Sie sind auf Seite 1von 39

Lineare Algebra 1

Vorlesungsmitschrift

PD Dr. Jörg Liesen


Technische Universität Berlin
SS 2008

LATEXed by Robert Rudow


17. Februar 2009
I

Inhaltsverzeichnis
1 Mengen 1
1.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Regeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Teilmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.2 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 leere Menge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4.2 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 Potenzmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.6 Durchschnitt, Vereinigung, Differenz . . . . . . . . . . . . . . . . . . . . . . 3
1.6.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.7 Übung 18.4.2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.7.1 Aufgabe 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.7.2 Aufgabe 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.8 Mengenoperationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.9 echte Teilmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Abbildungen 6
2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Idx , Bild, Kern, Gleichheit von zwei Abbildungen . . . . . . . . . . . . . . 7
2.3.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 injektiv, surjektiv, bijektiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.1 Bijektivität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.5 Komposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5.2 Assoziativität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.6 Bijektivität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.7 Die Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.7.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3 Relationen 11
3.1 kartesische Produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4 Definition, reflexiv, transitiv, symmetrisch . . . . . . . . . . . . . . . . . . . 12
3.4.1 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.5 Übung 25.4.2008 Beweistechniken . . . . . . . . . . . . . . . . . . . . . . 13
3.5.1 Logik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.5.2 Beweistechniken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6 Äquivalenzrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.6.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
II

3.6.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.7 Äquivalenzklasse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.7.1 Deinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.8 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

4 Gruppen, Ringe, Körper 18


4.1 Gruppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Untergruppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.4 Gruppenhomomorphismus . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5 Ring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5.3 inverses Element . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.6 Körper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.6.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

5 Matrizen 22
5.1 Grundlegende Definitionen und Eigenschaften . . . . . . . . . . . . . . . . 22
5.1.1 Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.1.2 Operationen auf Matrizen . . . . . . . . . . . . . . . . . . . . . . . . 23
5.1.3 Multiplikation mit einem Skalar . . . . . . . . . . . . . . . . . . . . 24
5.1.4 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
5.1.5 Übung 9.5.2008 Ringe, Körper, Matrizen . . . . . . . . . . . . . . . 25
5.2 Matrizen, Gruppe und Ringe . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2.1 Satz (Rn,m , +) ist Gruppe . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2.2 invertierbar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2.3 Satz (Rn,n , +, ∗) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2.4 Satz (AT )−1 , (A ∗ B)−1 . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2.5 Satz Gln (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2.6 obere/untere Dreiecks-, Diagonal-, Permutationsmatrix . . . . . . . 27
5.2.7 Satz invertierbare Dreiecksmatrizen . . . . . . . . . . . . . . . . . 28
5.2.8 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

6 Die Treppennormalform einer Matrix 30


6.1 Elementarmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
6.1.1 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.1.2 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6.1.2.1 Ablauf des Gaußalgorithmus . . . . . . . . . . . . . . . . . 32
6.1.3 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.1.4 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.1.4.1 Korollar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.1.5 Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.1.6 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1

1 Mengen
1.1 Definition
Eine Menge ist eine Zusammenfassung bestimmter,wohlunterschiedener Objekte unse-
rer Anschauung oder unseren Denkens, welche Elemente der Menge genannt werden, zu
einem Ganzen.
(„Naiver Mengenbegriff“, Georg Cantor (1845 - 1918))

Für ein Objekt x, das zu einer Menge M gehört, schreiben wir

x∈M (anderfalls x < M)

Sind zwei Elemente x ∈ M, y ∈ M gleichwertig(identisch), so schreiben wir

x=y (andernfalls x , y)

Wir geben Mengen an durch

1) Aufzählung der Elemente z.B.


{rot, gelb, grün}
{1, 2, 3, . . .}
oder

2) Angabe einer definierenden Eigenschaft, z.B.


{x|x ist eine positive ganze Zahl}

Bekannte Zahlenmengen sind

• N0 := {1, 2, 3, . . .} (natürliche Zahlen)

• Z := {. . . , −2, −1, 0, 1, 2, . . .} (ganze Zahlen)

• Q := { ba |a ∈ Z, b ∈ N} (rationale Zahlen)

• R := {x|x ist reelle Zahl} (→Analysis 1)

„:=“ steht für „definitionsgemäß gleich“

Bei Angabe durch definierende Eigenschaften handelt es sich um ein Prädikat P welches
auf ein Objekt x zutreffen kann oder nicht. Formel:

{x|P(x)}

Hier ist P(x) die Aussage:

„P trifft auf x zu“


2

Sind A und B Aussagen, so schreiben wir

• A ∧ B für die Aussage „A und B“

• A ∨ B für die Aussage „A oder B oder beides“

• ¬A für die Aussage „nicht A“


)
A⇒B
• für die Aussage „aus A folgt B“
B⇐A

• ⇔ für die Aussage „A und B sind äquivalent“


formal: (A ⇒ B) ⇔ (B ⇒ A)

Für eine Menge M und ein Prädikat P benutzen wir

∀x ∈ M : P(x) für die Aussage „für alle x ∈ M gilt P(x)“


∃x ∈ M : P(x) für die Aussage „es gibt ein x ∈ M für das P(x) gilt“

1.2 Regeln
• ¬(A ∧ B) ⇔ ¬A ∨ ¬B

• ¬(A ∨ B) ⇔ ¬A ∧ ¬B

• ¬(∀x ∈ M : P(x)) ⇔ ∃x ∈ M : ¬P(x)

• ¬(∃x ∈ M : P(x)) ⇔ ∀x ∈ M : ¬P(x)

1.3 Teilmenge
1.3.1 Definition
Sind M,N Mengen, so heißt N Teilmenge von M wenn jedes Element von N auch Element
von M ist.

Wir schreiben dann N ⊆ M (Formal x ∈ N ⇒ x ∈ M). Die Mengen N und M sind gleich,
geschrieben M = N, wenn M ⊆ N und N ⊆ M gelte. (Andernfalls N , M)
Wir schreiben N ⊂ M, falls N ⊆ M und N , M („N ist echte Teilmenge von M“)

1.3.2 Eigenschaften
Für die Teilmengenbeziehung „⊆“ gelten die folgenden Aussagen:

i) M ⊆ M für jede Menge M (Reflexivität)

ii) M ⊆ N ∧ N ⊆ L ⇒ M ⊆ L für alle Mengen M,N,L (Transitivität)

Beweis

i) zu zeigen ist: x ∈ M ⇒ x ∈ M gilt (trivial)


3

ii) zu zeigen ist: x ∈ M ⇒ x ∈ L


Sei x ∈ M. Dann folgt x ∈ N wegen M ⊆ N.
Aus x ∈ N folgt x ∈ L wegen N ⊆ L

1.4 leere Menge


1.4.1 Definition
Die Menge ∅ := {x|x , x}
weil es kein Objekt gibt, welches nicht gleichwertig mit sich selbst ist, ist ∅ die Menge,
die keine Objekte enthält

1.4.2 Eigenschaften
Satz:

i) ∅ ⊆ M

ii) M ⊆ ∅ ⇒ M = ∅

Beweis

i) zu zeigen ist: x∈∅⇒x∈M


Da es kein x ∈ ∅ gibt, ist die erste Aussage falsch.
Vereinbarung: Aus einer falschen Aussage kann jede andere Aussage folgen. Daher
können wir x ∈ M folgern.

ii) Sei M ⊆ ∅ nach i) gilt ∅ ⊆ M. Also gilt M = ∅


(Die andere Richtung: M = ∅ ⇒ m ⊆ ist trivial)

1.5 Potenzmenge
1.5.1 Definition
Die Menge aller Teilmengen einer Menge M heißt Potenzmenge von M, bezeichnet mit
P(M). Formal:
P(M) := {N|N ⊆ M}

1.6 Durchschnitt, Vereinigung, Differenz


1.6.1 Definitionen
Sind M,N Mengen, so definieren wir

i) M ∩ N := {x|x ∈ M ∧ x ∈ N} (Durchschnitt)

ii) M ∪ N := {x|x ∈ M ∨ x ∈ N} (Vereinigung)

iii) M \ N := {x|x ∈ M ∧ x < N} (Durchschnitt)


4

Durchschnitt und Vereinigung lassen sich auch wie folgt verallgemeinern:

Sei I , ∅ eine Menge („die Indexmenge“) und sei für jedes i ∈ I eine Menge Mi gegeben.
Dann heißen
\
Mi := {x | x ∈ Mi ∀i ∈ I} verallgemeinerter Durchschnitt
i∈I
[
Mi := {x | ∃i ∈ I mit x ∈ Mi } verallgemeinerte Vereinigung
i∈I

der Mengen Mi i ∈ I.

