- •1 Grundlagen
- •1.1 Logik und Mengen
- •1.1.1 Aussagenlogik
- •1.1.2 Mengen
- •1.2 Zahlen
- •1.2.1 Natürliche Zahlen
- •1.2.2 Ganze Zahlen
- •1.2.3 Rationale Zahlen
- •1.2.4 Reelle Zahlen
- •1.2.5 Ordnung
- •1.2.6 Intervalle
- •1.2.7 Betrag und Signum
- •1.2.8 Summe und Produkt
- •1.3 Potenz und Wurzel
- •1.3.1 Potenzen
- •1.3.2 Potenzgesetze
- •1.3.3 Wurzeln
- •1.3.4 Binomischer Satz
- •1.4 Trigonometrie
- •1.4.1 Trigonometrie im rechtwinkligen Dreieck
- •1.5 Gleichungen und Ungleichungen
- •1.5.1 Lineare Gleichungen
- •1.5.2 Potenzgleichungen
- •1.5.3 Quadratische Gleichungen
- •1.5.4 Wurzelgleichungen
- •1.5.5 Ungleichungen
- •1.6 Beweise
- •1.6.1 Direkter Beweis
- •1.6.2 Indirekter Beweis
- •1.6.3 Konstruktiver Beweis
- •1.6.4 Vollständige Induktion
- •1.7 Aufgaben
- •2 Lineare Gleichungssysteme
- •2.1 Einführung
- •2.2 Gauß-Algorithmus
- •2.2.1 Äquivalenzumformungen
- •2.2.2 Vorwärtselimination
- •2.2.3 Rückwärtseinsetzen
- •2.2.4 Gaußsches Eliminationsverfahren
- •2.2.5 Rechenschema
- •2.3 Spezielle Typen linearer Gleichungssysteme
- •2.3.1 Lineare Gleichungssysteme ohne Lösung
- •2.3.2 Lineare Gleichungssysteme mit unendlich vielen Lösungen
- •2.3.3 Systeme mit redundanten Gleichungen
- •2.3.4 Unterbestimmte lineare Gleichungssysteme
- •2.3.5 Überbestimmte lineare Gleichungssysteme
- •2.3.6 Homogene lineare Gleichungssysteme
- •2.3.7 Lineare Gleichungssysteme mit Parametern
- •2.4 Numerische Verfahren
- •2.4.1 Jakobi-Iteration
- •2.4.2 Gauß-Seidel-Iteration
- •2.5 Anwendungen
- •2.5.1 Produktion
- •2.5.2 Netzwerkanalyse in der Elektrotechnik
- •2.6 Aufgaben
- •3 Vektoren
- •3.2 Vektorrechnung ohne Koordinaten
- •3.2.1 Addition und Subtraktion
- •3.2.2 Skalare Multiplikation
- •3.2.3 Skalarprodukt
- •3.2.4 Vektorprodukt
- •3.2.5 Spatprodukt
- •3.2.6 Lineare Abhängigkeit und Komponentenzerlegung
- •3.3 Vektoren in Koordinatendarstellung
- •3.3.1 Koordinatendarstellung
- •3.3.2 Addition und Subtraktion
- •3.3.3 Skalare Multiplikation
- •3.3.4 Skalarprodukt
- •3.3.5 Vektorprodukt
- •3.3.6 Spatprodukt
- •3.3.7 Lineare Abhängigkeit und Komponentenzerlegung
- •3.4 Punkte, Geraden und Ebenen
- •3.4.1 Kartesisches Koordinatensystem
- •3.4.2 Parameterdarstellung von Geraden und Ebenen
- •3.4.3 Parameterfreie Darstellung von Geraden und Ebenen
- •3.4.4 Schnitte von Geraden und Ebenen
- •3.4.5 Abstände
- •3.4.6 Winkel
- •3.5 Anwendungen
- •3.5.1 Kraft
- •3.5.2 Arbeit
- •3.5.3 Drehmoment
- •3.6 Aufgaben
- •4 Matrizen
- •4.2 Rechnen mit Matrizen
- •4.2.1 Addition, Subtraktion und skalare Multiplikation
- •4.2.2 Multiplikation von Matrizen
- •4.3 Determinanten
- •4.3.1 Determinante einer (2,2)-Matrix
- •4.3.2 Determinante einer (3,3)-Matrix
- •4.3.3 Determinante einer (n,n)-Matrix
- •4.4 Inverse Matrix
- •4.4.1 Invertierbare Matrizen
- •4.4.2 Inverse einer (2,2)-Matrix
- •4.4.3 Inverse Matrix und lineares Gleichungssystem
- •4.5 Lineare Abbildungen
- •4.5.1 Matrizen als Abbildungen
- •4.5.2 Kern, Bild und Rang
- •4.6 Eigenwerte und Eigenvektoren
- •4.7 Numerische Verfahren
- •4.7.1 Potenzmethode
- •4.8 Anwendungen
- •4.9 Aufgaben
- •5 Funktionen
- •5.1 Einführung
- •5.1.2 Wertetabelle
- •5.1.3 Schaubild
- •5.1.4 Explizite und implizite Darstellung
- •5.1.6 Funktionsschar
- •5.1.7 Verkettung von Funktionen
- •5.2 Polynome und rationale Funktionen
- •5.2.1 Potenzfunktionen mit ganzen Hochzahlen
- •5.2.2 Polynome
- •5.2.3 Gebrochenrationale Funktionen
- •5.3 Eigenschaften
- •5.3.1 Symmetrie
- •5.3.2 Periode
- •5.3.3 Monotonie
- •5.3.4 Beschränktheit
- •5.4 Sinus, Kosinus und Tangens
- •5.4.2 Eigenschaften
