Lineare Algebra I

Dr. Emanuele Delucchi

WiSe 2010/11

Christopher Schael
10. Januar 2011

10. Januar 2011

Inhaltsverzeichnis
1 Grundbegrie
1.1

1.2

Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Definition - Teilmengenbildung . . . . . . . .
1.1.2 Definition - Potenzmengenbildung . . . . . . .
1.1.3 Definition - Durchschnitt und Vereinigung . .
1.1.4 Definition - Differenz . . . . . . . . . . . . . .
1.1.5 Definition - Abbildung . . . . . . . . . . . . . .
1.1.6 Definition - Komposition/Kringelprodukt . .
1.1.7 Lemma (Folgerung) . . . . . . . . . . . . . . .
1.1.8 Definition - Bild/Urbild . . . . . . . . . . . . .
1.1.9 Definition - Injektiv, Surjektiv, Bijektiv . . . . .
1.1.10 Lemma - . . . . . . . . . . . . . . . . . . . . .
1.1.11 Definition - kartesisches Produkt . . . . . . . .
1.1.12 Definition - Mchtigkeit . . . . . . . . . . . . .
1.1.13 Definition - endliche Menge . . . . . . . . . . .
quivalenzrelation . . . . . . . . . . . . . . . . . . . .
1.2.1 Relation . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Definition - quivalenzrelationen . . . . . . .
1.2.3 Beispiel . . . . . . . . . . . . . . . . . . . . . . .
1.2.4 Definition - quivalenzklasse . . . . . . . . . .
1.2.5 Satz - Eindeutigkeit der quivalenzklasse . .
1.2.6 Korollar . . . . . . . . . . . . . . . . . . . . . .
1.2.7 Definition - Menge der quivalenzrelationen

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

2 Gruppen
2.1

2.2

2.3
2.4

2.5

7
7
7
8
8
8
8
8
9
9
9
10
11
11
11
11
11
11
12
12
12
12

13

Definitionen und Beispiele . . . . . . . . . . . .

2.1.1 Definition - Gruppenaxiome . . . . . .
2.1.2 Schreibweisen . . . . . . . . . . . . . . .
2.1.3 Satz zur Eindeutigkeit . . . . . . . . . .
2.1.4 Definition - Gruppenhomomorphismus
2.1.5 Definition - abelsche Gruppe . . . . . .
2.1.6 Lemma . . . . . . . . . . . . . . . . . . .
2.1.7 Definition - Isomorphismus . . . . . . .
Ringe und Krper . . . . . . . . . . . . . . . . .
2.2.1 Definition - Abelsche Gruppe . . . . . .
2.2.2 Bemerkung . . . . . . . . . . . . . . . .
2.2.3 Definition - Krper . . . . . . . . . . . .
2.2.4 Bemerkung . . . . . . . . . . . . . . . .
2.2.5 Beispiele . . . . . . . . . . . . . . . . . .
Komplexe Zahlen . . . . . . . . . . . . . . . . .
Komplexe Zahlen . . . . . . . . . . . . . . . . .
2.4.1 Rechenregeln . . . . . . . . . . . . . . .
2.4.2 Komplexe Konjugation . . . . . . . . .
2.4.3 Gau-Argandsche Ebene . . . . . . . .
2.4.4 Addition - geometrisch . . . . . . . . .
2.4.5 Multiplikation - geometrisch . . . . . .
2.4.6 Drehung und Streckung . . . . . . . . .
Polynome . . . . . . . . . . . . . . . . . . . . .
2.5.1 Definition - Polynom . . . . . . . . . . .
2.5.2 Beispiele . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

13
13
13
13
13
14
14
15
16
16
16
17
17
17
18
18
19
19
19
19
20
21
22
22
22

10. Januar 2011

2.6

2.7

2.5.3 Definition - Nullstelle . . . . .

Lineare Gleichungssysteme . . . . . .
2.6.1 Defintion - Zeilenstufenform .
2.6.2 Elementare Zeilenoperationen
2.6.3 Satz - Zeilenstufenform . . . .
2.6.4 Satz - . . . . . . . . . . . . . .
Gausches Eliminationsverfahren . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