Spezialfall: I = {1, 2, . . . , n}, dann schreiben wir oft


n
[ n
\
Mi bzw. Mi
i∈I i∈I

Zwei Mengen Mengen heißen disjunkt, falls

M∩N =∅
5

1.7 Übung 18.4.2008


1.7.1 Aufgabe 1
Seien M, N, L Mengen
z.z.: L ⊆ M ∧ L ⊆ N ⇔ L⊆M∩N

Beweis

„⇒“
Sei L ⊆ M ∧ L ⊆ N und x ∈ L

x∈L ⇒ x∈M∧x∈N
⇒ x∈M∩N
⇒ L⊆M∩N

„⇐“
Sei L ⊆ M ∩ N und x ∈ L

x∈L ⇒ x∈M∩N
⇒ x∈M∧x∈N
⇒ L⊆M∧L⊆N

1.7.2 Aufgabe 2
Seien M, N, L Mengen
z.z.: M ⊆ L ∧ N ⊆ L ⇔ (M ∪ N) ⊆ L

Beweis

“⇒“
Sei M ⊆ L ∧ N ⊆ L und x ∈ M ∨ x ∈ N

M ⊆ L ∧ N ⊆ L ⇒ (x ∈ M ∨ x ∈ N ⇒ x ∈ L)
⇒ (x ∈ (M ∪ N) ⇒ x ∈ L)
⇒ M∪N ⊆L

„⇐“
Sei M ∪ N ⊆ L und x ∈ (M ∪ N)

M ∪ N ⊆ L ⇒ (x ∈ M ∪ N ⇒ x ∈ L)
⇒ (x ∈ M ∨ x ∈ N ⇒ x ∈ L)
⇒ (x ∈ M ⇒ x ∈ L) ∧ (x ∈ N ⇒ x ∈ L)
⇒ M⊆L∧N ⊆L


6

1.8 Mengenoperationen
Satz

Seien M,N,L Mengen, dann gelten für die Mengenoperationen folgende Aussagen:

1) M ∩ N ⊆ M, M⊆M∪N

2) M ∩ N = N ∩ M, M∪N =N∪M (Kommutativgesetz)

3) M ∩ (N ∩ L) = (M ∩ N) ∩ L, M ∪ (N ∪ L) = (M ∪ N) ∪ L (Assoziativgesetz)

4) M ∩ (N ∪ L) = (M ∩ N) ∪ (M ∩ L), M ∪ (N ∩ L) = (M ∪ N) ∩ (M ∪ L) (Distr.)

5) M \ N ⊆ M

6) M \ (N ∩ L) = (M \ N) ∪ (M \ L), M \ (N ∪ L) = (M \ N) ∩ (M \ L)

Beweis: Übung

1.9 echte Teilmenge


Satz
Für zwei Mengen N, M gelte N ⊆ M. dann sind die folgenden Aussagen äquivalent
)
1) N ⊂ M
N ⊂M⇔M\N ,∅
2) M \ N , ∅
Beweis

z.z. sind 1) ⇒ 2) und 2) ⇒ 1)

„1) ⇒ 2)“
Wegen N , M gibt es (mindestens) ein x ∈ M mit x < N
Somit gilt x ∈ (M \ N), und daher (M \ N) , ∅

„2) ⇒ 1)“
Es gibt ein x ∈ (M \ N). Daher gilt M , N. Nach Voraussetzung: N ⊆ M und daher N ⊂ M

2 Abbildungen
2.1 Definition
Seien X,Y Mengen. Eine Abbildung f ist eine Vorschrift, die jedem x ∈ X genau ein
f (x) ∈ Y zuordnet. Wir schreiben:

f : X → Y, x 7→ f (x)

X heißt Definitionsbereich, Y Wertebereich (oder auch Bildbereich)


7

2.2 Beispiele
Sei X = Y = R

1) f : X → Y, x 7→ x2
(Anstelle von x 7→ x2 schreiben wir auch f (x) = x2 )

0 , x < 0


2) f : X → Y, x 7→ 
1 , x ≥ 0

2.3 Idx , Bild, Kern, Gleichheit von zwei Abbildungen


2.3.1 Definitionen
Seien X,Y Mengen
1) Die Abbildung
Ix : X→X
x 7→ x
heißt die Identität auf X (Idx (x) = x)
2) Sei
f : X→Y
x 7→ f (x)
eine Abbildung, und seien M ⊆ X, N ⊆ Y, dann heißen

f (M) := { f (x)|x ∈ M} ⊆ Y das Bild von M unter f


f −1 (N) := {x ∈ X| f (x) ∈ N} ⊆ X das Urbild von N unter f.

Die Abbildung

f |M : M→Y
x 7→ f (x)
heißt die Einschränkung von f auf M
3) Zwei Abbildungen
f : X→Y
x 7→ f (x)

g: X→Y
x 7→ g(x)
heißen gleich (oder identisch), geschieben f = g, falls
f (x) = g(x) ∀x ∈ X
8

2.3.2 Beispiele
Seien X = Y = R und f : X → Y, x 7→ x2 ( f (x) = x2 )

f (R) = {x ∈ R, x ≥ 0} =: R0+ , R0− := {x ∈ R | x ≤ 0}


f −1 (R0− ) = {0}

2.4 injektiv, surjektiv, bijektiv


Sei F : X → Y, x 7→ f (x) eine Abbildung

1) f heißt injektiv, falls für alle x1 , x2 ∈ X mit f (x1 ) = f (x2 ) immer x1 = x2 gilt.

2) f heißt surjektiv, falls f (X) = Y gilt.

3) f heißt bijektiv falls f injektiv UND surjektiv ist.

2.4.1 Bijektivität
Satz
Eine Abbildung f : X → Y, x 7→ f (x) ist bijektiv genau dann wenn es für jedes y ∈ Y
genau ein x ∈ X mit f (x) = y gibt.

Beweis

„⇒“
Sei f bijektiv, also ist f injektiv und surjektiv.
Sei y ∈ Y. Wegen der Surjektivität gibts es ein x1 ∈ X mit f (x1 ) = y.
Annahme: Es gibt ein x2 ∈ X mit f (x2 ) = y.
Dann gilt: f (x1 ) = f (x2 ), also x1 = x2 wegen der Injektivität.
„⇐“
Da es für alle y ∈ Y ein x ∈ X mit f (x) = y gibt, gilt
f (X) = Y, also ist f surjektiv.
Seien x1 , x2 ∈ X mit f (x1 ) = f (x2 ) = y. Also folgt
x1 = x2 aus der Annahme und f ist injektiv.

2.4.2 Beispiele

1) Sei a ∈ Z geben. Dann ist fa : Z → Z, x 7→ x + a bijektiv.


z.B.: a = 1

... -2 -1 0 1 2 ...

&- &- &- &- &- &-

... -2 -1 0 1 2 ...

2) f : R → R, x 7→ x2 ist weder injektiv noch surjektiv.


