Determinanten. I. Permutationen

Ähnliche Dokumente
Leitfaden Lineare Algebra: Determinanten

7 Die Determinante einer Matrix

Matrizen, Determinanten, lineare Gleichungssysteme

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

Quadratische Matrizen Inverse und Determinante

9.2 Invertierbare Matrizen

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)

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

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

Copyright, Page 1 of 5 Die Determinante

Kapitel 17. Determinanten

Lineare Algebra I Zusammenfassung

Serie 10: Inverse Matrix und Determinante

Vektorräume und Rang einer Matrix

37 Gauß-Algorithmus und lineare Gleichungssysteme

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

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

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

Permutationen und symmetrische Gruppe

Matrizen und Determinanten

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

4 Lineare Algebra (Teil 2): Quadratische Matrizen

Kap 5: Rang, Koordinatentransformationen

Kapitel V. Determinanten

Lineare Algebra 1. Roger Burkhardt

Vorlesung bzw. 23. Januar Determinanten 1. Cramersche Regel

4 Vorlesung: Matrix und Determinante

Lineare Algebra. Teil III. Inhaltsangabe

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

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

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Eigenwerte und Diagonalisierung

( ) Lineare Gleichungssysteme

Lineare Algebra I Klausur. Klausur - Musterlösung

2. Symmetrische Gruppen

Proseminar Lineare Algebra II, SS 11. Blatt

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation

Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

3.6 Eigenwerte und Eigenvektoren

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

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

Quadratische Matrizen

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer.

3 Matrizen und Determinanten

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.

4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2

Der Rang einer Matrix A. Beispiel

3.11 Volumen und Determinanten

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

MC-Serie 11: Eigenwerte

6 Hauptachsentransformation

Lineare Gleichungssysteme - Grundlagen

Abschnitt: Determinanten

6 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

Lineare Gleichungssysteme

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Einführung in die Mathematik für Informatiker

Wirtschaftsmathematik Formelsammlung

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Lineare Algebra - alles was man wissen muß

Lineare Algebra I, WiSe 2015

Lineare Gleichungssysteme

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Mathematik II Frühjahrssemester 2013

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Lineare Algebra I (WS 13/14)

1 Algebraische Grundbegriffe

Lineare Gleichungssysteme

Lineare Algebra KAPITEL III. 12 Matrizen und der Gauß-Algorithmus. I) Matrizen

Lineare Gleichungssysteme

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

) in der Ebene aufgespannten Parallelogramms ist, wie wir wissen, gleich a 1. b 2. ) und b = ( b 1

Kapitel III. Lineare Abbildungen

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

Kapitel 15. Lösung linearer Gleichungssysteme

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

2.1 Eigenschaften und Beispiele von Gruppen Untergruppen Homomorphismen... 25

1 Rechnen mit 2 2 Matrizen

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

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

Quadratische Formen und Definitheit

Notizen zu Transformationen und Permutationen. T (A) = {f : A A}

Transkript:

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 den Begriff der Jacobi-Determinante in der Analysis. I. Permutationen n > 0 sei S n {σ : {1, 2,, n} {1, 2,, n} : σ ist bijektiv}. Dann ist S n eine Gruppe bzgl. der Verknüpfung von Abbildungen (vgl. früher und heißt symmetrische Gruppe (vom Index n. Die Elemente von S n heißen Permutationen (einer n-elementigen Menge. S n hat n! Elemente und ist für n 3 nicht abelsch (d.h. σ, τ S n mit τ σ σ τ. Schreibweisen : ( 1 2 n σ σ(1 σ(2 σ(n id τ σ ( ( 1 2 n 1 2 n ( 1 2 n τ(1 τ(2 τ(n 1 2 n τ(σ(1 τ(σ(2 τ(σ(n für σ S n... identische Abbildung ( 1 2 n σ(1 σ(2 σ(n für σ, τ S n Beispiel. ( 1 2 3 2 3 1 ( 1 2 3 1 3 2 ( 1 2 3 2 1 3 1