3 Vektorrume
3.1

3.2

3.3

3.4
3.5

26

Definition - Vektorraum . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Rechenregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.3 Definition - Untervektorraum . . . . . . . . . . . . . . . . . . . . . .
3.1.4 Satz - Vererbung der Eigenschaften eines Vektorraum . . . . . . .
3.1.5 Lemma - . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.6 Lemma - . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Linearkombinationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.1 Definition - Linearkombination . . . . . . . . . . . . . . . . . . . . .
3.2.2 Lemma - . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.3 Definition - linear unabhngig . . . . . . . . . . . . . . . . . . . . .
3.2.4 Lemma - lin. unabhngig Erzeugniselemente sind lin. abhngig
3.2.5 Bemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.6 Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Basen und Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.1 Definition - Erzeugendensystem . . . . . . . . . . . . . . . . . . . .
3.3.2 Definition - Basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.3 Satz - existenz endlicher Basen . . . . . . . . . . . . . . . . . . . . .
3.3.4 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Zornsches Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Summen von Vektorrumen . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.1 Definition - . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.2 Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.3 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.4 Definition - Direkte Summe . . . . . . . . . . . . . . . . . . . . . . .
3.5.5 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

4 Lineare Abbildungen
4.1

22
23
23
24
24
24
25

26
26
27
27
27
28
28
29
29
29
30
30
30
31
32
32
32
32
33
34
35
35
35
35
36
36

37

Lineare Abbildung . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Definition . . . . . . . . . . . . . . . . . . . . . . .
4.1.2 Satz . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.3 Definition - Kern und Bild linearer Abbildungen
4.1.4 Bermerkung . . . . . . . . . . . . . . . . . . . . . .
4.1.5 Definition - Isomorphismus . . . . . . . . . . . . .
4.1.6 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.7 Korollar . . . . . . . . . . . . . . . . . . . . . . . .
4.1.8 Satz - Dimensionsformel . . . . . . . . . . . . . . .
4.1.9 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.10 Korollar . . . . . . . . . . . . . . . . . . . . . . . .
4.1.11 Lemma . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.12 Definition . . . . . . . . . . . . . . . . . . . . . . .
4.1.13 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

37
37
37
38
38
39
39
40
40
41
41
41
42
42

10. Januar 2011

4.2

4.3

Matrizen . . . . . . . . . . . . . . . . . . . . .
4.2.1 Notation . . . . . . . . . . . . . . . . .
4.2.2 Satz . . . . . . . . . . . . . . . . . . . .
Komposition von linearen Abbildungen . . .
4.3.1 Definition - Produkt zweier Matrizen
4.3.2 Korollar . . . . . . . . . . . . . . . . .
4.3.3 Definition - transponierte Matrix . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

44
44
44
45
45
45
46

10. Januar 2011

Google-Problem
Problem: Jeder Internetseite einen Rang zuordnen.
Idee: Seite ist wichtig, wenn sie von wichtigen Seiten gelinkt wird. Folglich:
Fr den Rang einer Seite gilt:
r = c + rl
l = #Links, die von ausgehen
r = Rang der Seite
n

c=

rP

= Summe aller Rnge der Seiten P, die auf verweisen.

i =1

Beispiel:
Google-Page-Rank-Matrix:
Nach Umformungen erhlt man schnell:

r1
1

0 0 3 0 0

1
1

r2

13 0 3 0 01

H = 3 1 0 0 2 r3

0 0 1 0 0

r4

0
0
1
0
3
r5

= r3
= r1
= r1
= r3
= r1

Die gemachten Umformungen:

r1 = r3 13

1
1

r2 = r1 3 + r3 3
I II
r3 = r1 13 + r2 + r5 21

I I I + I I +3I

r4 = r3 1 + r5 1

3
2

r5 = r1 13 + r4

1
3
1
3
1
3
1
3
1
3

1
3

+ r3
+ r2 + r5
+ r5 12
+ r4

r3

r2
r5

r4

r5

1
2

r3

r2

r5

r4

r5

= 3r1
= 43 r1
= 83 r1
= r3 13 + r5
= r1 13 + r4

Link-Graph
1

= 3r1
= r1 43
= r1 83
= 37 r1
= r1 83

r1 : =1

IV + 12 I I Ib I
1
2

V + IV + I I + I I I

r1

r3
r2

r5

r4

r3

r2
r5

r4

1
3 r3

=1
=3
= 43
= 83
= 73

= 3r1
= 43 r1
= 83 r1
= 73 r1
= r1

2+
2+

2
3
1
3

10. Januar 2011

Zwischenrechnungen:
II I
1
r2 r1 = r1
3
4
+r1
r2 = r1
3

I I I + I I + 3I
1
4
1
1
r3 + r2 + 3r1 = r1 + r2 + r5 + r1 r1
3
2
3
3
5
1
r2
r3 + 3r1 = r1 + r5 + r3
3
2
5
1
r3
3r1 = r1 + r5
3
2
53 r1 1
4
r5 = r1
2
3
8
2
r5 = r1
3