9

2.5 Komposition
2.5.1 Definition
Seien X, Y, Z Mengen und seien

f :X→Y x 7→ f (x)
g:Y→Z y 7→ g(y)
zwei Abbildungen. Dann ist die Komposition von f und g die Abbildung

g ◦ f : X → Z, x 7→ g( f (x))

(Man sagt auch Hintereinanderausführung, Produkt)

2.5.2 Assoziativität
Satz

Seien f : W → X, g : X → Y und h : Y → Z Abbildungen. Dann gilt:

h ◦ (g ◦ f ) = (h ◦ g) ◦ f

Für die Identitäsabbildung gilt:

f ◦ IdW = f, IdX ◦ f = f

Beweis: Übung

Satz

Seien f : X → Y, g : Y → Z Abbildungen, dann gilt:

   


 injektiv 




 injektiv 


f und g sind  surjektiv ⇒ g ◦ f ist  surjektiv
   
 
  

 bijektiv 
   bijektiv 
 

(d.h. die drei Eigenschaften bleiben bei Komposition erhalten)

Beweis: selbst

2.6 Bijektivität
Satz

Seine f : X → Y, x 7→ f (x) eine Abbildung. f ist bijektiv genau wenn es eine eindeutig
bestimmte Abbildung
g : Y → X, y 7→ g(y)
gibt mit
g ◦ f = IdX , f ◦ g = IdY
10

Beweis:

„⇒“

Sei f bijektiv, dann gibt es zu jedem y ∈ Y genau ein x = x y ∈ X mit f (x y ) = y.


Wir definieren die Abbildung g : Y 7→ X, y 7→ x y . Dann gelten:

(g ◦ f )(x y ) = g( f (x y )) = g(y) = x y ∀x y ∈ X, also g ◦ f = IdX

( f ◦ g)(y) = f (g(y)) = f (x y ) = y ∀y ∈ Y, also f ◦ g = IdY


Sei nun h : Y → X, y → h(y) mit f ◦ h = IdX gegeben.

Dann gilt:
g = g ◦ IdY = g ◦ ( f ◦ h) = (g ◦ f ) ◦ h = IdY ◦ h = h
also g = h

„⇐“

Sei Y → X die eindeutig bestimmte Abbildung mit

g ◦ f = IdX , f ◦ g = IdY

g ◦ f und f ◦ g sind bijektiv, insbesondere


)
g ◦ f ist injektiv ⇒ f injektiv
f bijektiv
f ◦ g ist surjektiv ⇒ f surjektiv

2.7 Die Inverse


2.7.1 Definition
Ist f : X → Y eine bijektive Abbildung, dann heißt die (eindeutig bestimmte) Abbildung
g : Y → X, die g ◦ f = IdX erfüllt, die Inverse (oder Umkehrabbildung) von f.

Bezeichnung: g = f −1

Satz

Seien f : X → Y, g : Y → Z zwei bijektive Abbildungen:


−1
1) f −1 ist bijektiv und ( f −1 ) = f

2) g ◦ f ist bijektiv und (g ◦ f )−1 = f −1 ◦ g−1


11

Beweis:

1) Übung

2) Wir wissen bereits, das g ◦ f bijektiv ist.


Sei h : f −1 ◦ g−1

Dann gilt:

h ◦ (g ◦ f ) = ( f −1 ◦ g−1 ) ◦ (g ◦ f ) = f −1 ◦ (g−1 ◦ g) ◦ f = f −1 ◦ f = IdX


| {z }
=IdY

⇒ h = (g ◦ f )−1

3 Relationen
3.1 kartesische Produkt
Definition
Sind M und N Mengen, dann heißt die Menge

M × N := {(x, y)|x ∈ M, y ∈ N}

Das kartesische Produkt von M und N


„n−Tupel“

n z }| {
Verallgemeinerung: Mi := {(x1 , . . . , xn ) | xi ∈ Mi }
i=1

3.2 Definition
Sind M,N Mengen dann heißt R ⊆ M × N eine Relation zwischen M und N. Für (x, y) ∈ R
schreiben wir auch x ∼ y

3.3 Beispiele
• M=N=R R = {(x, y) ∈ M × N | x > y}

• M=N=R R = {(x, y) ∈ M × N | x2 + y2 = 1}
12

3.4 Definition, reflexiv, transitiv, symmetrisch


Definition
Sei R ⊆ (M × N) eine Relation, dann heißt R

1) reflexiv, falls (x, x) ∈ R (x ∼ x)∀x ∈ M

2) transitiv, falls aus x ∼ y und y ∼ z folgt, das x ∼ z ∀x, y, z ∈ M

3) symmetrisch, falls aus x ∼ y folgt, dass y ∼ x , für alle x, y ∈ M

4) Äquivalenzrelation, falls R reflexiv, transitiv und symetrisch ist.

3.4.1 Beispiele
1) M = Q, R = {(x, y) ∈ M × M|x + y = 0}
x ∼ y falls y = 0

→ nicht reflexiv, da x ∼ x ⇔ 2x = 0 (da nicht für alle x sondern nur für 0)


→ symmetrisch (x + y = 0 ⇔ y + x = 0)
→x+y=0∧y+z=0 ⇒x−z=0
⇒ nicht transitiv, da nicht x + z = 0

2) M = R, R = {(x, y) ∈ M × M|x ≥ y}

→ reflexiv: x ≥ x ∀x ∈ R
→ nicht symmetrisch: x ≥ y, denn i.A. gilt: ¬(y ≥ x)
→ Transitivität: x ≥ y ∧ y ≥ z ⇒ x ≥ z X
13

3.5 Übung 25.4.2008 Beweistechniken


3.5.1 Logik
Vereinbarung: „Falsch ⇒ Alles“

Beispiele

1) {London liegt in Frankreich | 3 > 4 } ist richtig

2) {London liegt in Frankreich | 3 < 4 } ist auch wahr!

3) Sei M Menge, dann gilt ∅ ⊆ M

Beweis ( zu 3) )

∅ := {x | x , x}
Sei x ∈ ∅ (ist eine falsche Aussage)

⇒x∈M⇒∅⊆M

Wahrheitstafeln

a b a⇒b ¬a ¬b ¬b⇒ ¬a
w w w f f w
w f f f w f
f w w w f w
f f w w w w
⇒ (a ⇒ b) ⇔ (¬b ⇒ ¬a)
| {z } | {z }
direkter Beweis indirekter Beweis

3.5.2 Beweistechniken
direkter Beweis

Behauptung

Sei G = {2k | k ∈ Z}
Sei a, b ∈ G ⇒ a + b ∈ G
14

Beweis

Da a, b ∈ G sind, gibt es k1 , k2 ∈ Z, so dass

a = 2k1 , b = 2k2 ⇒ a + b = 2k1 + 2k2 = 2(k1 + k2 )

Setze (k3 : k1 + k2 ):
a + b = 2k3 mit k3 ∈ Z
⇒a+b∈G

indirekter Beweis

Behauptung:
n2 ist gerade ⇒ n ist gerade

Beweis
¬(n ist gerade) ⇒ n ist ungerade
⇒ ∃n1 ∈ Z : n = 2n1 + 1
⇒ n2 = (2n1 )2 + 4n21 + 4n1 + 1 = 2(2n21 + 2n1 ) + 1

Setze n2 := (2n21 + 2n1 ) ∈ Z ⇒ n2 = 2n2 + 1 mit n2 ∈ Z


⇒ n2 ist ungerade ⇒ ¬(n2 ist gerade)
⇒ (n2 ist gerade ⇒ 1 ist gerade)
Frage: Wie verneint man Aussagen?

i) ¬(∀x : P(x)) ⇒ ∃x : ¬P(x)

ii) ¬(∃x : P(x)) ⇒ ∀x : ¬P(x)

Beispiele

1) ¬ (x ist gerade) ⇔ x ist unerade (für x ∈ Z)

2) ¬ (∀x ∈ G ∃k ∈ Z mit x = 2k) ⇔ ∃x ∈ G : ∀k ∈ Z mit x , 2k


| {z } | {z }
ist immer wahr! falsche Aussage

3) ¬ (∀ε > 0 ∃δ > 0 so dass für |x − y| < δ gilt: | f (x) − f (y)| < ε)
⇔ ∃ε > 0 ∀δ > 0 mit |x − y| < δ : | f (x) − f (y) ≥ ε|

Wichtig: A ⇒ B < ¬A ⇒ ¬B
anschauliches Beispiel:
A = „Es regnet.“ B = „Es ist bewölkt.“
15

vollständige Induktion

→ siehe Analysis 1

Beweis durch Widerspruch

(A ⇒ B) ⇔ (A ∧ ¬B ⇒ )

Behauptung

a, b ∈ G ⇒ a + b ∈ G

Beweis

a, b ∈ G ⇒ k1 , k2 ∈ Z, so das a = 2k1 , b = 2k2

Annahme: a + b < G, d.h. a + b ist ungerade, d.h. ∃n1 ∈ Z : 2n1 + 1

⇒ 2n1 + 1 = a + b = 2k1 + 2k2


⇒ 2(k1 + k2 − n1 ) = 1

Setze: m := k1 + k2 − n1 ∈ Z ⇒ 2m ∈ Z

⇒ (a, b ∈ G ⇒ a + b ∈ G)

Ringschluss

Behauptung

Seien M,N nichtlere Mengen, dann gilt:


(i) N ⊆ M
⇔ (ii) M ∩ N = N
⇔ (iii) M ∪ N = M
Beweis
formal: i)⇒ ii), ii)⇒i), i)⇒iii), iii)⇒i), ii)⇒iii), iii)⇒ii)
Ringschluss: i)⇒ii)⇒iii)⇒i)

„i)⇒ii)“ N ⊆ M ⇒ (aus x ∈ N folgt x ∈ M)

zeige (ii) M ∩ N = N :

„⊆“ Sei x ∈ M ∩ N ⇒ x ∈ M ∧ x ∈ N ⇒ x ∈ N
i)
„⊇“ Sei x ∈ N ⇒ x ∈ N ∧ x ∈ M
16

„ii)⇒iii)“ Sei M ∩ N = N, zu zeigen: M ∪ N = M

„⊆“ Sei x ∈ M ∪ N ⇒ x ∈ M ∨ x ∈ N

Fallunterscheidung

1.Fall: Falls x ∈ M ist, dann sind wir fertig


ii)
2.Fall: Falls x < M = x ∈ N = M ∩ N ⇒ x ∈ M ∧ x ∈ N ⇒ x ∈ M

„⊇“ x ∈ M = x ∈ M ∨ x ∈ N ⇒ x ∈ M ∪ N

„iii)⇒i)“

Sei M ∪ N = M, z.z. ist N ⊆ M


iii)
Sei x ∈ N ⇒ x ∈ N ∨ x ∈ M ⇒ x ∈ N ∪ M = M ⇒ x ∈ M

3.6 Äquivalenzrelation
3.6.1 Definition
R ⊆ M × M ist Relation, x ∼ y (x, y) ∈ R wenn diese

• reflexiv x ∼ x ∀x ∈ M

• symmetrisch x ∼ y ⇒ y ∼ x

• transitiv x ∼ y, y ∼ z ⇒ x ∼ z

ist, dann ist R eine Äquivelenzrelation.

3.6.2 Beispiele
M = {Walberexhtigte der BRD}
x ∼ y, falls x und y im selben Wahlkreis wohnen.

M = {Parteimitglieder in den USA}


x ∼ y, falls x und y in der selben Partei sind und genau einer Partei.

3.7 Äquivalenzklasse
3.7.1 Deinition
Sei R ⊆ M × M eine Äquivlenzrelation. Für x ∈ M definieren wir die Äquivalenzklasse
von x (bzgl. R) als

[x] := {y ∈ M | x ∼ y}
17

(Das heißt [x] enthällt alle Elemente von M, die bzgl. R zu x äquivalent sind.)

3.8 Satz
Sei R ⊆ M × M eine Äquivalenzrelation und seien x, y ∈ M, dann sind folgende Aussagen
äquivalent:

1) [x] = [y]

2) [x] ∩ [y] = ∅

3) x ∼ y

Beweis

1) ⇒ 2)

Sei [x] = [y]. Wegen x ∼ x (Reflexivität) gilt:


x ∈ [x]. Da [x] = [y], folgt x ∈ [y], daher [x] ∩ [y] , ∅
2) ⇒ 3)

Sei [x] ∩ [y] , ∅, dann ibt es ein z ∈ [x] ∩ [y].


Es gilt z ∼ x und z ∼ y, daher x ∼ y (Transitivität, Symmetrie)
3) ⇒ 1)

Sei x ∼ y und sei z ∈ [x], also z ∼ x, somit z ∼ y (Transitivität, Symmetrie)


Daher gilt: z ∈ [y], also [x] ⊆ [y]
Genau so zeigt man [y] ⊆ [x]. ⇒ [x] = [y]


Wir sehen: Für zwei Äquivalenzklassen [x], [y] gilt entweder [x] = [y] oder [x] ∩ [y] = ∅

Eine Äquivalenzrelation R auf M liefert somit eine Zerlegung von M in disjunkte Teil-
mengen (Äquivalenzklassen).
Jedes Element z ∈ [x] eißt Repräsentant(Vertreter) der Äquivalenzklasse [x]
18

4 Gruppen, Ringe, Körper


4.1 Gruppe
4.1.1 Definition
Eine Gruppe ist eine Menge G mit einer Abbildung

⊕ : G×G→G
(a, b) 7→ a ⊕ b

die folgende Regeln erfüllt:

1) ⊕ ist assoziativ, d.h.: a ⊕ (b ⊕ c) = (a ⊕ b) ⊕ c ∀a, b, c ∈ G

2) Es gibt ein Element e ∈ G, genannt neutrales Element, für das gilt:


a) e ⊕ a = a ∀a ∈ G
b) zu jedem a ∈ G gibt es ein ã ∈ G, genannt das zu a ∈ G inverse Elenment, mit
ã ⊕ a = e.

Falls a ⊕ b = b ⊕ a für alle a, b ∈ G gilt, so heißt die Gruppe kommutativ oder abelsch
Als Kurzbezeichnung verwenden wir (G, ⊕) oder nur G, wenn klar ist, um welche Abbi-
lung es sich handelt.

Satz:
Für jede Gruppe (G, ⊕) gelten:

1) Zu jeden a ∈ G ibt es genau ei inverses Element ã ∈ G mit


ã ⊕ a = a ⊕ ã = e

2) G enthällt genau ein neutrales Element e. Für dieses gilt:


e ⊕ a = a ⊕ e = a ∀a ∈ G

Beweis

1) Sei a ∈ G beliebig. Sei e ∈ G ein neutrales Element.


Per Def. gibt es ein inverses Element ã ∈ G, so dass ã ⊕ a = e
Sei nun a1 ∈ G ein inverses Element zu ã ∈ G, dann gilt
a1 ⊕ ã = e. Es folgt

a ⊕ ã = e ⊕ (a ⊕ ã) = (a1 ⊕ ã) ⊕ (a ⊕ ã)


= a1 ⊕ ((ã ⊕ a) ⊕ã)
|{z}
e
= a1 ⊕ ã = e
19

Für jedes a ∈ G und jedes zu a inverse Element ã ∈ G gilt also


a ⊕ ã = ã ⊕ a = e (?1)

Daraus folgt:
a ⊕ e = a ⊕ (ã ⊕ a) = (a ⊕ ã) ⊕a = a ∀a ∈ G (?2)
|{z} |{z}
=e =e
Sei nun a ∈ G und seien ã, a2 ∈ G zu a invers. Dann gilt:
ã = e ⊕ ã = (a2 ⊕ a) ⊕ ã = a2 ⊕ (a ⊕ ã) = a2 ⊕ e = a2

2) Wir haben bereits gezeigt, das a ⊕ e = e ⊕ a = a ∀a ∈ G


Sei nun ẽ ∈ G ein weiteres neutrales Element. Dann gilt:

Def. von e (?1) Def. von ẽ


ẽ = e ⊕ ẽ = ẽ ⊕ e = e

Also ist das neutrale Element eindeutig.

4.2 Beispiele
1) Gruppen sind (Z, +), (Q, +), (R, +)

• neutrales Element ist jeweils die 0 (die Zahl Null)


• zu a ∈ G inv. Element ist die Zahl −a
• Anstatt a + (−b) schreiben wir a − b
• Verknüpfung ist „additiv“, Gruppen werden additive Gruppen genannt

2) keine Guppe ist (N, +)

3) Gruppen sind (Q \ {0}, ∗), (R \ {0}, ∗)

• neutrales Element ist 1 (die Zahl 1)


1
• zu a ∈ G inverses Element is a ∈ G (oder a−1 )
• Verknüpfung ist „multiplikativ“

4.3 Untergruppe
Definition
Sei (G, ⊕) eine Gruppe. Sei H ⊆ G mit H , ∅. Wir nennen H eine Untergruppe von G,
wenn gilt:

1) a ⊕ b ∈ H ∀a, b ∈ H

2) ∀a ∈ H : das inverse Element ã ist in H


20

4.4 Gruppenhomomorphismus
Definition
Sind (G1 , ⊕) und (G2 , ~) Gruppen, so heißt eine Abbildung

ϕ : G1 → G2
g 7→ ϕ(g)

Gruppenhomomorphismus, wenn

ϕ(a ⊕ b) = ϕ(a) ⊕ ϕ(b) ∀a, b ∈ G1

gilt.
Ist ϕ bijektiv, so heißt ϕ Gruppenisomorphismus

4.5 Ring
4.5.1 Definition
Ein Ring ist eine Menge R mit zwei Abbildungen

+ : R × R → R, (a, b) 7→ a + b („Addition“)
∗ : R × R → R, (a, b) 7→ a ∗ b(„Multiplikation“)

für die folgende Regeln erfüllt sind:

1) (R, +) ist eine kommutative Gruppe

2) ∗ ist asoziativ, d.h. a ∗ (b ∗ c) = (a ∗ b) ∗ c ∀a, b, c ∈ R

3) Es gelten die Distributivgesetze


a ∗ (b + c) = a ∗ b + a ∗ c ∀a, b, c ∈ R
(a + b) ∗ c = a ∗ c + b ∗ c ∀a, b, c ∈ R
(hier gilt die Vereinbarung, „∗ vor +“)

Ein Element 1 ∈ R heißt Einselement (oder Eins), falls 1 ∗ a = a ∗ 1 ∀a ∈ R gilt. In diesem


heißt der Ring ein „Ring mit Eins“.
Ein Ring heißt kommutativ, falls a ∗ b = b ∗ a f oralla, b ∈ R gilt.

Analog zur Schreibweise für Gruppen schreiben wir (R, +, ∗) bzw. nur R. Das neutrale
Element bzgl. + bezeichnen wir mit 0 („Null“).

Ebenso analog: -a und a-b

Satz: Ist R ein Ring, so gilt 0 ∗ a = a ∗ 0 = 0 ∀a ∈ R

Beweis: 0 ∗ a = (0 + 0) ∗ a = 0 ∗ a + 0 ∗ a
21

„⇒“

Addition von −(0 ∗ a) auf beiden Seiten der Gleichung liefert 0 = 0 ∗ a

„⇐“

(a + 0) = a ⇒ a ∗ (a + 0) = a ∗ a ⇒ a ∗ a + a ∗ 0 = a ∗ a
Addition von −(a ∗ a) auf beiden Seiten liefert a ∗ 0 = 0

4.5.2 Beispiele
1) (Z, +, ∗) ist ein kommutativer Ring mit Eins

2) M , ∅ eine Menge R := { f | f : M → R eine Abbildung}


Dann ist (R, +, ∗) ein Ring mit
+ : R × R → R, ( f, g) 7→ f + g

( f + g)(x) := f (x) + g(x) ∀x ∈ M

∗ : R × R → R, ( f, g) 7→ f ∗ g
( f ∗ g)(x) := f (x) ∗ g(x) f orallx ∈ M kommutativ und „mit Eins“
1 : M → R, x 7→ 1

4.5.3 inverses Element


Definition

Sei (R, +, ∗) ein Ring mit Eins. Falls a ∈ R invertierbar ist, so ist das zu a inverse Element
eindeutig. (Wir bezeichen dieses dann mit a−1 )

Beweis

Sei a ∈ R, sei b ∈ R Inverses zu a. Sei b̃ ∈ R ebenfalls Inverses zu a. Dann gilt:

b = b ∗ 1 = b ∗ (a ∗ b̃) = (b ∗ a) ∗ b̃ = 1 ∗ b̃ = b̃


Die Menge Q hat „mehr Strucktur“ als Z, denn in ihr sind alle Elemente (außer 0)
invertierbar. Dies macht (Q, +∗) bzw. (R, +, ∗) zu Körpern.

4.6 Körper
4.6.1 Definition
Ein kommutaiver Ring (R, +, ∗) mit Einselement 1 heißt Körper, falls

1) 1 , 0
22

2) jedes a ∈ R \ {0} ist invertierbar

(Alternativ):

K ist eine Menge, (K, +) und (K\, ∗) sind komutative Gruppen, es gelten die Distributiv-
gesetzte.
Satz

Für jeden Körper K, gelten die foögenden Aussagen:

1) a ∗ b = a ∗ ∧ a , 0 ⇒ b = c ∀a, b, c ∈ K

2) a ∗ b = 0 ⇒ a = 0 ∨ b = 0 ∀a, b ∈ K

(K ist „nullteilerfrei“)

Beweis

1) Sei a ∗ b = a ∗ c mit a , 0. Multipliziere von links mit a−1 liefert b = c

2) Sei a ∗ b = 0. Falls a = 0, sind wir fertig.


Also können wir a , 0 annehmen, d.h. a ist invertierbar. Multiplikation von links
mit a−1 liefert b = 0.

5 Matrizen
5.1 Grundlegende Definitionen und Eigenschaften
5.1.1 Matrix
Definition

Sei R ein kommutativer Ring mit Eins. Seien n, m ∈ N. Ein Feld

A = [ai j ] =
mit ai j ∈ R heißt (n × m) - Matrix über R.

Bezeichnung: A ∈ Rn,m weitere Bezeichnungen:

 i1 , ai2, . . . , aim ] ∈ R ist die i-te Zeile von A


1) [a 1,m

 a1j 


 a2j 
 .  ∈ Rn,1 ist die j-te Spalte
 
 .. 
 
an j
 

2) 0n,m (oder 0) ist die Nullmatrix (alle Einträge gleich 0)


23

3) In (oder I) ist die Einheitsmatrix in Rn,n , d.h., die Matrix mit den Einträgen

1 falls i = j

ai j = δi j := 

0 sonst

4) [] ist die „leere Matrix“ (analog zur obigen Definition: 0 × m, n × 0, 0 × 0)

5.1.2 Operationen auf Matrizen


1) + : Rn,m × Rn,m → Rn,m , (A, B) 7→ A + B := [ai j + bi j ]
m
2) ∗ : Rn,m × Rm,t → Rn,t ,
P
(A, B) 7→ A ∗ B := [ci j ] mit ci j := aik · bk j
k=1

Beispiel

 1 · 0 + 2 · 1
     
 1 2 !   2 
0

 3 4 =  3 · 0 + 4 · 1  =  4 
 
 ×
   
1
0·0+1·1
    
0 1 1

Merkschema (Schema einfügen)


Satz

Für A, Â ∈ Rn,m und B, B̂ ∈ Rm,s und C ∈ Rs,t

1) A ∗ (B ∗ C) = (A ∗ B) ∗ C

2) (A + Â) ∗ B = A ∗ B + Â ∗ B
A ∗ (B ∗ B̂) = A ∗ B + A ∗ B̂

3) In ∗ A = A ∗ In = A

Beweis

nur 1) Sei D = [di j ] = (A ∗ B) ∗ C


Es gilt per Defintition:

 m
s X
 
X  
di j = aik · bkl  · cl j 



l=1 k=1
s
XX m
= (aik · bkl ) · cl j da die Einträge aus einem Ring
l=1 k=1
X m
s X  
= aik · bkl · cl j Asso. im Ring
l=1 k=1
 j 
m
X X 
= aik  bkl · ci j 
 
 
k=1 l=1
⇒ Wir sehen, das[di j ] = A ∗ (B ∗ C)
24

2) - 3) Übung

Die Matrixmultiplikation ist zwar assoziativ, aber NICHT kommutativ

Beispiele

1) A ∈ R2,4 , B ∈ R4,9 , dann ist A ∗ B definiert, B ∗ A aber nicht.

2) konkretes Beispiel:
! !
1 2 4 0
A := B= ∈ Z2,2
0 3 5 6

Ist a ∈ Rn,n und p ∈ N,so schreiben wir Ap := A ∗ A ∗ . . . ∗ A


| {z }
p - mal
Außerdem A0 = In

5.1.3 Multiplikation mit einem Skalar


· : R × Rn,m → Rn,m , (lambda, A) 7→ λ · A := [λ · ai j ]

Satz Für A, B ∈ Rn,n und λ, µ ∈ R gelten:

1) (λ · µ) · A = λ · (µ · A)

2) (λ + µ) · A = λ · A + µ · A, insbesondere: 0 · A = 0n,m = 1 · A + (−1) · A

3) λ · (A + B) = λ · A + λ · B, insbesondere : 1 · A = A

4) λ · (A ∗ B) = (λ · A) ∗ C (falls C ∈ Rm,t )

Beweis: Übung

5.1.4 Transposition
T : Rn,m → Rm,n , A 7→ AT : [a ji ] für A = [ai j ]
Beispiele

 
 1 2 !
1 3 5

A =  3 4  , A =
T
 
 2 4 6
5 6

Satz Für A, Â ∈ Rn,m , B ∈ Rm,s , λ ∈ R gelten:

1) (AT )T = A

2) (A + Â)T = AT + ÂT
25

3) (λ · A)T = λ · AT

4) (A ∗ B)T = BT ∗ AT

Beweis: 1) - 3) trivial

zu 4)

Sei A ∗ B = C = [ci j ] mit c k


P
i j= aik ·bk j
k=1
Sei AT = [ãi j ], BT = [b̃i j ], (A ∗ B)T = [c̃i j ]
Dann gilt

m
X
c̃i j = c ji = a jk bki
k=1
m
X
= ãk j b̃ik
k=1
kommu. m
Ring X
= b̃ik ãk j woraus (A ∗ B)T = BT ∗ AT ersichtlich ist.
k=1

A ∈ Rn,m +, ∗, ·, T

5.1.5 Übung 9.5.2008 Ringe, Körper, Matrizen


Übung wird später ergänzt

5.2 Matrizen, Gruppe und Ringe


5.2.1 Satz (Rn,m , +) ist Gruppe
(Rn,m , +) ist eine Gruppe mit neutralem Element 0 = 0n,m (Nullmatrix) und zu A = [ai j ] ∈
Rn,m inversem Element

−A := [−ai j ] ∈ Rn,m
Beweis:

+ : Rn,m × Rn,m → Rn,m (abgeschlossen) ist

• assoziativ:

A + (B + C) = [ai j ] + [bi j + ci j ]
= [ai j + (bi j + ci j )]
Asso. in R
= [(ai j + bi j ) + ci j ]
= (A + B) + C
26

• kommutativ:

A+B = [ai j + bi j ]
Kommu. R, +
= [bi j + ai j ]
= B+A

Es gelten:
0 + A = [0] + [ai j ] = [0 + ai j ] = [ai j ] = A
−A + A = [−ai j ] + [ai j ] = [−ai j + ai j ] = [0] = 0

(Wir schreiben A − B anstatt A + (−B))

5.2.2 invertierbar
Definition

Eien Matrix A ∈ Rn,n heißt invertierbar wenn es eine Matrix à ∈ Rn,n gibt mit A ∗ à = In =
à ∗ A

1) In R gelte 0 ,! 1 (d.h. R , 0)
1 0
A= ist in R2,2 nicht invertierbar.
0 0

Warum?
! ! ! !
1 0 ã11 ã12 ã11 ã12 ? 1 0
∗ = =
0 0 ã ã22 0 0 0 1
! 21 ! ! !
ã11 ã12 1 0 ã11 0 ? 1 0
∗ = =
ã21 ã22 0 0 ã21 0 0 1
⇒0=1
1 − 21
! !
1 1
2) A = ∈ Z . Für B =
2,2
1 gilt:
0 2 0 2
B ∗ A = A ∗ B = In . A ist als Element von Z2,2 nicht invertierbar, als Element von Q2,2
aber schon.

5.2.3 Satz (Rn,n , +, ∗)


(Rn,n , +, ∗) ist ein (icht-kommutativer) Ring mit Einselement In

Beweis:

1) (Rn,n , +) ist kommutative Gruppe (s.o)

2) Distributivgesetze (berreits gezeigt), ebenso Assoziaivität von ∗


27

3) In ∗ A = A ∗ In = A (bereits gezeigt)
4) Nicht-Kommutativität (bereits gezeigt Bsp.)

Da Rn,n ein Ring mit Eins ist, ist die Inverse einer ivertierbaren Matrix A ∈ Rn,n eindeutig
bestimmt. Diese bezeichnen wir mit A−1

5.2.4 Satz (AT )−1 , (A ∗ B)−1


Seien A, B ∈ Rn,n invertierbar. Dann gelten:

1) AT ist invertierbar und (AT )−1 = (A−1 )T


2) A ∗ B ist invertierbar und (A ∗ B)−1 = B−1 ∗ A−1 .

Beweis:

(M∗N)T =NT ∗MT


1) (A−1 )T ∗ AT = (A ∗ A−1 )T = InT = In
A ∗ (A ) = (A ∗ A) = InT = In
T −1 T −1 T

⇒ (A−1 )T = (AT )−1


2) B−1 ∗ A−1 ∗ (A ∗ B) = B−1 ∗ (A−1 ∗ A) ∗ B = In
| {z }
=In
(A ∗ B) ∗ (B−1 ∗ A−1 ) = A ∗ (B ∗ B−1 ) ∗ A−1 = In

⇒ (A ∗ B)−1 = B−1 ∗ A−1

5.2.5 Satz Gln (R)


Die Menge der invertierbaren Matrizen A ∈ Rn,n bildet bzgl. der Matrixmultiplikation
eine (für n ≥ 2 nicht komutative) Gruppe (Bezeichnung: Gln (R))

Beweis: Übung

5.2.6 obere/untere Dreiecks-, Diagonal-, Permutationsmatrix


Definition

Sei A = [ai j ] ∈ Rn,n


ai j = 0 für i > j
( )
obere 

1) A heißt Dreiecksmatrix falls 
untere ai j = 0
 für i < j

2) A heißt Diagonalmatrix, falls A obere & untere Dreiecksmatrix ist.


