§ 29 Determinanten: Eigenschaften und Berechnung

Slides:



Advertisements
Ähnliche Präsentationen
Schnelle Matrizenoperationen von Christian Büttner
Advertisements

Zusatzthemen. Kapitel 5 © Beutelspacher Juni 2004 Seite 2 Inhalt Gleichungssysteme mit Parameter Wurzelgleichungen Irrationale Zahlen Induktion WGMS III.
13. Transformationen mit Matrizen
11. Matrizen. 11. Matrizen Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (aij)1  i  m, 1.
Was wir zur numerischen Lösung von Dglen wissen
Lösung von linearen Gleichungssystemen - Grundlagen
Lösung von linearen Gleichungssystemen - Grundlagen
Lösung linearer Gleichungssysteme
Numerik partieller Differentialgleichungen
Beispiele für Gleichungssysteme
DVG Gaußscher Algorithmus1 Gaußscher Algorithmus.
Gaußscher Algorithmus
Folie 1 Kapitel II. Vom Raumbegriff zu algebraischen Strukturen Neubeginn: Herleitung des Begriffs Vektorraum aus intuitiven Vorstellungen über den Raumbegriff.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§9 Der affine Raum – Teil 2: Geraden
§ 28 Multilineare und Alternierende Abbildungen
§9 Der affine Raum – Teil 2: Geraden
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
§11 Skalarprodukt. Euklidische Räume
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Kapitel V. Determinanten
Folie 1 § 29 Determinanten: Eigenschaften und Berechnung (29.1) Definition: Eine Determinantenfunktion auf K nxn ist eine Abbildung (im Falle char(K) ungleich.
Tutorium
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
Seminar Stringtheorie und Geometrische Methoden der Physik
§10 Vektorraum. Definition und Beispiele
Computergrafik – Inhalt Achtung! Kapitel ist relevant für CG-2!
Determinanten Roland Angst,
§17 Produkte und Quotienten von Vektorräumen
§24 Affine Koordinatensysteme
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Information und Kommunikation
§10 Vektorraum. Definition und Beispiele
§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:
Folie 1 §15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn.
§15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn für alle.
Folie 1 § 28 Multilineare und Alternierende Abbildungen (28.1) Definition: V und W seien wieder ein K-Vektorräume. Eine Abbildung von V nach W stets linear.
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Polynome und schnelle Fourier-Transformation
Mehrkriterielle Optimierung mit Metaheuristiken
Praktische Optimierung
Lineare Algebra, Teil 2 Abbildungen
Kapitel 13 Zeitreihen und Zeitreihen-Modelle
Kapitel 10 Multikollinearität
Lineare Algebra Außerdem bieten Determinanten
Inhalt Vorbemerkung Vorstellung einer Unterrichtssequenz Kritik
Multivariate Statistische Verfahren
Determinanten und Cramer‘sche Regel
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
§22 Invertierbare Matrizen und Äquivalenz von Matrizen
Stetige Kleinste-Quadrate-Approximation
Flächeninhalt vom Trapez
§ 27 Permutationen Zur Beschreibung von alternierenden multilinearen Abbildungen und insbesondere für den begriff der Determinante benötigen wir die Permutationen.
Folie 1 §21 Das Produkt von Matrizen (21.1) Definition: Für eine (m,n)-Matrix A und eine (n,s)-Matrix B ist das (Matrizen-) Produkt AB definiert als (21.2)
Lineare Algebra 11. Matrizen Eine m  n-Matrix ist ein Raster aus m  n Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (a ij )
Dr.-Ing. R. Marklein - GET I - WS 06/07 - V Grundlagen der Elektrotechnik I (GET I) Vorlesung am Fr. 08:30-10:00 Uhr; R (Hörsaal)
Kapitel 4 Restklassen (die modulo-Rechnung)
Graphische Datenverarbeitung
Lineare Gleichungen Allgemeine Einführung Äquivalenzumformungen
Folie 1 §8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein.
Kapitel IV. Matrizen Inhalt:
§17 Produkte und Quotienten von Vektorräumen
§23 Basiswechsel und allgemeine lineare Gruppe
Kapitel I. Vorspann zum Begriff Vektorraum
Kapitel V. Determinanten
 Präsentation transkript:

§ 29 Determinanten: Eigenschaften und Berechnung (29.1) Definition: Eine Determinantenfunktion auf Knxn ist eine Abbildung (im Falle char(K) ungleich Zwei) die bezüglich der Spalten der (n.n)-Matrizen n-linear und alternierend ist. Also gilt nach 28.5 für jede Determinantenfunktion (29.2) Definition: Die Determinantenfunktion Δ mit Δ(E) = 1 heißt die Determinante und wird mit det bezeichnet.

Kapitel V, § 29 Berechnung mit dieser Definition? Es gilt: Und diese Formel nehmen wir als Definition im Falle char(K) = 2 . (29.3) Satz: Für (n,n)-Matrizen A und B gilt stets 1o det(A) = det(AT) . 2o det(AB) = det(A)det(B) . 3o 4o Und speziell . Mehr zur Berechnung von Determinanten: (29.4) Definition: Eine obere Dreiecksmatrix ist eine (n,n)-Matrix A mit . Entsprechend: Untere Dreiecksmatrix. (29.5) Satz: Für eine obere Dreiecksmatrix A ist

Kapitel V, § 29 (29.6) Verfahren: Eine vorgegebene (n,n)-Matrix A bringe man durch Spaltenvertauschungen und durch Addition von geeigneten Vielfachheiten von Spalten auf die Form einer oberen Dreiecksmatrix B . Dann gilt: det(A) = (–1)–kdet(B) . Analog für Zeilenoperationen. Beispiel! (29.7) Satz: Für eine (n,n)-Matrix A der Form mit einer (p,p)-Matrix B und einer (q,q)-Matrix D (n = p + q) . Dann gilt det(A) = det(B)det(D) . Entsprechend ergibt sich ein zu 29.6 analoges Verfahren.

Kapitel V, § 29 Zur Darstellung einer weiteren Berechnungsformel brauchen wir zu einer (n,n)-Matrix A und zu (j,k) aus n2 die (n-1,n-1)-Matrix , die aus A durch Streichen der μ–ten Zeile und der ν–ten Spalte entsteht. (29.8) Entwicklungssatz von Laplace: Für eine (n,n)-Matrix A und Analog ist für : Zum Beispiel die Entwicklung der Determinante einer (3,3) nach Zeile 1:

Kapitel V, § 29 Die komplementäre Matrix ist die Matrix Es gilt: ist die Determinante der Matrix (29.9) Hilfssatz: Mit den Koeffizienten Der komplementären Matrix gilt daher: (29.10) Satz: Für invertierbare A : (29.11) Cramersche Regel: Für invertierbare A ist die Lösung des linearen Gleichungssystems Ax = b gegeben durch: