5.2 Rechnen mit Matrizen

5.2. Rechnen mit Matrizen
5.2
95
Rechnen mit Matrizen
Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition
jeweils entsprechender Einträge. Sind genauer A = (aij ) und B = (bij ) Matrizen
vom Typ m × n, so setzt man
A + B := (aij + bij ) .
Die Summe ist also wiederum eine m × n-Matrix.
5.2.1 Beispiel
2 1 0
1 3 5
+
1 0 3
4 −3 1
=
3 1 3
5 0 6
.
Die Skalarmultiplikation einer m × n-Matrix A = (aij ) (mit Einträgen aij aus
einem Körper K) mit λ ∈ K ist durch Multiplikation sämtlicher Einträge mit λ
definiert:
λ · A := (λ · aij ) .
5.2.2 Beispiel

 

0
1
0
i
i ·  2 + i −i  =  −1 + 2i 1  .
2
i
2i
−1
Die Multiplikation einer Matrix mit einem Spaltenvektor haben wir bereits kennengelernt. Allgemeiner kann man das Produkt von zwei Matrizen A und B mit
Einträgen in demselben Körper K definieren, wenn die Anzahl Spalten von A mit der
Anzahl Zeilen von B übereinstimmt. Dabei gehen wir folgendermassen vor. Nehmen
wir an, A = (aik ) sei vom Typ m × s und B = (bkj ) vom Typ s × n. Jede Spalte von
B bildet einen Vektor in Rs , nämlich
 
b1j
 b2j 

vj = 
 ...  (j = 1, . . . , n) .
bsj
Nun multiplizieren wir der Reihe nach A mit jeder dieser Spaltenvektoren und bilden
aus den Vektoren Av1 , Av2 , . . . , Avn , die jeweils aus m Einträgen bestehen, eine
m × n-Matrix C. Diese Matrix C ist das Produkt der Matrizen A und B.
5.2.3 Beispiele
1 0
·
2 −1

2
1 i
1

· 1
2 0 2+i
0
0 −1
3 4
1
0
=
−2 1 0
11 −4 3
.

0
2+i 1+i

1 =
.
4
2+i
1
96
Kapitel 5. Lineare Algebra
Man findet den Eintrag der Produktmatrix C an der Stelle (i, j), indem man
jeweils entsprechende Einträge der i-ten Zeile von A mit der j-ten Spalte von B
multipliziert und aufaddiert. Also ist
C =A·B =(
s
X
aik bkj ) .
k=1
Ist n = 1, so ist B nichts anderes als ein Spaltenvektor, und in diesem Fall stimmt die
Multiplikation mit der schon bekannten Multiplikation von Matrix mit Spaltenvektor
überein.
5.2.4 Beispiel
0 −1 2
3 4 −6
 
1
2
· 4 =
.
1
3
Es ist zu beachten, dass das Produkt von zwei Matrizen nur definiert ist, wenn
die Typen der Matrizen zueinander passen! Ausserdem kommt es auf die Reihenfolge
der Matrizen an, die Multiplikation ist nicht kommutativ, das heisst im allgemeinen
gilt AB 6= BA.
5.2.5 Beispiele
 
1
( 3 −1 1 )  2  = (5) ,
4
1 1
0 1
0 1
−1 0
=
−1 1
−1 0
aber
,
 


1
3 −1 1
 2  ( 3 −1 1 ) =  6 −2 2  .
4
12 −4 4
aber
0 1
−1 0
1 1
0 1
=
0
1
−1 −1
.
5.2.6 Bemerkung Es gilt
A(Bv) = (AB)v
für alle v ∈ Kn .
Beweis. Wir überprüfen
  dies zunächst für spezielle Vektoren v. Für j = 1, . . . , n
0
 ... 
 

bezeichne ej = 
 1.  denjenigen Vektor, der an der Stelle j den Eintrag 1 hat
 .. 
0
 
b1j
 b2j 

und sonst lauter Nullen: Einerseits ist B · ej = 
 ... . Also ist A(Bej ) gerade das
bsj
Produkt von A mit der j-ten Spalte von B. Andererseits ist (AB)ej gerade die j-te
5.2. Rechnen mit Matrizen
97
Spalte der Matrix AB, und die erhält man ebenfalls durch Multiplikation von A mit
der j-ten Spalte von B.
Sei jetzt v = x1 e1 + . . . + xn en . Dann zeigt eine kurze Rechnung:
A(Bv) = A(x1 Be1 + . . . xn Ben ) =
n
X
j=1
xj A(Bej ) =
n
X
xj (AB)ej = (AB)v . q.e.d.
j=1
Als nächstes soll nun noch die Inverse einer Matrix definiert werden.
5.2.7 Definition Seien A, B Matrizen vom Typ n × n mit Einträgen aus dem
Körper K. Die Matrix B ist die Inverse von A, falls


1 0 ··· 0
.. 
0 1
.

.
AB = BA = E =  ..
.. 
..
. .
.
0 ··· 0 1
Durch diese Eigenschaft ist B eindeutig bestimmt. Man verwendet für die Inverse
einer Matrix A üblicherweise die Notation A−1 .
a b
5.2.8 Bemerkung Eine 2 × 2-Matrix A =
hat genau dann den Rang 2,
c d
d −b
1
−1
wenn ad − bc 6= 0 ist. Ist das der Fall, dann ist die Inverse A = ad−bc
.
−c a
1 0
Denn man rechnet nach, dass A · A−1 = A−1 · A =
. Die Inverse der Matrix
0 1 1 2
5 −2
−5 2
−1
A=
lautet zum Beispiel A = −
=
.
3 5
−3 1
3 −1
Allgemeiner gilt folgendes:
5.2.9 Satz Eine n × n-Matrix A besitzt genau dann eine Inverse, wenn der Rang
von A gleich n ist.
−1
Beweis. Nehmen wir zunächst an, die Matrix A besitze
 Inverse A . Dann
 eine
x1
.. 
n

hat für jeden Vektor b ∈ R das Gleichungssystem A ·
= b eine eindeutige
.
xn
 
x1
.
Lösung, nämlich  ..  = A−1 b. Nach Bemerkung 5.6 über die Lösungsmengen
xn
linearer Gleichungssysteme folgt daraus, dass der Rang von A gleich n sein muss.
Sei jetzt umgekehrt der Rang von A gleich n. Wenn wir A auf Zeilenstufenform
bringen, erhalten wir also eine Matrix ganz ohne Nullzeilen, mit genau n Stufen.
Deshalb hat jedes der linearen Gleichungssysteme Avj = ej (für j = 1, . . . , n) eine
eindeutige Lösung vj ∈ Rn . Bilden wir aus den Vektoren v1 , . . . , vn als Spalten eine
98
Kapitel 5. Lineare Algebra
neue n × n-Matrix B, so gilt nach Konstruktion AB = E. Die Matrix B ist also die
Inverse von A.
q.e.d.
Die Inverse einer vorgelegten quadratischen Matrix A von maximalem Rang kann
mithilfe von elementaren Zeilenumformungen bestimmt werden. Die n Gleichungssysteme
A · vj = ej für j = 1, . . . , n.
müssen dazu simultan gelöst werden. Dazu kann man folgendermassen vorgehen:
Man bildet aus A und der Einheitsmatrix E vom selben Typ eine erweiterte Matrix
M = (A|E). Nun bringt man M durch elementare Zeilenumformungen auf Zeilenstufenform. Weil A von maximalem Rang ist, erhält man in der linken Hälfte eine
Matrix, deren Einträge in der Diagonalen gleich 1 und unterhalb der Diagonalen
gleich Null sind. Durch weitere geeignete elementare Zeilenumformungen kann man
nun ausserdem erreichen, dass in der linken Hälfte auch die Einträge oberhalb der
Diagonalen gleich Null sind. Man erhält die Form M ′ = (E|B). Die Matrix B ist
dann bereits die gesuchte Inverse.


0
1 −1
3
2  . Die erweiterte Matrix M = (A|E) lautet
5.2.10 Beispiel A =  1
2 −1 12
dann:


0
1 −1 1 0 0
3
2 0 1 0 .
M = 1
2 −1 12 0 0 1
Wir vertauschen die ersten beiden Zeilen und ziehen von der dritten Zeile das Doppelte der zweiten Zeile ab:


1 0
1
3
2 0
 0
1 −1 1
0 0 .
0 −7
8 0 −2 1
Jetzt addieren wir zur zweiten Zeile das Siebenfache der dritten Zeile und erhalten:


1 3
2 0
1 0
 0 1 −1 1
0 0 .
0 0
1 7 −2 1
Wir ziehen von der ersten Zeile das Dreifache der zweiten Zeile und das Fünffache
der dritten Zeile ab und addieren schliesslich noch zur zweiten die dritte Zeile dazu.
Damit ist die gesuchte Form erreicht:


1 0 0 −38 11 −5
 0 1 0
8 −2
1 .
7 −2
1
0 0 1
Nun lesen wir aus der rechten Hälfte die Inverse ab:


−38 11 −5
A−1 = 
8 −2
1 .
7 −2
1
5.3. Determinanten
5.3
99
Determinanten
In diesem Abschnitt wird es darum gehen, Determinanten quadratischer Matrizen
zu definieren. Die Determinante liefert u.a. ein einfaches Kriterium dafür, ob eine
vorgelegte Matrix invertierbar ist oder nicht. Genauer werden wir am Ende des
Abschnitts folgendes zeigen:
5.3.1 Satz Für jede quadratische Matrix A gilt: Das lineare Gleichungssystem
Ax = b ist für alle b ∈ Rn eindeutig lösbar ⇐⇒
A ist invertierbar
⇐⇒
Rang(A) = n
⇐⇒
det(A) 6= 0 .
Für jede natürliche Zahl n gibt es eine Abbildung det: Mn×n → R, A 7→ det A,
die wir jetzt durch Induktion über n definieren werden.
Für 1 × 1-Matrizen setzt man
det(a) := a für alle a ∈ R.
Für 2 × 2-Matrizen definiert und schreibt man
a b
a b
:= ad − bc .
det
= c d
c d
Zum Beispiel ist also
det
2 3
1 4
= 8− 3 = 5.
Kommen wir jetzt zum Fall n = 3. Die Determinante einer 3 × 3-Matrix kann
man als Kombination von drei 2×2-Unterdeterminanten beschreiben. Genauer setzt
man:
a11 a12 a13 a12 a13 a12 a13 a22 a23 − a21 det A = a21 a22 a23 := a11 a32 a33 + a31 a22 a23 .
a32 a33 a31 a32 a33 5.3.2 Beispiele
1 2 3
2 3 1 = 1 · 3 1 − 2 · 2 3 + 3 · 2 3 = −18 .
3 1
1 2
1 2
3 1 2
1 0
1
0 1 −1 = 4 ,
−1 1
2 a d e 0 b f = a · b f = abc .
0 c 0 0 c Wenn wir die in unserer Definition vorkommenden 2 × 2-Unterdeterminanten
ausschreiben, erhalten wir folgende Beschreibung der Determinante:
det A = a11 a22 a33 − a11 a23 a32 − a21 a12 a33 + a21 a13 a32 + a31 a12 a23 − a31 a13 a22 .
100
Kapitel 5. Lineare Algebra
Es handelt sich also um eine alternierende Summe, die aus 6 Produkten von je 3
Einträgen der Matrix A besteht. Man kann sich davon überzeugen, dass in jedem
einzelnen Produkt genau ein Eintrag aus jeder Zeile und jeder Spalte vorkommt.
Sei jetzt n > 3, und nehmen wir an, die Determinanten von sämtlichen (n −
1) × (n − 1)-Matrizen sind bereits definiert. Für n × n-Matrizen definieren wir nun
wie im Fall n = 3 die Determinante durch “Entwicklung nach der ersten Spalte”.
Dazu sei Ai1 diejenige (n − 1) × (n − 1)-Matrix, die aus A durch Streichung der
i-ten Zeile und der ersten Spalte entsteht. Die Determinante von Ai1 ist nach der
Annahme bereits erklärt, und wir multiplizieren sie jetzt noch mit dem Eintrag ai1
aus der ersten Spalte. Die alternierende Summe all dieser Teilergebnisse bildet die
Determinante von A:
5.3.3 Definition
n
X
det A :=
(−1)i+1 ai1 det Ai1 = a11 det(A11 ) − a21 det(A21 ) + · · · + (−1)n+1 an1 An1 .
i=1
5.3.4 Beispiel
1 2 0 −1 2
1 2 1 0 1 2
1
= 1· 1 1 2 −4· 1
0 1 1
2 1
1 0 1 4 1 0
1
2 1
2 1
−4 2·
− 1 · 0 −1
+1 · 1 2
1
2
1 2
0 −1 2 1
1 2
−1·
2
1 = 1 · 0 1
0 1
1
2
0 −1 +1·
= 2 − 4 · 7 = −26 .
2
1 5.3.5 Bemerkung Durch vollständige Induktion kann man zeigen, dass sich die
Determinante einer n × n-Matrix als alternierende Summe von n! Produkten aus je
n Einträgen schreiben lässt. Dabei kommt in jedem der Produkte genau ein Eintrag
aus jeder Zeile und jeder Spalte vor.
Für eine obere Dreiecksmatrix ist es sehr einfach, die Determinante zu bestimmen:
5.3.6 Bemerkung Ist A eine obere Dreiecksmatrix, so stimmt die Determinante
von A mit dem Produkt der Diagonaleinträge von A überein.
Beweis. Wir zeigen die Behauptung durch vollständige Induktion nach der Anzahl
der Zeilen n. Für n = 1 ist nichts zu zeigen. Sei jetzt n > 1 und die Behauptung für
n − 1 schon gezeigt. Ist A eine obere Dreiecksmatrix vom Typ n × n, können wir A
in folgender Form schreiben:


d1 . . . . . . . . .
 0 d2 . . . . . . 
A=
. .
..
 ...
. .. 
0
...
0
dn
5.3. Determinanten
101
Durch Entwicklung der Determinante nach der ersten Spalte ergibt sich:
d2 . . . . . . .
. det A = d1 · .. . . . .. .
0 ... d n
Da die Teilmatrix A11 wiederum eine obere Dreiecksmatrix ist, folgt nun aus der
Induktionsannahme det A = d1 · d2 · · · dn , wie behauptet.
q.e.d.
Wir können die Determinante auch als Funktion der Spalten v1 , . . . , vn der Matrix
A auffassen und schreiben dann det(v1 , . . . , vn ).
5.3.7 Satz Bezogen auf die Spalten hat die Determinantenfunktion folgende wichtige Eigenschaften:
(i) Linearität in den Spalten: Für alle u, v ∈ Rn , α ∈ R gilt: det(. . . , u + v, . . .) =
det(. . . , u, . . .) + det(. . . , v, . . .) und det(. . . , αu, . . .) = α · det(. . . , u, . . .) (bei
festgehaltenen restlichen Spalten).
(ii) Die Funktion ist alternierend: Vertauscht man zwei Spalten, so ändert sich
das Vorzeichen der Determinante:
det(. . . , u, . . . , v, . . .) = − det(. . . , v, . . . , u, . . .) für alle u, v ∈ Rn .
(iii) Normierung: det(e1 , e2 , . . . , en ) = det E = 1.
Durch diese drei Eigenschaften ist die Funktion det: Mn×n → R bereits eindeutig
festgelegt.
Beweis. Die Aussage (iii) ergibt sich sofort durch vollständige Induktion. Zu (i):
Die Linearität in der ersten Spalte kann man durch Nachrechnen überprüfen, die
Linearität in beliebigen Spalten folgt wiederum durch vollständige Induktion aus
der rekursiven Definition der Determinante. Zu (ii): Für n = 1 ist nichts zu zeigen.
Für n = 2 rechnen wir nach:
a b
b a
d c = bc − ad = −(ad − bc) = − c d .
Sei jetzt n > 2: Vertauscht man zwei Spalten miteinander, die nicht an der ersten
Stelle stehen, ergibt sich die Behauptung sofort aus der Induktionsannahme. Schwieriger wird es, wenn wir die erste Spalte mit einer anderen vertauschen, weil die erste
Spalte in der rekursiven Definition der Determinante eine Sonderrolle spielt. Aber
es reicht, die Vertauschung der ersten mit der zweiten Spalte zu untersuchen. Alle
anderen Vertauschungen lassen sich darauf zurückführen.
Wenn wir die in der Definition der Determinante einer n × n-Matrix A auftretenden Unterdeterminanten erneut nach der ersten Spalte entwickelt, erhalten wir
eine Doppelsumme, die aus Termen der folgenden Art besteht:
±ai1 ak2 det(Ai1 )k2 .
102
Kapitel 5. Lineare Algebra
Dabei steht (Ai1 )k2 für diejenige (n − 2) × (n − 2)-Matrix, die wir aus A erhalten,
wenn wir die erste und zweite Spalte, sowie die i-te und die k-te Zeile streichen. Das
Vorzeichen ist (−1)i+k , falls k < i, und (−1)i+k+1 , falls k > i ist.
Vertauschen wir jetzt die ersten beiden Spalten von A, schreiben uns die Determinante der neuen Matrix auf und entwickeln wiederum alle Unterdeterminanten
nochmals nach der ersten Spalte, erhalten wir eine Doppelsumme mit entsprechenden Termen. Da jetzt erste und zweite Spalte vertauscht sind, wechseln die Rollen
von i und k, und das bedeutet gerade, dass in jeder einzelne Summand das Vorzeichen wechselt.
q.e.d.
Aus den Eigenschaften (i)-(iii) ergeben sich folgende nützliche Konsequenzen:
5.3.8 Folgerung Für die Determinantenfunktion gelten ausserdem noch diese Eigenschaften:
(iv) Stimmen zwei Spalten einer quadratischen Matrix miteinander überein, so