- •5.5 Grenzwert und Stetigkeit
- •5.5.1 Zahlenfolgen
- •5.5.2 Grenzwert einer Funktion
- •5.5.3 Stetigkeit
- •5.5.4 Asymptotisches Verhalten
- •5.6.1 Exponentialfunktionen
- •5.6.2 Die e-Funktion
- •5.6.3 Hyperbelfunktionen
- •5.7 Umkehrfunktionen
- •5.7.1 Das Prinzip der Umkehrfunktion
- •5.7.2 Wurzelfunktionen
- •5.7.3 Arkusfunktionen
- •5.7.4 Logarithmusfunktionen
- •5.7.5 Area-Funktionen
- •5.8 Numerische Verfahren
- •5.8.1 Berechnung von Funktionswerten
- •5.8.2 Bisektionsverfahren
- •5.9 Anwendungen
- •5.9.1 Messwerte
- •5.9.2 Industrieroboter
- •5.10 Aufgaben
- •6.1 Steigung und Ableitungsfunktion
- •6.1.3 Ableitungsfunktion
- •6.1.5 Höhere Ableitungen
- •6.2 Ableitungstechnik
- •6.2.1 Ableitungsregeln
- •6.2.2 Ableitung der Umkehrfunktion
- •6.2.5 Zusammenfassung
- •6.3 Regel von Bernoulli-de l’Hospital
- •6.4 Geometrische Bedeutung der Ableitungen
- •6.4.1 Neigungswinkel und Schnittwinkel
- •6.4.2 Monotonie
- •6.4.3 Krümmung
- •6.4.4 Lokale Extrema
- •6.4.5 Wendepunkte
- •6.4.6 Globale Extrema
- •6.5 Numerische Verfahren
- •6.5.2 Newton-Verfahren
- •6.5.3 Sekantenverfahren
- •6.6 Anwendungen
- •6.6.1 Fehlerrechnung
- •6.6.2 Extremwertaufgaben
- •6.7 Aufgaben
- •7 Integralrechnung
- •7.1 Flächenproblem
- •7.1.1 Integralsymbol
- •7.1.2 Integral als Grenzwert von Summen
- •7.1.3 Bestimmtes Integral
- •7.2 Zusammenhang von Ableitung und Integral
- •7.2.1 Integralfunktion
- •7.2.2 Stammfunktion
- •7.2.3 Bestimmtes Integral und Stammfunktion
- •7.2.4 Mittelwertsatz der Integralrechnung
- •7.3 Integrationstechnik
- •7.3.1 Integrationsregeln
- •7.3.2 Integration durch Substitution
- •7.3.3 Partielle Integration
- •7.3.4 Gebrochenrationale Funktionen
- •7.3.5 Uneigentliche Integrale
- •7.4 Länge, Flächeninhalt und Volumen
- •7.4.1 Flächeninhalte
- •7.4.2 Bogenlänge
- •7.4.3 Rotationskörper
- •7.5 Numerische Verfahren
- •7.5.1 Trapezregel
- •7.5.2 Romberg-Verfahren
- •7.6 Anwendungen
- •7.6.2 Schwerpunkte und statische Momente ebener Flächen
- •7.7 Aufgaben
- •8 Potenzreihen
- •8.1 Unendliche Reihen
- •8.2 Potenzreihen und Konvergenz
- •8.3 Taylor-Reihen
- •8.4 Eigenschaften
- •8.5 Numerische Verfahren
- •8.5.1 Berechnung von Funktionswerten
- •8.6 Anwendungen
- •8.6.1 Normalverteilung in der Statistik
- •8.7 Aufgaben
- •9 Kurven
- •9.1 Parameterdarstellung
- •9.2 Kegelschnitte
- •9.3 Tangente
- •9.4 Krümmung
- •9.5 Bogenlänge
- •9.6 Numerische Verfahren
- •9.6.1 Bézier-Kurve
- •9.7 Anwendungen
- •9.7.1 Mechanik
- •9.7.2 Straßenbau
- •9.8 Aufgaben
- •10 Funktionen mit mehreren Variablen
- •10.1.2 Schaubild einer Funktion mit mehreren Variablen
- •10.1.3 Schnittkurven mit Ebenen und Höhenlinien
- •10.2 Grenzwert und Stetigkeit
- •10.2.1 Grenzwert einer Funktion mit mehreren Variablen
- •10.2.2 Stetigkeit
- •10.3.3 Gradient und Richtungsableitung
- •10.3.5 Höhere partielle Ableitungen
- •10.3.6 Extremwerte
- •10.4 Ausgleichsrechnung
- •10.4.1 Methode der kleinsten Fehlerquadrate
- •10.4.2 Ausgleichsrechnung mit Polynomen
- •10.4.3 Lineare Ausgleichsrechnung
- •10.5 Vektorwertige Funktionen
- •10.6 Numerische Verfahren
- •10.6.1 Mehrdimensionales Newton-Verfahren
- •10.6.2 Gradientenverfahren
- •10.7 Anwendungen
- •10.7.1 Fehlerrechnung
- •10.8 Aufgaben
- •11 Komplexe Zahlen und Funktionen
- •11.1.1 Komplexe Zahlen
- •11.1.2 Gaußsche Zahlenebene
- •11.1.3 Polarkoordinaten
- •11.1.4 Exponentialform
- •11.2 Rechenregeln
- •11.2.1 Gleichheit
- •11.2.2 Addition und Subtraktion
- •11.2.3 Multiplikation und Division
- •11.2.4 Rechnen mit der konjugiert komplexen Zahl
- •11.2.5 Rechnen mit dem Betrag einer komplexen Zahl