3) A heißt Permutationsmatrix, falls A in jeder Zeile und jeder Spalte genau einen
Eintrag 1 hat alle anderen Einträge 0 sind.
28

5.2.7 Satz invertierbare Dreiecksmatrizen


Die Menge Mn der invertierbaren oberen Dreiecksmatrizen A ∈ Rn,n bildet eine Unter-
gruppe von Gln (R) (analog für untere)

Beweis:

Es gilt In ∈ Mn ⊆ Gln (R), also Mn , ∅, zu zeigen sind:

1) A × B ∈ Mn ∀A, B ∈ Mn

2) Aus A ∈ Mn folgt A−1 ∈ Mn ∀A ∈ Mn

zu 1) und 2):

1) Sei A = [ai j ], B = [bi j ] ∈ Mn , sei A ∗ B = C = [ci j ]


Dann ist C invertierbar (s.o.)
noch z.z.: ci j = 0 für i > j.
Es gilt
n
X
ci j = aik bk j
k=1
j
bk j für k > j X
= aik bk j
k=1
aik = 0 für i > k
= 0 für i > j

2) Für A ∈ Mn ist A−1 ∈ Mn


Bezeichnung: A−1 = C = [ci j ]. Es gilt A ∗ C = In

 a11 ... a1n c1j   δ1j


    
..   .
  
 .. ..    =  ..

⇔ 
 . .  
  .  

 (?2)
ann cn j δn j
  

für j = 1, . . . , n (δ = Kronecker - δ)

Behauptung:
Die Einträge a11 , . . . , ann von A sind invertierbar und für i = n, n − 1, . . . , 1:

n
ci j = a−1 ail cl j ) für j = 1, . . . , n
P
ii
(δi j − (?1)
l=i+1

gehört noch zzum Beweis?


Betrachte: i = n Für i = n, d.h. die letzte Zeile in (?2) gilt:

ann · cn j = δn j j = 1, . . . , n

Insbesondere für j = n ann · cnn = 1


1 = cnn · ann
29

nn = cnn
Somit ann invertierbar mit a−1
n
Es folgt cn j = a−1 j = 1, . . . , n d.h. (?1) für i = n denn
P
nn · (δn j ) ist leer
n+1
Nun nehmen wir an, das (?1) für i = n, . . . , k + 1 gilt, wobei n − 1 ≥ k ≥ 1

Annahme(???):
Um (?1) für i = k zu beweisen, betrachten wir Zeile k in (?2):

akk · ck j + akk+1 · ck+1, j + . . . + akn · cn j = δk j ,j=1 (?3)


Insbesondere für j = k:

akk · ckk + ak,k+1 · ck+1,k + . . . + akn · cnk = δk j


|{z} |{z}
=0 =0 nach Ann. ???
Somit akk · ckk = 1 = ckk · akk ⇒ a−1
kk
= ckk
Es folgt aus (?3) nach Multiplikation mit a−1
kk
on links und leichter Umformung, dass
n
X
ck j = a−1
kk · (δk j − akl · cl j ) für j = 1, . . . , n
l=k+1

D.h. (?1) gilt für i = k

In diesem Beweis haben wir mit (?1) eine rekursive Formel für die Inverse einer inver-
tierbaren oberen Dreiecksmatrix benutzt (bzw. gefunden).

Die Formel für die Invertierung läßt sich auf invetierbare Blockmatrizen übertragen. Sei
A ∈ Rn,n , wähle ein k.
1 ≤ k ≤ n − 1 und partitioniere A wie folgt:
!
A11 A12
A= A11 ∈ Rkk , A22 ∈ Rn−k,n−k
A21 A22
Sind A, B ∈ Rn,n zwei so patitionierte Matrizen, dann läßt sich A ∗ B blockweise auswerten:

A11 ∗ B11 + A12 ∗ B21 A11 ∗ B12 + A12 ∗ B22


! ! !
A11 A12 B11 B12
∗ =
A21 A22 B21 B22 A21 ∗ B11 + A22 ∗ b21 A21 ∗ B12 + A22 ∗ B22

Eine block-obere Dreiecksmatrix


!
A11 A12
A=
0 A22
ist invertierbar, wenn A11 und A22 invertierbar sind und es gibt dann

A−1 −1 A A−1
!
−A 12
A =
−1 11 11 22
0 A−1
22
30

5.2.8 Satz
1) Die Menge der invertierbaren Permutationsmatrizen A ∈ Rn,n bildet eine kommu-
tative Untergruppe von Gln (R)

2) Die Menge der Permutationsmatrizen A ∈ Rn,n bildet eine Unterguppe von Gln R

Beweis: Übung (HA)

6 Die Treppennormalform einer Matrix


Idee:

Zu jedem A ∈ Kn,m finde durch elementare Zeilenoperationen eine eindeutig bestimmte


Matrix B ∈ Kn,n , die (quasi) obere Dreiecksgestallt hat und die wir die Treppennormalform
(TNF) von A nennen.
Die Matrix B ist Produkt on sogenannten Elementarmatrizen.

6.1 Elementarmatrizen
Sei R kommutativer Ring mit 1. In = [δi j ] ∈ Rn,n , ei die i-te Spalte von In , dh. In =
(e1 , e2 , . . . , en )

1) Sei n ≥ 2, i, j ∈ N gegeben mit 1 ≤ i ≤ j ≤ n und sei


 
Pi j = e! , . . . , ei−1 , e j , ei+1 , . . . , e j−1 , ei , e j+1 , . . . , en ∈ Rn,n

d.h. die Einheitsmatrix mit den Spalten i und j vertauscht.


Pi j ist also eine Permutationsmatrix.

Für A ∈ Rn,m liefert Pi j ∗ A die Matrix, in der die Zeilen i und j von A vertauscht sind.
Beispiel:
     
 0 0 1   1 2   5 6 
 0 1 0  ∗  3 4  =  2 3
     

     
1 0 0 5 6 1 2
| {z }
P13

2) Sei 1 ≤ i ≤ n, λ ∈ R

Mi λ := (e1 , . . . , ei−1 , λ · ei , ei+1 , . . . , en ) ∈ Rn,n

ist eine Diagonalmatrix. Mi (λ) ∗ A ist die Matrix, in der die i-te Zeile von A mit λ
multipliziert ist.

Beispiel:
31

     
 1 0 0   1 2   1 2 
 0 4 0  ∗  3 4  =  12 16
     

     
0 0 1 5 6 5 6
| {z }
M2 (4)

3) Sei n ≥ 2, 1 ≤ i < j ≤ n, λ ∈ R
 
Gi j (λ) = e1 , . . . , ei−1 , ei + λ · e j , ei+1 , . . . , en ∈ Rn,n

ist eine untere Dreiecksmatrix.

Beispiel: n = 3, i = 1, j = 2, R = Q, λ = 21
   
   1 0 0   1 2
1

=  2 1 0  , A =  3
 1
G12 4
  

2 
0 0 1 5 6
  

Multiplikation mit Gi j (λ) von links an A ersetzt Zeile j durch λ· (Zeile i) + Zeile j:
 
 1 2
1
  
G12 ∗ A =  72 5
 

2 
5 6

Multiplikation mit Gi j (λ)T ersetzt Zeile i durch λ· (Zeile j) + Zeile i:


 1
    5 
 T  1 2 0   1 2   2 4
1

G12 ∗ A =  0  ∗  3 4  =  3 4
     
1 0 
2     
0 0 1 5 6 5 6

6.1.1 Satz
Seien Pi j , Mi (λ), Gi j (λ) wie oben definiert. dann gelten:

1) Pi j ist invertierbar und P−1


ij
= PTij .