IV + 21 I I Ib I
1
1
4
1
1
r4 + r5 r1 = r3 + r5 + r1 r3
2
3
2
3
3
21 r5 +r1
7

r4 = r1
3
V+IV+II+III

1
1
1
1
1
r1 + r4 + r3 + r5 + r1 + r2 + r5
3
3
2
3
2
1+1+1
1+1
1+1
r5 + r4 + r2 + r3 =
r1 + r2 +
r3 + r4 +
r5
3 }
3
2 }
| {z
| {z

r5 + r4 + r2 + r3 =

=1

=1

r5 r4 r2

23 r3

2
r3 = r1 + r3
3
1
r3 = r1
3

10. Januar 2011

1 Grundbegrie
1.1 Mengen
Eine Menge X ist eindeutig durch ihre Elemente festgelegt. Wir schreiben:
x X fr x ist Element von X.
x
/ X fr x ist kein Element von X.
{ a, b, c, ...} die Menge, die aus den Elementen a,b,c,... besteht.
Bemerkung:
1. Es gibt genau eine leere Menge:
2. Der umgang mit Mengen ist nicht unproblematisch
Beispiel:
Das Gebilde G aller Mengen A, fr die A
/ A, darf keine Menge sein. Denn wre G
eine Menge, so ist entweder G G (folglich G
/ G) oder G
/ G (folglich G G.

1.1.1 Denition - Teilmengenbildung

Sei X eine Menge und sei E(x) eine Aussage, deren Gltigkeit man fr alle x X berprfen
kann. Dann ist die Gesamtheit aller x X fr die E(x) wahr ist eine Menge.
Schreibweise:
Y := { x X | E( x ) wahr }
Sei Y = X mglich, dann heit Y Teilmenge von X und wir schreiben Y X.
Sei Y 6= X, dann heit Y echte Teilmenge von X und man schreibt Y ( X oder alternativ
Y X.

Beispiel:
1. Whlt man fr E(x) die Aussage x
/ X, dann Y = , deshalb X
2. Nimmt man fr E(x) x X, dann Y = X, deshalb Y X

X.

1.1.2 Denition - Potenzmengenbildung

Sei X eine Menge. Dann ist die Gesamtheit aller Teilmengen von X auch eine Menge: die
Potenzmenge von X, geschrieben P ( X )

Bemerkung
1. Fr alle Mengen X, P ( X ), X P ( X )
2. P () = {}, deshalb existieren nichtleere Mengen.

10. Januar 2011

1.1.3 Denition - Durchschnitt und Vereinigung

Sei X eine Menge. Sei weiter I eine sog. (Index-)Menge. Dann gilt:
i I Xi X . Dann sind
die Vereinigung:
S
i I

Xi := { x X | x Xi fr eini I }
der Durchschnitt:

T
i I

Xi = { x X | x Xi

i I }

1.1.4 Denition - Dierenz

Seien X,Y Mengen. Dann ist
X \ Y := { x X | x
/ Y}
eine Menge - die Differenzmenge von X und Y.

1.1.5 Denition - Abbildung

Eine Abbildung f : X Y zwischen zwei Mengen X,Y ist eine Vorschrift, welche jedem
x X ein wohlbestimmtes y Y zuordnet, das dann mit f ( x ) bezeichnet wird.
Wir schreiben auch:
x 7 f ( x )
X heit Definitionsbereich, Y heit Bildbereich von f.
Beispiel:
id x : X X
x 7 x

1.1.6 Denition - Komposition/Kringelprodukt

Seien X,Y,Z Mengen, und seien f : X Y und g : Y Z Abbildungen. Dann :
(g f ) : X Z
x 7 g( f ( x ))
und wir sagen: g Kringel f (das Kringelprodukt) bezeichnet die Komposition zweier Abbildungen.
Y

1.1.7 Lemma (Folgerung)

Sind f : X Y, g :
h (g f )

Y Z, h :

Z W Abbildungen von Mengen, so ist (h g) f =

10. Januar 2011

Beispiel:
x X gilt:

((h g) f )( x ) = (h g)( f ( x ))
= h( g( f ( x )))
(h ( g f ))( x ) = h( g f )( x )
= h( g( f ( x ))).

1.1.8 Denition - Bild/Urbild

Sei f : X Y, M X, N Y.
Dann heit f ( M) := {y Y |y = f (m) fr einm M }
(Bild von M unter f)
f 1 ( N ) = { x X | f ( x ) N } X
(Urbild von N)
Ist N = {Y } fr ein y Y, so f (y) = f 1 ({Y })

1.1.9 Denition - Injektiv, Surjektiv, Bijektiv

Sei f :

X Y eine Abbildung, f heit

Injektiv
falls das Urbild jedes Elements von Y entweder leer ist, aus einem einzigen Element
besteht...
d.h. Sei
wir:
 K die Menge aller injektiven Abbildungen, dann schreiben

K := f | f : X Y : xi , x j X, i 6= j f ( xi ) 6= f ( x j )
Surjektiv
falls f ( X ) = Y.
d.h. Sei S die Menge alle surjektiven Abbildungen, dann schreiben wir:
S := { f | f : X Y : y Y x X mit f ( x ) = y}
Bijektiv
falls f injektiv und surjektiv ist. D.h. Sei B die Menge aller bijektiven Abbildungen, dann
schreiben wir:
B := { f | f : X Y : f ( x ) Y !x X }
Bemerkung
Sind g und f Bijektiv, so ist auch die Komposition von g und f bijektiv.

1.1.10 Lemma Es seien X, Y nichtleere Mengen. Sei f :

X Y eine Abbildung

a) f ist genau dann injektiv, wenn es g :

Y X gibt, sodass g f = id x Formal:
f injektiv g : Y X mit g f = id x
b) f ist genau dann surjektiv, wenn es g :

Y X gibt, mit f g = idy

10. Januar 2011

Beweis:
a) Sei f injektiv, whle ein festes x0 X. Definiere fr alle y Y:
(

x0 y 6 = f ( x )
x y = f (x)
Dann g f = id x
g(y) :=

Umgekehrt
gibt es g : Y X mit g f = id x , dann ist f ( x ) = f ( x 0 )
x = id x ( x ) = ( g f )( x ) = g( f ( x )) = g( f ( x 0 )) = ( g f )( x 0 ) = x 0
Somit ist f injektiv.
b) Sei f surjektiv, zu jedem y Y whle x f 1 (y) und setze g(y) := x. Somit f g = idy
gibt es g : Y X mit f g = idy . Dann fr y Y ist y = idy (y) =
Umgekehrt:
( f g)(y) = f ( g(y))
|{z}
X

So fr x = g(y) gilt: y = f ( x )
Damit ist f surjektiv.

1.1.11 Denition - kartesisches Produkt

Sind X1 , ..., Xn Mengen. Ihr kartesisches Produkt ist die Menge
{( x1 , x2 , ..., xn )| xi Xi i = 1, ..., n} aller n-Tupeln mit i-ter Komponente in Xi .
Fr zwei n-Tupeln ( x1 , x2 , ..., xn ), ( x10 , x20 , ..., xn0 ) sind gleich, wenn x1 = x10 i = 1, ..., n
Schreibweise:

X1 X2 . . . X n = X i
i =1

Fr eine beliebige Indexmenge I ist ( Xi ), die Menge aller Tupeln ( xi )i I , die genau ein
i I

Element xi in jedem Xi enthalten.

Anwendung:
Die Menge N der natrlichen Zahlen ist durch folgende Eigenschaften charakterisiert:
1. N enthlt ein spezielles Element 0
2. Es gibt eine injektive Abbildung S :

NN

0
/ S (N)
Ist X X mit 0 X und fr x X gilt S( x ) X, dann ist X = N
Beipiel:
N = {0, 1, 2, .....} mit S( x ) = x + 1
N = {, {}, {{}, }}
mit S( x ) = P ( x )

10

10. Januar 2011

1.1.12 Denition - Mchtigkeit

Seien X,Y Mengen. X, Y sind gleichmchtig, wenn es eine Bijektive Abbildung X Y exisitiert.

1.1.13 Denition - endliche Menge

Eine Menge ist endlich, falls sie zu einer Menge der Form {1, 2, 3, ..., n} mit n N gleichmchtig ist. n ist die Mchtigkeit(Kardinalitt) von X, schreibe | X | = n

1.2 quivalenzrelation
1.2.1 Relation
Relation auf einer Menge X ist eine Teilmenge R X X, d.h. x, y X stehen in Relation
falls ( x, y) R, kurz: x y

1.2.2 Denition - quivalenzrelationen

Sei X eine Menge, die Relation auf X. Die Relation heit quivalenzrelation, falls
A1) x X :

xx

A2) x, y X :

( heit Reflexivi)

xyyx

A3) x, y, z X :

( heit symmetrisch)

x y und y z

x z ( heit Transitiv)

1.2.3 Beispiel
Whle m Z+ . Auf Z definieren wir: k l m|(l k ) (gesprochen: m teilt (l k ))

m|n wenn m z = n fr ein z Z

Behauptung: ist quivalenzrelation.