- •11.3 Potenzen, Wurzeln und Polynome
- •11.3.1 Potenzen
- •11.3.2 Wurzeln
- •11.3.3 Fundamentalsatz der Algebra
- •11.4 Komplexe Funktionen
- •11.4.1 Ortskurven
- •11.4.2 Harmonische Schwingungen
- •11.4.3 Transformationen
- •11.5 Anwendungen
- •11.5.1 Komplexe Wechselstromrechnung
- •11.6 Aufgaben
- •12.1 Einführung
- •12.1.3 Richtungsfeld und Orthogonaltrajektorie
- •12.2.1 Separation der Variablen
- •12.2.2 Lineare Substitution
- •12.3.3 Allgemeine Eigenschaften
- •12.4.1 Allgemeine Form
- •12.4.2 Freie Schwingung
- •12.4.3 Harmonisch angeregte Schwingung
- •12.4.4 Frequenzgänge
- •12.5.1 Eliminationsverfahren
- •12.5.2 Zustandsvariablen
- •12.5.5 Stabilität
- •12.6 Numerische Verfahren
- •12.6.1 Polygonzugverfahren von Euler
- •12.7 Anwendungen
- •12.7.1 Temperaturverlauf
- •12.7.2 Radioaktiver Zerfall
- •12.7.3 Freier Fall mit Luftwiderstand
- •12.7.4 Feder-Masse-Schwinger
- •12.7.5 Pendel
- •12.7.6 Wechselstromkreise
- •12.8 Aufgaben
- •13 Fourier-Reihen
- •13.1 Fourier-Analyse
- •13.1.1 Periodische Funktionen
- •13.1.2 Trigonometrische Polynome
- •13.1.3 Fourier-Reihe
- •13.1.4 Satz von Fourier
- •13.1.5 Gibbssches Phänomen
- •13.2 Komplexe Darstellung
- •13.2.1 Komplexe Fourier-Reihe
- •13.2.3 Spektrum
- •13.2.4 Minimaleigenschaft
- •13.3 Eigenschaften
- •13.3.1 Symmetrie
- •13.3.2 Integrationsintervall
- •13.3.3 Mittelwert
- •13.3.4 Linearität
- •13.3.5 Ähnlichkeit und Zeitumkehr
- •13.3.6 Zeitverschiebung
- •13.4 Aufgaben
- •14 Verallgemeinerte Funktionen
- •14.1 Heaviside-Funktion
- •14.2 Dirac-Distribution
- •14.3 Verallgemeinerte Ableitung
- •14.4 Faltung
- •14.5 Aufgaben
- •15 Fourier-Transformation
- •15.1 Integraltransformation
- •15.1.4 Transformation gerader und ungerader Funktionen
- •15.1.5 Darstellung mit Amplitude und Phase
- •15.2 Eigenschaften
- •15.2.1 Linearität
- •15.2.2 Zeitverschiebung
- •15.2.3 Amplitudenmodulation
- •15.2.4 Ähnlichkeit und Zeitumkehr
- •15.3 Inverse Fourier-Transformation
- •15.3.2 Vertauschungssatz
- •15.3.3 Linearität
- •15.4.3 Multiplikationssatz
- •15.4.5 Faltung
- •15.5 Periodische Funktionen
- •15.5.1 Fourier-Transformation einer Fourier-Reihe
- •15.5.3 Grenzwertbetrachtung
- •15.6 Anwendungen
- •15.6.1 Lineare zeitinvariante Systeme
- •15.7 Aufgaben
- •16 Laplace-Transformation
- •16.1 Bildbereich
- •16.2 Eigenschaften
- •16.2.1 Linearität
- •16.2.2 Ähnlichkeit
- •16.2.3 Zeitverschiebung
- •16.2.4 Dämpfung
- •16.3.2 Integration
- •16.3.3 Faltung
- •16.3.4 Grenzwerte
- •16.4 Transformation periodischer Funktionen
- •16.5 Rücktransformation
- •16.7 Anwendungen
- •16.7.1 Regelungstechnik
- •16.8 Aufgaben
- •17 z-Transformation
- •17.1 Transformation diskreter Signale
- •17.1.2 z-Transformation und Laplace-Transformation
- •17.2 Eigenschaften
- •17.2.1 Linearität
- •17.2.2 Verschiebung
- •17.2.3 Dämpfung
- •17.4 Anwendungen
- •17.4.1 Zeitkomplexität von Quicksort
- •A Anhang
- •A.1 Ableitungsregeln
- •A.2 Ableitungen
- •A.3 Potenzreihen
- •A.4 Integralregeln
- •A.5 Integrale
- •A.6 Fourier-Reihen
- •A.7 Fourier-Transformationen
- •A.8 Laplace-Transformationen
- •A.9 Griechisches Alphabet
- •A.10 Bedeutende Mathematiker
- •Literaturverzeichnis
- •Sachwortverzeichnis
4.3 Determinanten |
129 |
Hand durchgeführt. An einigen Stellen in diesem Buch werden wir auf das Prinzip der Matrixmultiplikation zurückgreifen. Deshalb ermuntern wir an dieser Stelle alle Leser, die Berechnung von Matrixprodukten soweit zu festigen, dass sie in den folgenden Beispielen und in den Aufgaben auch ohne Falk-Schema durchgeführt werden kann.
Beispiel 4.13 (Falk-Schema)
Beim Falk-Schema trägt man die erste Matrix des Produktes links unten in ein Rechteckschema ein. Rechts oben platziert man die zweite Matrix des Produktes. Für das Matrixprodukt aus Beispiel 4.6 ergibt sich folgendes Schema:
|
|
|
|
5 |
2 |
1 |
1 |
|
|
|
|
5 |
2 |
1 |
1 |
|
||
|
|
|
|
1 |
1 |
6 |
0 |
|
|
|
|
|
1 |
1 |
6 |
0 |
|
|
|
|
|
|
2 |
3 |
−2 |
1 |
Ô |
|
|
|
2 |
3 |
−2 |
1 |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
3 |
1 |
|
|
|
|
2 |
3 |
1 |
11 |
4 |
18 |
1 |
|
|||
4 |
− |
2 |
−2 |
|
4 |
2 |
−2 |
22 12 |
−20 6 |
Ì |
||||||||
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
Potenzen von Matrizen
Eine quadratische Matrix A kann man beliebig oft mit sich selbst multiplizieren:
An = A A . . . A.
´¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¸¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¶ n-mal
4.3 Determinanten
Bei praktischen Problemstellungen besitzen Matrizen nicht selten Tausende oder sogar Millionen Einträge. Bei dieser großen Anzahl von Elementen greift man auf Kenngrößen zurück, die Informationen über die Matrix enthalten. Eine der wichtigsten Kenngrößen einer Matrix ist die sogenannte Determinante. Die Determinante einer Matrix ist ein einziger Zahlenwert, mit dem man unter anderem beurteilen kann, ob ein lineares Gleichungssystem eindeutig lösbar ist. Wir werden Determinanten auch dazu verwenden, Kreuzprodukte und Spatprodukte von Vektoren durch ein einheitliches Schema zu berechnen.
4.3.1 Determinante einer (2,2)-Matrix
Bevor wir uns mit Determinanten von beliebigen Matrizen beschäftigen, betrachten wir zunächst nur (2, 2)-Matrizen. Solche Matrizen treten zum Beispiel beim Lösen von linearen Gleichungssystemen mit zwei Unbekannten auf:
a11 x1 |
+ |
a12 x2 |
= |
b1 |
|
a21 |
a21 x1 |
a22 x2 |
b2 |
S (−a11) |
|||
|
+ |
|
= |
|
S ( |
) |
130 |
4 Matrizen |
Wenn wir die erste Gleichung mit −a21 und die zweite mit a11 multiplizieren, dann erhalten wir das umgeformte lineare Gleichungssystem
a11 x1 |
+ |
a11a22 |
|
a12 x2 |
= |
b1 |
|
a21b1 |
||
|
− |
a12a21 |
) |
x2 |
a11b2 |
− |
||||
|
( |
|
|
|
= |
|
|
Für a11a22 − a12a21 ≠ 0 können wir nach x2 auflösen und erhalten
x2 a11a22 |
− a12a21 . |
|
= |
a11b2 |
a21b1 |
|
− |
Durch eine ähnliche Vorgehensweise, die wir nicht im Detail darstellen, ergibt sich
x1 a11a22 |
− a12a21 . |
|
= |
b1a22 |
b2a12 |
|
− |
Hierbei fällt auf, dass bei der Berechnung von x1 und von x2 derselbe Ausdruck im Nenner auftaucht. Das lineare Gleichungssystem ist also genau dann eindeutig lösbar, wenn dieser Ausdruck nicht null ist. Man bezeichnet a11a22 − a12a21 als Determinante der Matrix.
Definition 4.13 (Determinante einer (2,2)-Matrix)
Die Determinante einer (2, 2)-Matrix ist als Di erenz des Produktes der Zahlen in der Hauptdiagonalen und des Produktes der Zahlen in der Nebendiagonalen definiert:
A = Œ |
a11 |
a12 |
‘ |
Ô SAS = W |
a11 |
a12 |
W = a11a22 − a12a21. |
a21 |
a22 |
a21 |
a22 |
Zur Bezeichnung von Determinanten verwendet man dieselben senkrechten Striche wie beim Betrag einer Zahl. Zu beachten ist, dass die Determinante durchaus auch einen negativen Wert annehmen kann. Somit ist bei den senkrechten Strichen also etwas Vorsicht geboten. Abweichend davon findet man in der Literatur auch die Bezeichnung det(A) für die Determinante von A. Die Regel zur Lösung von linearen Gleichungssystemen mithilfe von Determinanten ist nach dem Schweizer Mathematiker Gabriel Cramer benannt.
Satz 4.3 (Cramersche Regel für (2,2)-Matrizen)
Das lineare Gleichungssystem in Matrixform Ax = b
Œ |
a11 |
a12 |
‘ Œ |
x1 |
‘ = Œ |
b1 |
‘ |
a21 |
a22 |
x2 |
b2 |
hat genau dann eine eindeutige Lösung, wenn die Determinante der Matrix A nicht null ist. Die Lösung kann man dann nach der Cramerschen Regel berechnen:
x1 |
|
W |
b1 |
a12 |
W , |
x2 |
|
W |
a11 |
b1 |
W . |
||
|
a2 |
a22 |
|
a21 |
a2 |
||||||||
|
= |
|
b |
a |
|
|
|
= |
|
a |
b |
|
|
|
W |
a21 |
a22 |
W |
|
W |
a21 |
a22 |
W |
||||
|
|
11 |
12 |
|
|
11 |
12 |
||||||
|
|
|
|
|
|
|
|
4.3 Determinanten |
131 |
Nach der Cramerschen Regel berechnet man die Lösung eines linearen Gleichungssystems Ax = b mit zwei Gleichungen für die beiden Unbekannten x1 und x2 mithilfe von drei Determinanten. Im Nenner steht jeweils die Determinante der ursprünglichen Matrix. Zur Bestimmung von x1 ersetzt man die erste Spalte der Matrix A durch die rechte Seite b und bestimmt die Determinante dieser Matrix. Entsprechend ersetzt man zur Bestimmung von x2 die zweite Spalte von A durch die rechte Seite b.
Beispiel 4.14 (Cramersche Regel)
Folgendes lineare Gleichungssystem schreiben wir in Matrixform:
x1 |
+ |
2 x2 |
= |
5 |
Ô Œ |
1 |
2 |
‘ Œ |
x1 |
‘ = Œ |
5 |
‘ |
. |
3 x1 |
4 x2 |
6 |
3 |
4 |
x2 |
6 |
|||||||
|
+ |
|
= |
|
|
|
|
|
|
Zur Lösung mit der Cramerschen Regel berechnen wir drei Determinanten:
W |
1 |
2 |
W = 4 − 6 = −2, W |
5 |
2 |
W = 20 − 12 = |
8, |
|
W |
1 |
5 |
W = 6 − 15 = −9. |
||||
3 |
4 |
6 |
4 |
|
3 |
6 |
||||||||||
|
|
|
|
|
|
8 |
|
|
|
9 |
|
9 |
|
|
||
Daraus erhalten wir die Lösung x1 |
= |
|
|
= − |
4 und x2 |
= |
|
−2 |
= |
|
|
. |
Ì |
|||
− |
2 |
2 |
||||||||||||||
|
|
|
|
|
|
− |
|
|
|
|
4.3.2 Determinante einer (3,3)-Matrix
Die Determinante einer (3, 3)-Matrix wird mithilfe von Determinanten von (2, 2)-Matrizen definiert. Dieselbe rekursive Vorgehensweise werden wir in Abschnitt 4.3.3 zur Definition der Determinante einer beliebigen (n, n)-Matrix verwenden.
Definition 4.14 (Determinante einer (3,3)-Matrix)
Die Determinante einer (3,3)-Matrix entsteht aus Determinanten von (2,2)-Matrizen:
R |
a21 |
a22 |
a23 |
R |
a11 |
|
R |
a11 |
a12 |
a13 |
R |
|
|
R |
a |
a |
a |
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
W |
R |
|
|
|
R = |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
31 |
32 |
33 |
R |
|
|
R |
R |
|
|
a22 |
a23 |
W − a12 W |
a21 |
a23 |
W + a13 W |
a21 |
a22 |
W . |
a32 |
a33 |
a31 |
a33 |
a31 |
a32 |
Definition 4.14 enthält ein rekursives Berechnungsverfahren für die Determinante einer (3, 3)-Matrix. Man bezeichnet diese Vorgehensweise als Entwicklung nach der ersten Zeile. Das Element a11 wird mit der Determinante derjenigen Matrix multipliziert, die durch Streichen der ersten Zeile und der ersten Spalte in der Ausgangsmatrix entsteht. Entsprechend multipliziert man das Element a12 mit der Determinante derjenigen Matrix, die durch Streichen der ersten Zeile und der zweiten Spalte entsteht. Dabei ist zusätzlich noch das negative Vorzeichen zu beachten. Für das letzte Element a13 ist entsprechend die erste Zeile und die letzte Spalte zu streichen.
In Satz 4.7 werden wir sehen, dass man bei der Berechnung von Determinanten sehr flexibel vorgehen kann. Man kann Determinanten nach jeder beliebigen Zeile oder Spalte entwickeln.
132 |
4 Matrizen |
Beispiel 4.15 (Determinante einer (3,3)-Matrix)
Die Berechnung der Determinante erfolgt durch Streichen der entsprechenden Zeilen und Spalten:
R |
1 |
0 |
8 |
R |
|
4 |
R |
4 |
7 |
1 |
R |
|
|
R |
1 |
5 |
2 |
R |
|
|
R |
R |
|
|
|||
R |
|
|
|
R |
|
|
R |
|
|
|
R |
= |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
1 |
0 |
8 |
R |
|
7 |
R |
1 |
0 |
8 |
R |
|
R |
1 |
0 |
8 |
R |
|
113. |
|||||||||
R |
4 |
7 |
1 |
R |
|
|
R |
4 |
7 |
1 |
|
R |
|
R |
4 |
7 |
1 |
R |
|
|
||||||||
R |
1 5 2 |
R |
|
|
R |
1 5 2 |
R |
|
R |
1 5 2 |
R |
|
|
|||||||||||||||
R |
R |
|
|
R |
R |
|
R |
R |
|
|
||||||||||||||||||
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
R |
− |
|
R |
|
|
|
|
|
|
|
|
R |
+ |
R |
|
|
|
|
|
R |
= − |
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
|
0R |
|
2 8 5R |
|
|
1R |
|
2 |
|
8 1R |
|
1R |
5 0 |
|
1R |
|
|
||||||||||||
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
R |
|
|
R |
|
|
|
|
|
|
|
|
R |
|
R |
|
|
|
|
|
R |
|
Ì |
´¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¸¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¶ |
|
|
´¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¸¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¶ |
|
´¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¸¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¹¶ |
|
||||||||||||||||||||||
( − ) |
|
|
( − ) ( − ) |
|
|
Ähnlich zum Falk-Schema bei der Matrixmultiplikation, siehe Beispiel 4.13, gibt es ein Hilfsschema zur praktischen Berechnung der Determinante einer (3, 3)-Matrix. Bei dieser nach Pierre Frédéric Sarrus benannten Regel erweitert man die Matrix um zwei Spalten.
Regel von Sarrus
Die Determinante einer (3, 3)-Matrix A kann man berechnen, indem man die Matrix um die ersten beiden Spalten erweitert und anschließend die Produkte der Elemente in den drei Nebendiagonalen von den Produkten der Elemente in den drei Hauptdiagonalen subtrahiert:
−− −
a11 |
a12 |
a13 |
a11 |
a12 |
S |
|
S = |
a13 a22 a31 |
+ a11 a23 a32 |
+ a12 a21 a33 . |
a21 |
a22 |
a23 |
a21 |
a22 |
|
|||||
a31 |
a32 |
a33 |
a31 |
a32 |
|
A |
− |
a11 a22 a33 |
a12 a23 a31 |
a13 a21 a32 |
|
|
|
− |
− |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ |
+ |
+ |
|
|
|
|
|
Beispiel 4.16 (Regel von Sarrus)
Die Determinante aus Beispiel 4.15 kann auch mit der Regel von Sarrus berechnet werden:
R |
1 |
0 |
8 |
R |
4 0 2 7 8 1 1 1 5 1 0 1 4 8 5 7 1 2 |
113. |
R |
4 |
7 |
1 |
R |
|
|
R |
1 |
5 |
2 |
R |
|
|
R |
R |
|
|
|||
R |
|
|
|
R |
|
|
R |
|
|
|
R |
= + + − − − = − |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
Ì |
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
Bereits in Satz 4.3 haben wir ein Verfahren zur Lösung von linearen Gleichungssystemen mit zwei Gleichungen für zwei Unbekannte mithilfe von Determinanten kennengelernt. Das Prinzip gilt in ähnlicher Weise für lineare Gleichungssysteme mit drei Gleichungen für drei Unbekannte. Die Unbekannten x1, x2 und x3 berechnen sich aus Quotienten von Determinanten. Wieder steht bei allen Unbekannten die Determinante der Matrix im Nenner. Diese Determinante darf also nicht null sein. Bei den Determinanten im Zähler werden die entsprechenden Spalten durch die rechte Seite ersetzt.
4.3 Determinanten |
133 |
Satz 4.4 (Cramersche Regel für (3,3)-Matrizen)
Das lineare Gleichungssystem in Matrixform Ax = b
’ a21 |
a22 |
a23 |
“ ’ x2 |
“ ’ |
b2 |
“ |
||
– |
a11 |
a12 |
a13 |
— – |
x1 |
— = – |
b1 |
— |
a |
a |
a |
x |
b |
||||
31 |
32 |
33 |
3 |
3 |
||||
” |
|
|
|
• ” |
|
• ” |
|
• |
hat genau dann eine eindeutige Lösung, wenn die Determinante der Matrix A nicht null ist. Die Lösung kann man dann nach der Cramerschen Regel berechnen:
|
|
|
R |
b2 |
a22 |
a23 |
R |
|
|||
|
|
|
R |
b |
|
a |
|
a |
|
R |
|
|
|
|
R |
|
|
|
R |
|
|||
|
|
|
R |
b1 |
a12 |
a13 |
R |
|
|||
x |
|
|
R |
|
|
|
|
|
|
R |
, |
|
1 |
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
a |
|
a |
a |
R |
|
||
|
|
|
R |
|
R |
|
|||||
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
= |
R |
a21 |
a22 |
a23 |
R |
|
|||
|
|
R |
R |
|
|||||||
|
|
|
R |
|
3 |
|
32 |
|
33 |
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
a |
|
a |
a |
R |
|
||
|
|
|
R |
11 |
R |
|
|||||
|
|
|
R |
|
|
12 |
|
13 |
R |
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
R |
|
31 |
|
32 |
|
33 |
R |
|
|
|
|
R |
|
|
|
R |
|
|
|
|
R |
a21 |
b2 |
a23 |
R |
|
|
|
|
|||
|
|
|
R |
a |
|
b |
|
a |
|
R |
|
|
|
|
|
|
|
R |
|
|
|
R |
|
|
|
|
|||
|
|
|
R |
a11 |
b1 |
a13 |
R |
|
|
|
|
|||
x |
|
|
R |
|
|
|
|
|
|
R |
, |
x |
|
|
|
2 |
|
R |
|
|
|
|
|
|
R |
|
|
3 |
|
|
|
|
R |
a |
|
a |
|
a |
R |
|
|
|
|
|
|
|
|
R |
|
|
R |
|
|
|
|
||||
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
= |
R |
a21 |
a22 |
a23 |
R |
|
|
|
= |
|||
|
|
R |
R |
|
|
|
||||||||
|
|
|
R |
|
31 |
|
3 |
|
33 |
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
a |
|
a |
|
a |
R |
|
|
|
|
|
|
|
|
R |
11 |
12 |
R |
|
|
|
|
||||
|
|
|
R |
|
|
|
13 |
R |
|
|
|
|
||
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
31 |
|
32 |
|
33 |
R |
|
|
|
|
|
|
|
R |
|
|
|
R |
|
|
|
|
RR
Ra a b R
R11 12 1 R
RR
RR
Ra a b R
RR
R21 22 2 R
RR
RR
Ra a b R
RR
R31 32 3 R
RR .