2) Für invertierbares λ ∈ R ist Mi (λ) invertierbar und Mi (λ)−1 = Mi (λ−1 )

3) Gi j (λ) ist invertierbar und Gi j (λ)−1 = Gi j (−λ)

Beweis: Übung (siehe Tutorium)

Annahme nun A ∈ Kn,m (K = Körper), denn im Beweis der TNF wird stänig Invertierbar-
keit der Einträge von Matrizen benötigt.
32

6.1.2 Satz
Sei A ∈ Kn,m . Dann gibt es (invertierbare) Elementarmatrizen S1 , . . . , St ∈ Kn,n , so dass

C = [ci j ] = St ∗ . . . ∗ S1 ∗ A

in Treppennormalform ist, d.h. entweder C = 0 oder es gibt r ≥ 1 natürliche Zahlen


j1 , . . . , jr (die „Stufen“ der TNF) mit 1 ≤ j1 < . . . < jr ≤ min{n, m}, so dass

i) ci j = 0 für 1 ≤ i ≤ r und 1 ≤ j < j1


ii) ci j = 0 für r < i ≤ n und 1 ≤ j ≤ n
iii) ci ji = 1 für 1 ≤ 1 ≤ r und alle anderen Einträge in der Spalte ji sind gleich Null.
iv) ci j = 0 für ji < j < ji+1 , für i = 1, . . . , r − 1 i + 1 < k ≤ r

D.h. C hat die Form:

Skizze ergänzen
Beweis:
Konstruktiv, mit Hilfe des Gauß’schen Algorithmus.
Ist A = 0 so setze S1 = In , fertig (C = 0). Sei nun A , 0. Sei j1 der Index der ersten Spalte
(von links) von A, die nicht aus lauter Nullen besteht. Bezeichne
(1)
A(1) = [ai j ] := A

(1)
Sei ai der erste Eintrag von A(1) (von oben), der ungleich Null ist, d.h.:
1 ,j1

 
 0 
 .. 
.
 
 
 
 0 

 
A (1)
= 


0 (1)
ai , j
1 1




 

..
 

.
 
 


6.1.2.1 Ablauf des Gaußalgorithmus


1) Falls i1 , tausche Zeilen i1 und 1, durch Linksmultiplikation mit P1,i1 .
(1) (1) −1
2) Falls ai , 1, normiere die neue erste Zeile durch Lniksmultiplikation mit M1 ((ai ) )
1 ,j1 1 , j1

Diese beiden Schrite führen auf:


 
 1 
 (1) 
 ã2, j 
(1) −1 1
 = [a(1) ]
Ã(1) = M1 ((ai ∗ P1,i1 ∗ A(1) = 
 
..
1 , j1
) )

 0 .
(1)
∗ 


ij

ãn,j
 
1
33

3) Eliminiere
  unterhalb der 1 in der Spalte j1 durch Linksmultiplikation mit
(1)
G1k −ãk, j für k = 2, 3, . . . , n.
1

Wir erhalten dann:


 
 1 ∗ 
0
 
(1) (1) (1)
 
G1,n (ãn,j ) ∗ . . . ∗ G12 (ãi , j ) ∗ M1 ((ãi ,j )−1 ) ∗ P1,i1 ∗A(1) =  ..

0 . A(2)
1 1 1 1 1

| {z }  
 
=:S1 0

4) Wiederhole diese Schritte für die Matrix A(2)


! Matrizen Sk , k = 1, 2, . . . rekursiv durch
Wir definieren die
Ik−1
Sk =
0 S̃k

, wobei
jk

 
 1 ∗ 
0
 
 
S̃k A(k) =  ..

0 . A(k+1)

 
 
0

Dieser Algorithmus bricht nach r ≤ min{n, m} Schritten ab, dann gilt entweder

Ar+1 = 0 oder Ar+1 = [·] (leere Matrix)

Wir erhalten
1 ∗ ∗ ∗ ∗
 
..
 
 

 0 1 ∗ ... . 

.. ..

 
0 . 0 .
 
 
.. ..
 
. .
 

Sr ∗ . . . ∗ S1 ∗ A = 
 
.. ..
 (4)
. .

1
 

.. ..
 

. .

 0 

.. .. ..
 
. . . 0
 
 
 
0 0 0

Nach Konstrucktion stehen Einsen in den Positionen

(1, j1 ), . . . , (r, jr )

Falls r = 1, ist (4) in TNF, fertig.


Falls r > 1, müssen wir noch über den Positionen (2, j2 ), . . . , (r, jr ) eliminieren. Dazu
sei die Matrix (4) bezeichnet mit
(1)
R(1) = [ri j ] für k = 2, . . . , r
34

bilden wir rekursiv


(k)
R(k) = [ri j ] = Sr+k−1 ∗ R(k−1)
, wobei
(k−1) (k−1)
Sr+k−1 := G1k (−r1,r )T ∗ . . . ∗ Gk−1,k (−rk−1,j )T
k k

6.1.3 Satz
Sei A ∈ Kn,m . Dann gibt es Elentarmatrizen (invertierbar) S1 , . . . , St ∈ Kn,n , so dass

C = [ci j ] = St ∗ . . . ∗ S1 ∗ A

in Treppennormalform (TNF) ist. Das heißt, entweder C = 0 oder es gibt r ≥ 1 natürliche


Zahlen j1 , . . . , jr mit 1 ≤ j1 < . . . < jr ≤ min{, m} so das

1) ci j = 0 für 1 ≤ i ≤ r und 1 ≤ j < j2

2) ci j = 0 für r < i ≤ n und 1 ≤ j ≤ m

3) ci,j1 = 1 und alle anderen Einträge in Spalte ji sind 0, i = 1, . . . , r

einfügen Matrix
Sei nun n = m. Dann gilt:
A ist invertierbar ⇔ C = In
In diesem Fall gilt: A−1 = St ∗ . . . ∗ S1 .
Beweis:

„⇒“

Ist A invertierbar, so ist auch C als Produkt invertierbarer Matrizen invertierbar. Offen-
sichtlich kann C keine Nullzeile oder -spalte enthalten. Also muss

 1
 


 1 

C = 
 1 

. .

.
 
 

1

gelten, d.h. C = In

„⇐“

Wenn C = In so gilt In = St ∗ . . . ∗ S1 ∗A
| {z }
=A−1

6.1.4 Definition
Die Positionen (1, j1 ), . . . , (r, jr ) einer Matrix C ∈ Kn,m , die in TNF ist, werden die Pivotpo-
sitionen von C genannt.
35

6.1.4.1 Korollar Falls A ∈ Kn,n invertierbar ist, so gibt es eine Permutationsmatrix


P ∈ Kn,n , eine invertierbare untere Dreiecksmatrix L ∈ Kn,n und eine invertierbare obere
Dreiecksmatrix R ∈ Kn,n mit
A=P∗L∗R
(sogenannte L-R-Zerlegung von A)

Beweisidee:
 
 1

 ..
.
∗ 


Erster Teil von Gauß führt auf Sn ∗ . . . ∗ S1 ∗ A = 
 
..

.
 
0
 

1

| {z }
=:R
Zeige nun Sn ∗ . . . ∗ S1 = L̃ ∗ P̃ für ein L̃ ∈ Gln (K) untere Dreiecksmatrix und P̃ ∈ Kn,n
Permutationsmatrix. Dann gilt A = P̃−1 ∗ L̃−1 ∗ R .

6.1.5 Lemma
Für Z ∈ Gln (K) und x ∈ Kn,1 gilt:

Zx = 0n,1 ⇔ x = 0

Beweis:

Zx = 0 ⇔ Zx = Z · 0n,1
⇔ (Z−1 ∗ Z)x = 0
| {z }
=In
⇔ x=0

6.1.6 Satz
Seien A, B ∈ Kn,m in TNF. Falls es eine invertierbare Matrix Z ∈ Kn,n gibt mit A = Z ∗ B,
so gilt A = B, d.h. die TNF ist invariant unter Linksmultiplikation mit invertierbaren
Matrizen.
Insbesondere gibt es zu jeder Matrix M ∈ Kn,m genau eine Matrix C ∈ K,m in die sich M
durch Linksmultiplikation mit Elementarmatrizen überführen läßt, d.h. die TNF einer
Matrix ist eindeutig bestimmt.

Beweis:

Seien A, B ∈ Kn,m in TNF und sei Z ∈ Gln (K) mit A = Z ∗ B.


Falls B = 0, so gilt Z ∗ B = 0 = A also A = B.
Sei nun B , 0. Seien ai , bi die Spalten von A und B, i = 1, . . . , m.
Seien (1, j1 ), . . . (r, jr ) die Pivotpositionen von B. Wir zeigen (induktiv), dass