1. Sei k Z mit k k wenn m|(k k), doch m|0 denn m 0 = 0 ( A1)

2. k, l Z, k l.
l k wenn m|(k l ). Doch k l heit m z = (l k ) fr ein z Z.

Somit m (z) = (k l ), und l k ( A2)

3. Sei k s, s l. Dann gibt es z1 , z2 Z mit m|z1 = (s k ), mz2 = (l s)
Folglich:

(l k) = (l s) + (s k)
= m z2 + m z1
= m ( z1 + z2 )
m|(l k)
so gilt:

kl

( A3)

11

10. Januar 2011

1.2.4 Denition - quivalenzklasse

Ist eine quivalenzrelation auf einer Menge X gegeben, so heit eine nicht-leere Teilmenge
A X quivalenzklasse von , falls:
(k1) x y fr alle x, y A
(k2) ist x A und x y, so gilt y A

1.2.5 Satz - Eindeutigkeit der quivalenzklasse

Sei X eine Menge, eine quivalenzrelation auf X. Dann gehrt jedes Element a X zu
genau einer quivalenzklasse. (Bezeichnet [ a]).
Beweis:

Sei a X

1. Sei A := { x X | x a} A 6= denn nach ( A1) ist a A.

Seien x, y A. Nach Definition x a, y a
mit (A2): a y dann x a und a y

mit (A3): x y, so ist (k1)

Sei nun x A und y A mit x y.
A2
A3
A2

Nach Definition ist x a a x a y y a, so y A und (k2) .

Somit ist A eine quivalenzklasse, die a enthlt.

2. Seien A, A zwei quivalenzklassen, die beide A enthalten (a ( A A0 )). Dann gilt

x A x a nach (k1).
Nach (k2) ist dann auch x A0 . So A A0 , analog folgt A0 A.

1.2.6 Korollar
quivalenzklassen zu einer quivalenzrelation sind entweder identisch oder disjunkt (
A A0 = ). So zerfllt die Grundmenge X in einer disjunkten Vereinigung von quivalenzklassen von .

1.2.7 Denition - Menge der quivalenzrelationen

Ist quivalenzrelationen auf X so bezeichnet X/ (X mod Tilde), die Menge der quivalenzklassen von .

12

10. Januar 2011

2 Gruppen
2.1 Denitionen und Beispiele
2.1.1 Denition - Gruppenaxiome
Eine Menge G zusammen mit einer Verknpfung ( G, )
: G G G; ( a, b) a
heit Gruppe, falls gilt:
1. Assoziativitt
g (h k) = ( g h) k

g, h, k G

2. Existenz eines neutralen Elements

e G, sodass g e = e g = g g G
3. Existenz inverser Elemente
g G h G, sodass g h = h g = e
4. G heit kommutativ oder abelsch, falls g h = h g

g, h G

5. Ist G endlich, so heit | G | die Ordnung von G.

2.1.2 Schreibweisen
multiplikativ:

a b = a b = ab, dann e = 1 und a1 a = a a1 = e

additiv:

a b = a + b, dann e = 0 (neutral) und a + ( a) = a a = 0(invers)

2.1.3 Satz zur Eindeutigkeit

Sei ( G, ) eine Gruppe.
1. Das neutrale Element e ist eindeutig bestimmt und erfllt a e = a
2. Das inverse Element a0 zu a G ist eindeutig bestimmt und a a0 = e

2.1.4 Denition - Gruppenhomomorphismus

Seien ( G, ) und ( H, 4) Gruppen.
Eine Abbildung f : G H heit Gruppenhomomorphismus, falls:
f ( g1 g2 ) = f ( g1 )4 f ( g2 )
g1 , g2 G
: {1, 2, 3} {1, 2, 3}
Die Menge aller bijektiven ist eine Gruppe bzgl. Komposition von Abbildungen. Finden Sie
1 , 2 mit 1 2 6= 2 1 .
Beweis:
Sei e G ein neutrales Element und a G. Nach [2.1.1 (3)] gibt es a0 mit a0 a = e und auch
a00 mit a00 a0 = e

13

10. Januar 2011

a a0 = e a a0 = a00 ( a0 a) a0 = a00 a0 = e (eN)
a e = a ( a0 a) = ( a a0 ) a = e a = a