Ra a a R
R11 12 13 R
RR
RR
Ra a a R
RR
R21 22 23 R
RR
RR
Ra a a R
RR
R31 32 33 R
Beispiel 4.17 (Cramersche Regel)
Folgendes lineare Gleichungssystem können wir in Matrixform schreiben:
x1 |
+ |
2 x2 |
+ |
x3 |
= |
1 |
’ |
1 |
2 |
1 |
“ ’ |
x1 |
“ |
’ |
1 |
|
3 x1 |
x2 |
2 x3 |
9 |
3 |
1 |
2 |
x2 |
9 . |
||||||||
|
− |
|
+ |
|
= |
|
|
−3 |
|
|
|
“ |
||||
x1 |
3 x2 |
2 x3 |
1 |
Ô – |
1 |
2 |
— – |
x3 |
— = – |
1 |
— |
|||||
|
+ |
|
+ |
|
= |
|
” |
|
|
|
• ” |
|
• |
” |
|
• |
Wir bestimmen gemäß der Cramerschen Regel vier Determinanten:
R |
3 |
|
1 |
2 |
R |
6, |
R |
1 |
|
2 |
1 |
R |
|
R |
1 |
|
3 |
2 |
R |
|
R |
|
R |
|
|||
R |
|
|
|
|
R |
|
R |
|
− |
|
|
R |
= − |
R |
|
|
|
R |
||
R |
|
|
|
|
R |
|
R |
|
|
|
|
R |
|
R |
|
|
|
|
R |
|
R |
|
|
|
|
R |
|
R |
|
|
|
|
R |
|
R |
|
|
|
|
R |
|
R |
|
|
|
|
R |
|
R |
9 |
1 2 |
R |
|
12, |
R |
3 9 2 |
R |
|
6, |
R |
3 |
|
1 9 |
R |
6. |
||||
R |
1 |
2 |
1 |
R |
|
|
R |
1 |
1 |
1 |
R |
|
|
R |
1 |
|
2 |
1 |
R |
|
R |
1 |
3 2 |
R |
|
|
R |
1 1 2 |
R |
|
|
R |
1 |
|
3 1 |
R |
|
||||
R |
R |
|
|
R |
R |
|
|
R |
|
R |
|
|||||||||
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
R |
|
− |
|
R |
= − |
|
R |
|
|
|
R |
= |
|
R |
|
− |
|
|
R |
= − |
R |
|
|
R |
|
R |
|
|
|
R |
|
R |
|
|
|
R |
|||||
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
R |
|
|
|
R |
|
|
R |
|
|
|
R |
|
|
R |
|
|
|
|
R |
|
Mit diesen Werten erhalten wir die Lösung x1 |
|
− |
12 |
|
2, x2 |
|
|
6 |
1 und x3 |
|
6 |
|
1. |
Ì |
||||
|
|
6 |
|
|
|
6 |
|
−6 |
|
|||||||||
|
= |
|
− |
|
= |
|
= |
− |
|
= − |
|
= |
|
− |
= |
|
|
Wir werden nun herleiten, wie man das Spatprodukt von drei Vektoren als Determinante einer entsprechenden Matrix schreiben kann. Dazu ordnen wir jeweils die drei Koordinaten der Vektoren a, b und c als Zeilen einer (3, 3)-Matrix an:
R |
b1 |
b2 |
b3 |
R |
a1 |
c2 c3 |
a2 c1 c3 |
a3 c1 c2 . |
|||||
R |
a1 |
a2 |
a3 |
R |
|
|
|
|
|
|
|
||
R |
R |
|
|
|
|
|
|
|
|||||
c |
1 |
c |
c |
3 |
|
|
|
|
|
|
|
||
R |
|
2 |
|
R |
|
b2 b3 |
|
b1 b3 |
|
b1 b2 |
|
||
R |
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
R |
|
|
W − W |
|
W + W |
|
W |
R |
|
|
|
|
|
R = W |
|
|
|
||||
R |
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
R |
|
|
|
|
|
|
|
Durch Berechnung der Determinante der (2, 2)-Matrizen ergibt sich
R |
a1 |
a2 |
|
b1 |
b2 |
||
R |
|
|
|
R |
c |
1 |
c |
R |
|
2 |
|
R |
|
|
|
R |
|
|
|
R |
|
|
|
R |
|
|
|
R
R
R
R
R
a3 b3 c3
R |
a1 b2 c3 b3 c2 |
a2 b1 c3 b3 c1 |
a3 b1 c2 b2 c1 . |
||||
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
− |
) − ( |
− |
) + ( |
− |
) |
R = ( |
|||||||
R |
|
|
|
|
|
|
|
R
R
R
R
R
Dieser Ausdruck stimmt mit dem Ergebnis von Satz 3.15 überein. Ein Spatprodukt lässt sich also aus der Determinante einer (3, 3)-Matrix berechnen.