ist die Determinante der Matrix gleich Null.
(v) Zieht man von einer Spalte einer quadratischen Matrix ein Vielfaches einer
anderen Spalte ab, so bleibt die Determinante der Matrix dabei unverändert.
Beweis. (iv) Nach (ii) muss für eine Matrix mit zwei identischen Spalten gelten:
det(A) = det(. . . , v, . . . , v, . . .) = − det(. . . , v, . . . , v, . . .) und daher det(A) = 0.
(v) Nehmen wir an, die Matrix A enthält die Spalten u und v, und wir ersetzen
v durch v − αu (für ein α ∈ R). Wegen der Linearität und Eigenschaft (iv) folgt
dann: det(. . . , v − αu, . . . , u, . . .) = det(. . . , v, . . . , u, . . .) − α det(. . . , u, . . . , u, . . .) =
det(. . . , v, . . . , u, . . .).
q.e.d.
Die entsprechenden Aussagen gelten auch bezogen auf Zeilen:
5.3.9 Satz Die Determinantenfunktion det: Mn×n → R ist auch linear und alternierend in den Zeilen. Stimmen zwei Zeilen in einer Matrix überein, so ist die Determinante der Matrix gleich Null. Zieht man von einer Zeile einer Matrix ein Vielfaches
einer anderen Zeile ab, so bleibt die Determinante dabei unverändert.
Enthält eine Matrix viele Nullen, kann die Berechnung der Determinante sich
vereinfachen, wenn man nicht nach der ersten sondern nach einer der anderen Spalten
oder nach einer geeigneten Zeile entwickelt. Dabei macht man sich den folgenden
Entwicklungssatz zunutze:
5.3.10 Satz Die Determinante einer n × n-Matrix A = (aij ) kann man wahlweise
auf eine der folgenden Arten berechnen:
• Entwicklung nach der j-ten Spalte (für ein j ∈ {1, . . . , n})
det A =
n
X
(−1)i+j aij det Aij .
i=1
(Dabei bezeichnet Aij diejenige (n − 1) × (n − 1)-Matrix, die durch Streichung
der i-ten Zeile und j-ten Spalte aus A entsteht.)
5.3. Determinanten
103
• Entwicklung nach der i-ten Zeile (für ein i ∈ {1, . . . , n})
det A =
n
X
(−1)i+j aij det Aij .
j=1
Auf den Beweis verzichten wir an dieser Stelle. Aber hier sind zur Illustration
einige Beispiele.
5.3.11 Beispiele (a) Die
folgende Determinante wird durch Entwicklung nach der
1 2 1 1 2 = 12 .
letzten Zeile berechnet: −1 2 1 = 3 · −1
2
0 0 3 (b) Die Determinante der folgenden 4 × 4-Matrix berechnen wir durch Entwicklung
nach der zweiten Spalte, weil darin zwei Nullen vorkommen:
2 1 2
2
2 2
1 1
2
1
1 0 1
1 1 .
= (−1) · −2 1 −2 + 4 · 1 1
det A = −2 1 −2 3 1
−2 0 1 −2 0 3 4 1
0 Die zweite Teildeterminante ist gleich Null, weil darin die erste und die dritte Spalte übereinstimmen. Die erste Teildeterminante entwickeln wir nun weiter nach der
dritten Zeile und erhalten:
1
1
1
1
+1·
det A = (−3) · −2 −2 = 9 .
1 −2 Eine weitere wichtige Eigenschaft der Determinantenfunktion wird durch den folgenden Multiplikationssatz beschrieben, der hier wiederum ohne Beweis angegeben
werden soll:
5.3.12 Satz Sind A, B ∈ Mn×n , so gilt:
det(AB) = det(A) · det(B) .
Ist A invertierbar, so folgt insbesondere:
det(A) · det(A−1 ) = det(E) = 1 .
Auch hier sollen einige Beispiele zur Illustration genügen:
5.3.13 Beispiele (a) Ist A =
Also gilt
3
4 −3
−2
1 3
1
−1
2
, so ist A = − 2
=
.
−2
1
1 − 12
2 4
1
1
det A−1 = − =
.
2
det A
104
Kapitel 5. Lineare Algebra
(b) Sind A und B Diagonalmatrizen mit Einträgen a1 , . . . , an bzw. b1 , . . . , bn auf
der Diagonalen und Nullen abseits der Diagonalen, so ist das Produkt von A und B
wiederum eine Diagonalmatrix, nämlich:


a1 b1 . . .
0
..
A·B = 0
.
0 .
0
. . . an bn
Also gilt hier
det(AB) = a1 b1 · · · an bn = (a1 · · · an )(b1 · · · bn ) = det(A) det(B) .
(c) Ist B eine Diagonalmatrix mit Diagonaleinträgen b1 , . . . , bn und A eine beliebige
n × n-Matrix mit den Spalten v1 , . . . , vn , so gilt wegen der Linearität in den Spalten
det(AB) = det(b1 v1 , . . . , bn vn ) = b1 · · · bn det(v1 , . . . , vn ) = det(B) det(A) .
Mithilfe von Unterdeterminanten kann man auch die Inverse einer invertierbaren
Matrix berechnen. Ist A eine n × n-Matrix mit Einträgen aij , so definieren wir dazu
B = (bij ) als die Matrix mit den Einträgen bij := (−1)i+j det Aij (für 1 ≤ i, j ≤ n).
Hier bezeichnet Aij wiederum diejenige (n − 1) × (n − 1)-Matrix, die man aus A
durch Streichen der i-ten Zeile und der j-ten Spalte erhält. Nun bilden wir die
transponierte Matrix B t = (bji )1≤i,j≤n , indem wir Zeilen und Spalten vertauschen
und setzen à := B t . Man spricht hier auch von der zu A adjunkten Matrix. Dann
gilt:
5.3.14 Bemerkung
A · Ã = Ã · A = det(A) · E .
Beweis. Es ist zu zeigen, dass der Eintrag cij der Produktmatrix A · Ã an der Stelle
i, j gleich det(A) ist, falls i = j, und 0 sonst. Für i = j erhalten wir nach dem
Determinantenentwicklungssatz (durch Entwicklung nach der i-ten Zeile):
cii =
n
X
aik bik =
k=1
Und für i 6= j ist
cij =
n
X
(−1)i+k aik det Aik = det(A) .
k=1
n
X
k=1
aik bjk =
n
X
(−1)i+k aik det Ajk .
k=1
Wiederum nach dem Determinantenentwicklungssatz stimmt dies überein mit der
Determinante derjenigen Matrix, die man aus A erhält, indem man die j-te Zeile
durch die i-te Zeile von A ersetzt. Weil die so entstandene Matrix aber zwei gleiche Zeilen enthält (denn die ursprünglich i-te Zeile kommt ja nun zweimal vor),
verschwindet ihre Determinante. Also ist für i 6= j wie gewünscht cij = 0.
Entsprechend kann man argumentieren, um zu zeigen, dass die Produktmatrix
à · A mit det(A) · E übereinstimmt.
q.e.d.
5.3. Determinanten
105
5.3.15 Folgerung Eine n × n-Matrix A ist genau dann invertierbar, wenn ihre
Determinante ungleich Null ist.
Beweis. Ist A invertierbar, dann gilt nach dem Multiplikationssatz det(A · A−1 ) =
(det A)(det A−1 ) = 1. Daraus folgt det A 6= 0 wie behauptet. Sei jetzt umgekehrt
1
det A 6= 0. Dann hat A eine Inverse, nämlich A−1 =
Ã.
q.e.d.
det(A)

2

5.3.16 Beispiele
• Ist A = 0
0

1/2 0
1
−1

ist A = det(A) Ã =
0 1/3
0
0


1 2 −4
• Sei A =  −3 1 2 . Dann
−2 4 −1



0 1
−3 0 0
3 0 , so ist B =  0 −2 0 . Also
0 −1
−3 0 6

1/2
0 .
−1
ist det(A) = 17.
Die Berechnung sämtlicher 2 × 2-Unterdeterminanten liefert:
 1
 4

  2
B=
−4

  2
1
2 −1 und daher
A−1
−4 −1 −4 2 −3
− −2
1
−2
1
− −3


2 −3 1 −1 −2 4 
 


−9 −7 −10

1 2 
−4 − = −14 −9 −8 ,
−2 4 
−1

8
10
7


−4 1 2 2 −3 1 
−9 −14 8
1 
−7 −9 10 .
= 17
−10 −8 7