Gbe es ein weiteres neutrales Element e , dann e = e e = e e = e

eN

Ist a ein Element mit a a = e, so ist a = a e = a ( a a0 ) = e a0 = a0

2.1.5 Denition - abelsche Gruppe

Eine Gruppe ( G, ) heit Abelsch, falls g1 g2 = g2 g1 . D.h. falls die auf die Gruppe definierte
Verknpfung zustzlich kommutativ ist.
Beispiel:
(Permutationen)
Eine Permutation von n Elementen ist eine Bijektion:
: {1, 2, ..., n} {1, 2, ..., n}.
Die Menge aller solcher Permutationen Sn .
Auf Sn ist eine Verknpfung durch Komposition von Abbildungen definiert.

2.1.6 Lemma
Sei Sn . Bei jeder Zerlegung von als Produkt von benachbarten Transpositionen ist die
Paritt der Anzahl von Transpositionen konstant.
Beweis:
Betrachte: p( x1 , ..., xn ) = ( xi x j )
i j

Beispiel:
p
( x1 , x2 , x3 ) = ( x1 x2 )( x1 x3 )( x2 x3 )

1 2 3
=
2 1 3
p ( x (1) , x (2) , x (3) ) = p ( x 1 , x 2 , x 3 )

= ( x1 x2 )( x2 x3 )( x1 x3 )
= p ( x1 , x2 , x3 )
wirkt auf p( x1 , ..., xn ) durch vertauschen von Variablen. Eine benachbarte Transposition
i,i+1 wirkt wie folgt:
Faktoren ( xk xi ) mit {k, l } 6= {i, i + 1} bleiben
( x i x i +1 )
p( x1 , ..., xn )

( xi+1 xi ) = ( xi xi+1 ) Insgesamt:

p( x1 , ..., xn )

i,i+1

Ist Produkt von m benachbarter Transpositionen, so ist p( x1 , ..., xn )

(1) . . . (1) p( x1 , ..., xn )

|
{z
}
m Fach

Ist sowohl durch eine gerade Anzahl g von benachbarten Transpositionen, als auch
durch eine ungerade
Anzahl u von benachbarten Transpositionen ausdrckbar, so :
(
(1) g p( x1 , ..., xn )
p( x1 , ..., xn )
(1)u p( x1 , ..., xn )

14

10. Januar 2011

2.1.7 Denition - Isomorphismus

Seien G,H Gruppen. Eine Gruppe h

h:

G H heit Isomorphismus, falls f bijektiv.

Beispiel:
G = S3 (sind Permutationen von 3 Elementen.)
n
o
H: id, rot 2 , rot 4 , S1 , S2 , S3 Verknpfung auf H: Hintereinanderschaltung.
3

S1

S3

S2

Beispiel:
rot 2 rot 4 = id
3
3
S1 S3 = rot 2
3

1
1

1
2

1
1

1
3

1
2

1
3

2 3
2 3

2 3
1 3

7 id


7 S3


2 3
7 S1
3 2

2 3
7 S2
2 1

2 3
7 rot 2
3
3 1

2 3
7 rot 4
3
1 2

f : GH
f ( ) = f () = rot 4
3
| {z }

= f ( f ( )

15

10. Januar 2011

2.2 Ringe und Krper

2.2.1 Denition - Abelsche Gruppe
Eine Menge R mit zwei internen Verknpfungen , 4 heit Ring, falls

R1 ( R, ) ist Abelsche Gruppe

R2 ( x4y)4z = x4(y4z) x, y, z R (assoziativitt)
R3 x4(yz) = ( x4y)( x4z)
(yz)4 x = (y4 x )(z4 x ) (Distributivitt)
Ringe, Beispiele:
(Z, +, )
(Q, +, )
(R, +, )
Beispiel:
(
2Z
|{z}

, +, )

gerade ganze Zahlen

2.2.2 Bemerkung
1. Manche Ringe besitzen ein Eins element, d.h. 1 R mit 14 x = x

x R

2. Ist 0 R das neutrale Element von ( R, )

04 x = (00)4 x

= (04 x )(04 x )
04 x = 0
3. Wenn 4 kommutativ, dann heit ( R, , 4) kommutativer Ring
4. blich:  als + , 4 als
5. 2x + 3 = 0 Diese Gleichung kann nur in Kombination zweier Ringe gelst werden (
und + ). (Einleitung zum Krper)

16

10. Januar 2011

2.2.3 Denition - Krper

Eine Menge K mit zwei internen Verknpfungen:
( a, b) 7 a + b Addition
( a, b) 7 a b Multiplikation
heit Krper, wenn

K1 (K, +) ist Abelsche Gruppe

( neutrales Element: 0, inverse zu a K :

K2

a )

Sei K := K \ {0}
(K , ) ist Abelsche Gruppe (insbesondere: a, b K a b K ) (neutrale Elemente: 1, das inverse Element: a1 )

K3

Es gelten Distributivgesetze.