134 |
4 Matrizen |
Satz 4.5 (Determinante und Spatprodukt)
Das Spatprodukt der Vektoren a, b und c kann man als Determinante berechnen:
a |
|
a2 |
|
, b |
|
b2 |
|
, c |
|
c2 |
|
a, b, c |
R |
b1 b2 b3 |
R . |
||||
|
’ |
a1 |
“ |
|
’ |
b1 |
“ |
|
’ |
c1 |
“ |
|
R |
a1 a2 a3 |
R |
||||
|
a |
|
|
b |
|
|
c |
|
R |
c |
c |
c |
R |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
R |
|
= – |
|
|
— = – |
|
|
— = – |
|
— |
Ô [ |
R |
|
|
|
R |
||||
|
|
|
|
|
|
] = R |
|
|
|
R |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
R |
|
” |
|
|
• |
|
” |
|
|
• |
|
” |
|
• |
|
R |
|
|
|
R |
|
|
|
|
|
|
|
|
|
R |
|
|
|
R |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
R |
|
|
|
3 |
|
|
|
|
3 |
|
|
|
3 |
|
|
R |
1 |
2 |
3 |
R |
|
|
|
|
|
|
|
|
|
|
|
|
R |
R |
Beispiel 4.18 (Determinante und Spatprodukt)
Das Spatprodukt der drei Vektoren
a |
’ |
1 |
“ |
, |
b |
’ |
1 |
“ |
, |
c |
|
|
3 |
“ |
1 |
2 |
’ −3 |
||||||||||||
|
= – |
4 |
— |
|
|
= – −1 |
— |
|
|
= – |
− |
4 |
— |
|
|
” |
|
• |
|
|
” |
|
• |
|
|
” |
|
• |
aus Beispiel 3.14 lässt sich auch mithilfe der Determinante berechnen. Wir benutzen dazu die Regel von Sarrus:
|
a, b, c, |
R |
|
1 |
|
2 |
|
1 |
R |
8 3 12 24 3 4 6. |
|
|
R |
|
1 |
|
1 |
|
4 |
R |
|
|
|
R |
|
3 |
|
3 |
|
4 |
R |
|
|
|
R |
|
|
|
R |
|
|||
|
|
R |
|
|
|
|
|
|
R |
|
[ |
|
R |
|
|
− |
|
|
|
R |
= − + − − + = − |
|
] = R |
|
|
|
|
|
R |
|||
|
|
R |
|
|
|
|
|
|
R |
Ì |
|
|
R |
|
|
|
|
|
|
R |
|
|
|
R |
|
|
|
|
|
|
R |
|
|
|
R |
− |
|
|
|
− |
|
R |
|
|
|
RR |
|
|
|
|
RR |
|
||
|
|
R |
|
|
|
|
|
|
R |
|
Bei der Berechnung einer Determinante spielt es keine Rolle, ob man die Koordinaten der Vektoren zeilenweise oder spaltenweise in die Matrix einträgt, siehe Satz 4.9. Ein ähnliches Ergebnis erhalten wir für das Kreuzprodukt von zwei Vektoren. Nach Satz 3.14 gilt:
|
|
a1 |
|
b1 |
|
a2 b3 |
|
a3 b2 |
|
||||||
a b |
’ |
a2 |
“ ’ |
b2 |
“ ’ |
a3 b1 |
− a1 b3 . |
||||||||
|
a |
3 |
b |
3 |
a b |
2 |
− |
a |
2 |
b |
1 |
“ |
|||
× = – |
|
— × – |
|
— = – |
1 |
|
|
— |
|||||||
|
” |
|
|
• ” |
|
|
• ” |
|
|
− |
|
|
|
|
• |
Mithilfe der Basisvektoren e1, e2 und e3 ergibt sich die Darstellung
a |
× |
b |
= ( |
a2 b3 |
− |
a3 b2 |
’ |
1 |
“ |
a1 b3 |
− |
a3 b1 |
’ |
0 |
“ |
a1 b2 |
− |
a2 b1 |
’ |
0 |
“ . |
0 |
1 |
0 |
|||||||||||||||||||
|
|
|
|
) – |
0 |
— − ( |
|
|
) – |
0 |
— + ( |
|
|
) – |
1 |
— |
|||||
|
|
|
|
|
|
|
” |
|
• |
|
|
|
” |
|
• |
|
|
|
” |
|
• |
Hieraus ist ersichtlich, dass auch das Kreuzprodukt durch eine Determinante darstellbar ist. Allerdings müssen wir als Einträge in der ersten Zeile die Basisvektoren zulassen. Deshalb spricht man von einer symbolischen Determinante.
Satz 4.6 (Determinante und Vektorprodukt)
Das Vektorprodukt der Vektoren a und b kann man als symbolische Determinante berechnen:
a |
|
a2 |
|
, b |
|
b2 |
|
a b |
R |
a1 a2 |
a3 |
R . |
||||
|
’ |
a1 |
“ |
|
’ |
b1 |
“ |
|
R |
e1 |
e2 |
e3 |
R |
|||
|
a |
|
|
b |
|
|
R |
b |
b |
b |
|
R |
||||
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
R |
|
= – |
|
|
— = – |
|
|
|
|
R |
|
|
|
|
R |
||
|
|
|
|
|
— Ô × = R |
|
|
|
|
R |
||||||
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
R |
|
|
|
|
|
|
|
|
|
|
|
R |
|
|
|
|
R |
|
” |
|
|
• |
|
” |
|
|
• |
|
R |
|
|
|
|
R |
|
|
|
|
|
|
|
R |
|
|
|
|
R |
||||
|
|
|
3 |
|
|
|
|
3 |
|
|
R |
1 |
2 |
|
3 |
R |
|
|
|
|
|
|
|
|
|
R |
|
R |
|||||
Dabei sind e1, e2 und e3 die Basisvektoren. |
R |
|
|
|
|
R |