τ S n heißt Transposition, wenn τ lediglich zwei Elemente vertauscht und die übrigen Elemente fest läßt. Beispiel. τ ( 1 2 3 4 5 1 5 3 4 2 ist eine Transposition. Man kann zeigen, dass sich jede Permutation σ als Komposition von Transpositionen darstellen läßt. Bei jeder Darstellung von σ ist entweder eine gerade Anzahl von Transpositionen oder eine ungerade Anzahl von Transpositionen erforderlich. Als Vorzeichen bzw. Signum einer Transposition τ sign τ 1. setzt man Das Vorzeichen bzw. Signum einer beliebigen Permutation σ ist sign σ ( 1 k wobei σ als Komposition von k Transpositionen dargestellt werden kann. σ S n heißt gerade, wenn sign σ +1 und ungerade wenn sign σ 1. Man kann weiters zeigen, dass für σ 1, σ 2 S n gilt sign (σ 2 σ 1 sign σ 2 sign σ 1 II. Determinanten Wir verwenden in diesem Zusammenhang die Schreibweise A, wobei a i den i-ten Zeilenvektor der n n-matrix A bezeichnet. Definition. Die Determinante einer n n-matrix A (a ij ist det A sign σ a 1σ(1 a 2σ(2 a nσ(n σ S n a 1 a 2 a n 2

Bemerkung. Weil S n n! Elemente hat, treten für großes n sehr viele Summanden auf. Schon aus diesem Grund ist es wünschenswert, einfachere Berechnungsformeln für die Determinante zu bestimmen. Bemerkung. Man verwendet auch die Schreibweise a 11 a 1n a 11 a 1n det A det.......... a n1 a nn a n1 a. nn Im folgenden werden die wichtigsten Eigenschaften der Determinante angeführt. Aus Zeitgründen wird auf die Beweise verzichtet. det ist linear in jeder Zeile, d.h. falls a i a i + a i bzw. a i λa, dann ist det det a i a i det λ det a i a i + det a i bzw. det A 0 a 1, a 2,, a n sind linear abhängig Ist also im besonderen etwa a i 0 oder a i a j für i j dann gilt det A 0. det A 0 bedeutet, dass A invertierbar ist! det E n +1 B entstehe aus A durch Vertauschen von zwei (verschiedenen Zeilen det B det A (Vorzeichenwechsel! B entstehe aus A durch Addition der λ-fachen j-ten Zeile zur i-ten Zeile (i j det B det A. 3

Sei A eine obere (bzw. untere Dreiecksmatrix. Dann ist det A das Produkt der Elemente in der Hauptdiagonalen, i.e. det A a 11 a 22 a nn. Führen wir also eine beliebige Matrix A in eine Matrix B in Zeilenstufenform über (B ist dann eine obere Dreiecksmatrix, dann ist deta ( 1 k b 11 b 22 b nn wobei k die Anzahl der verwendeten Zeilenvertauschungen ist. (Determinantenproduktsatz A, B M(n n; K det(a B det A det B Ist A invertierbar, also AA 1 E n, dann ist +1 det E n det(aa 1 det A det A 1, also det A 1 1 det A. deta det( t A ( A1 C Ist A eine Block-Matrix der Form A 0 A 2 quadratisch sind, dann gilt A 2 det A det A 1 det A 2., wobei A 1 und Zur Berechnung von Determinanten: Falls n 1, gibt es offenbar nur die identische Permutation, und für eine 1 1 Matrix A (a gilt det A a. Falls n 2, gibt es nur die beiden Permutationen ( 1 2. 2 1 Damit ist det A a 11 a 12 a 21 a 22 a 11a 22 a 12 a 21. ( 1 2 1 2 und 4