(( a + b) c = a c + b c;

2.2.4 Bemerkung
1. 0 6= 1
2. Fr a, b, x, y:
0a = a0 = 0
a b = 0 ( a = 0) ( b = 0)
a (b) = ( a b) = a (b b) = a (0) = 0
x a = y a,
x=y

a 6= 0

2.2.5 Beispiele
(Q, +, ), (R, +, )
({0, 1} , +, ) = F2
+
1
0

1
0
1

0
1
0

1
0

1
1
0

0
0
0

17

a (b + c) = a b + a c)

10. Januar 2011

2.3 Komplexe Zahlen

Die Menge R R mit:
( a, b) + (c, d) := ( a + c, b + c)
( a, b) (c, d) := ( ac bd, ad + bc)
Additiv neutral: (0, 0)
multiplikativ Inverse: (1, 0)
So wird der Krper C definiert.
Sei T := {( a, 0)| a R} C

( a, 0) + (b, 0) = ( a + b, 0)
( a, 0) (b, 0) = ( ab, 0)
(0, 0), (1, 0) T
So ist T ein Krper.
f :

R T, x 7 ( x, 0)

f ( x + y) = f ( x ) + f (y)
f ( x y) = f ( x ) f (y)
f bijektiv.
brigens:
(0, b) = (b, 0) (0, 1)

( a, b) = ( a, 0) + (0, b) = ( a, 0) + (b, 0) (0, 1)

| {z } | {z } | {z }
=a

(0, 1)2

=b

=i

= (0, 1)(0, 1) = (1, 0)

2.4 Komplexe Zahlen

Komplexe Zahlen werden als Tupel ( a, b) R R betrachtet. Dazu gelten folgende Operationen:
1. Addition
( a, b) + (c, d) = ( a + c, b + d)
2. Multiplikation
( a, b) (c, d) = ( ac + bd, ad + bc)
Sei T = {( a, 0)| a R} die Menge des Realteils < mit der Abbildung f : R T, x 7
( x, 0). Dann ist f ein ein Gruppenhomomorphismus mit f ( x + y) = f ( x ) + f (y) und f ( x y) =
f ( x ) f (y)
D.h. ( a, 0) ist wie eine reelle Zahl:
( a, b) = ( a, 0) + (b, 0) (0, 1) und (0, 1) (0, 1) = (1, 0)
Zur Schreibweise:
( a, b)
a + bi
a + bi + c + di = ( a, c) + (b, d)i

18

10. Januar 2011

( a + bi )(c + di ) = ac + bci + adi |{z}
bd = ( ac bd) + (bc + ad)i
i2 =1

Damit kommen wir zu den Rechenregeln:

2.4.1 Rechenregeln
Es gilt die bliche, formale Distributivitt und Assoziativitt.

i 2 = 1 i : = 1
Schreibweise:
(0, 0) = 0
| {z }
=0+0i

(1, 0) = 1
| {z }
=1+0i

2.4.2 Komplexe Konjugation

Sei z C mit z = a + bi, dann ist z := a bi das Komplexkonjugierte zu z.
Es gilt:
1. Fr beliebige z1 , z2 C gilt: z1 + z2 = z1 + z1 und
z1 z2 = z1 z2
2. Sei nun T C die Konjugationsinvante (???) Teilmenge.

2.4.3 Gau-Argand'sche Ebene

. z = ( a, b) = a + bi
a

Fr a + bi = z C gilt:
<(z) = a kann als x-Koordinate im kartesischen Koordinatensystem angesehen werden,
analog die y-Koordinate
=(z) = b

2.4.4 Addition - geometrisch

( a + bi ) + (c + di ) = ( a + c) + (b + d)i d.h. in der Gauschen Zahlenebene folgt:

19

10. Januar 2011

b+d
c + di

d
a + bi

b
c

a+c

2.4.5 Multiplikation - geometrisch

( a + bi )(c + di ) = ( ac bd) + ( ad + bc)i
=

z = a + bi

<

Polarkoordinaten:
z r R+
[0, 2 [(= 0 < 2 )
Sei z = a + bi C
Zugehrige r ist r =

a2 + b2 = | z |

heit Argument von z > Arg(z)

