C 1. C s erhält man n analoger Wese det A = det C 1 det C 2. det C s. Insgesamt ergbt sch somt det(a B) = det A det B. Ist A nverterbar, dann st det A 0 und A A 1 = E n. Folglch st 1 = det E n = det(a A 1 ) = det A det(a 1 ), und damt det A 1 = 1 det A. Wr zegen nun de Exstenz der Determnantenfunkton und dass se endeutg bestmmt st. 1 Satz. Abbldung det : M(n n; K) K, welche (D1), (D2) und (D3) erfüllt, und det A = sgnσ σ(1) a 2σ(2).σ(n). Bewes. ) (Endeutgket) Jede Determnante, falls se überhaupt exstert, hat notwendgerwese obge Form. Se A = a 2. Dann st = 1 e 1 + 2 e 2 +. + n e n. det A (D1) = n = n 1, 2,, n =1 1 =1 1 det e 1 a 2 = 1 a 22.n det n n 1 1 =1 2 =1 e 1 e 2 e n. a 22 det e 1 e 2 =. = 6

Wegen (D2) st det von (1, 2,., n) st. e 1 e 2 e n Damt det A = σ(1) a 2σ(2).σ(n) det = 0, wenn ( 1, 2,., n ) kene Permutaton e σ(1) e σ(2) e σ(n). Wel jeder Zelenvertauschung ene Transposton entsprcht, st e σ(1) e 1 det e σ(2) = sgnσ det e 2 = sgnσ und damt e σ(n) e n det A = sgnσ σ(1) a 2σ(2).σ(n). ) (Exstenz) Wr zegen nun, dass de Abbldung det A = sgnσ σ(1) a 2σ(2).σ(n) tatschlch de Egenschaften (D1), (D2) und (D3) erfüllt. det a + a = sgnσ σ(1). (a σ() + a σ() ). σ(n) = = sgnσ σ(1). a σ(). σ(n) + sgnσ σ(1). a σ(). σ(n) = = det a + det a. Analog zegt man, dass Damt st (D1) erfüllt. det λa = λ det a. 7

Se nun a k = a l für k < l und τ jene Transposton, de k und l vertauscht. Dann st (sehe vorher) S n de dsjunkte Verengung S n = A n A n τ. Durchläuft σ de Menge A n, dann durchläuft σ τ de Menge A n τ. Damt erhalten wr det A = σ(1) a 2σ(2).σ(n) σ A n σ A n σ(τ(1)) a 2σ(τ(2)).σ(τ(n)). Wel a k = a l (somt a kσ(l) = a lσ(l) und a kσ(k) = a lσ(k) ), erhalten wr σ(τ(1)). a kσ(τ(k)). a lσ(τ(l)). σ(τ(n)) = σ(1). a kσ(l). a lσ(k). σ(n) = = σ(1). a kσ(k). a lσ(l). σ(n) = σ(1). σ(n). Damt heben sch de Summanden gegensetg auf und det A = 0. Also glt (D2). { 1 falls = j Ist δ j = 0 falls j das Kronecker Symbol, dann glt offenbar δ 1σ(1) δ 2σ(2).δ nσ(n) = { 1 falls σ = d 0 falls σ d. Damt st det E n = det(δ j ) = sgnσ δ 1σ(1) δ 2σ(2). δ nσ(n) = +1. Bemerkung. Ene häufge Schrebwese st auch 1... n 1... n det... =... 1 a nn 1 a. nn 8