Falls n 3, ist S 3 3! 6 und a 11 a 12 a 13 det A a 21 a 22 a 23 a 31 a 32 a 33 a 11 a 22 a 33 a 11 a 23 a 32 a 12 a 21 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31. Die Determinante einer 3 3 Matrix kann komfortabel mit der sogenannten Regel von Sarrus bestimmt werden. a 11 a 12 a 13 a 11 a 12 a 21 a 22 a 23 a 21 a 22 a 31 a 32 a 33 a 31 a 32 Beispiel. Sei A Mit 0 1 2 0 1 3 2 1 1 0 1 2 ist. det A 0 2 0 + 1 1 1 + 2 3 1 (1 2 2 + 1 1 0 + 0 3 1 3 III. Die komplementäre Matrix Sei A M(n n; K. Für festes i, j ersetze a ij durch 1 und alle übrigen Elemente der i-ten Zeile und der j-ten Spalte durch 0. Die entstehende Matrix werde mit A ij bezeichnet. Die Matrix A ij sei jene (n 1 (n 1 Matrix, welche aus A durch Streichen der i-ten Zeile und j-ten Spalte entsteht. Beispiel. Sei A 1 2 3 4 6 8 1 2 0 0 4 1 2 3 1 1. Dann ist etwa 5

A 21 A 21 0 2 3 4 0 0 0 0 4 1 0 3 1 1 2 3 4 0 4 1 3 1 1 und A 32 und A 32 3 4 6 0 1 2 0 0 2 0 1 1 1 3 4 6 1 2 2 1 1., Es gilt : det A ij ( 1 i+j det A ij Sei A M(n n; K und setze c ij det A ij für alle 1 i, j n. Dann heißt à t (c ij die zu A komplementäre Matrix. à existiert immer und hat die zentrale Eigen- Die komplementäre Matrix schaft à A A à (det A E n Beispiel. Sei A à 0 1 2. Dann ist t + 2 1 3 1 + 3 2 1 1 1 2 + 0 2 0 1 1 1 + 1 2 2 1 0 2 3 1 + 0 1 3 2 t 1 1 1 2 2 1 3 6 3 1 2 3 1 2 6 1 1 3. 6

Man rechnet leicht nach, dass à A 3 Also ist det A 3. 0 0 0 0 1. Folgerung. A 1 1 det AÃ. Ist A invertierbar, dann gilt offenbar Speziell für n 2 ergibt sich mit A dass ( à t d c b a ( d b A 1 1 ad bc c a ( d b c a ( a b c d und somit und det A ad bc, IV. Der Entwicklungssatz von Laplace Sei A M(n n; K mit n 2. Dann gilt (Entwicklung nach der i-ten Zeile det A n ( 1 i+j a ij det A ij j1 für jedes feste 1 i n (Entwicklung nach der j-ten Spalte det A n ( 1 i+j a ij det A ij i1 Beispiel. Sei A 0 1 2 für jedes feste 1 j n. Entwicklung nach der 1. Zeile ergibt 7

det A 0 2 1 1 3 1 + 2 3 2 1 1 ( 1 ( 1 + 2 1 3. Bei der Anwendung des Entwicklungssatzes von Laplace ist es im allgemeinen natürlich vorteilhaft, eine Zeile bzw. Spalte zu wählen, welche viele Nullen enthält. V. Die Cramersche Regel Determinanten sind auch bei der Berechnung der eindeutig bestimmten Lösung eines Gleichungssystems anwendbar. Sei Ax b ein lineares Gleichungssystem mit A M(n n; K gegeben, und sei A invertierbar. Dann ist die eindeutig bestimmte Lösung durch x A 1 b gegeben. Unter Zuhilfenahme von A 1 1 det A Ã kann man zeigen, dass x i det(a1,...,a i 1,b,a i+1,...,a n det A, 1 i n ist, wobei a 1, a 2,, a n die Spalten von A bezeichnen. Diese Berechnungsweise heißt Cramersche Regel. Beispiel. Gegeben sei Damit ist A 0 1 1 x 1 + x 2 1 x 2 + x 3 1 3x 1 + 2x 2 + x 3 0 und b 1 1 0. det A 1 1 1 2 1 0 2 1 + 3 1 1 2, damit ist A invertierbar und die Cramersche Regel anwendbar. Somit 8

1 1 1 0 2 1 x 1 det A 1 0 1 1 3 0 1 x 2 det A 2 1 1 1 0 1 1 3 2 0 x 3 det A 1 9