 
(
arctan ba
a 6= 0
Arg(z) =
/2
/ /2
a=0
[0, 2 [, 0 < 2
Gegeben seien r, :
z = r cos( ) + r sin( )i
Sei nun
z1 = r1 (cos( 1 ) + sin( 1 )i )
z2 = r2 (cos( 1 ) + sin( 2 )i )
Dann:
z1 z2 = r1 (cos( 1 ) + sin( 1 )i ) r2 (cos( 1 ) + sin( 2 )i )

= (r1 cos( 1 )r2 cos( 2 ) r1 sin( 1 )r2 sin( 2 ))

+ (r1 cos( 1 )r2 sin( 2 ) + r1 sin( 1 )r2 cos( 2 ))i
= r1 r2 cos( 1 + 2 ) + r1 r2 sin( 1 + 2 )i

20

10. Januar 2011

2.4.6 Drehung und Streckung

Mit diesen Ausdrcken gehen wir weiter wie folgt:
( r 1 , r 2 ) 7 r 1 r 2 ; ( 1 , 2 ) 7 l1 + l2
r1

1 + 2

r2
1

r1 r2

Fr z C ist
z = a + ib,

z = rei

r1 ei1 r2 ei2 = r1 r2 ei( 1 + 2 )

ei2 = ei0 = e0 = 1

(ei )2 = e2i = 1
ei = 1

|3 + 4i | = 5

e +1 = 0

21

10. Januar 2011

2.5 Polynome
2.5.1 Denition - Polynom
Ein Polynom m-ten Grades (m N) ber den Krper K ist ein formaler Ausdruck.
p(t) = a0 + a1 t + a2 t2 + ... + am tm wobei
ai K fr alle i = 0...m
t ist eine formelle Variable
Sind p(t) = a0 + a1 t + ... + am tm und q(t) = b0 + b1 t + ... + bn tn Polynome, so sind Summe
und Produkt als:
( p + q)(t) = ( a0 + b0 ) + ... + ( an + bn )tn + an+1 tn+1 + ... + am tm
| {z }
n<m

Sind auch sog. Momome.

( p q)(t) = a0 b0 + ( a1 b0 + a0 b1 )t + ( a2 b0 + a1 b1 + a0 b2 )t2 + ...
K[t] ist ein Ring der Polynome ber K in der Variable t.

Zu p(t) K[t] gibt es eine Abbildung p :

K K,

x 7 ak x k
k =0

2.5.2 Beispiele
p ( t ) = t 2 + t F2 [ t ]

Abbildung: p (0) = 0

F2 ist Krper mit nur 2 Elementen (0, 1).

p (1) = 0

2.5.3 Denition - Nullstelle

Ein x K ist Nullstelle von p(t) K[t], falls p ( x ) = 0

22

10. Januar 2011

2.6 Lineare Gleichungssysteme





 x2 + 2x4 = 1 
 X1 + x2 + 2x3 + 2x 4 = 1





 x1 + 3x3 + x4 = 0 

x1 + 3x3 + x4 = 0





2x2 + x3 + 5x4 = 4

2x2 + x3 + 5x4 = 4





 x1 + 2x3 = 2 

x1 + 2x3 = 3




 x1 + 2x4 = 2
 x1 + 2x3 = 2




 x2 + 2x4 = 1 
 x2 + 2x4 = 1 




 x3 + x4 = 2 
 x3 + x4 = 2 






 x3 + x4 = 2 
0
Whle nun den Parameter:



 x2 + 2x4 = 1 




x3 + x4 = 2


2x2 + x3 + 5x4 = 4


 x1 + 2x3 = 2 

x4 := , dann

x1 = 2 2(2 )
x2 = 1 2
x3 = 2
Lsungen:

( x1 , x2 , x3 , x4 ) = (6 + 2, 1 2, 2 , ) mit R

Allgemein:
Ein Lineares Gleichungsystem:

a11 x1 + ... + a1n xn = b1

a21 x1 + ... + a2n xn = b2

..
.
.

. + . . . + ..
= ..

am1 x1 + ... + xmn

= bm
Wird durch seine Matrix:

a11
... a1n
b1

.
.
.
..
..
.. = ( aij ) eine m n Matrix. und die Spalte ...
A :=
eindeutig
am1 + ... + amn
bm
bestimmt.
Die erweiterte
Koeffizientenmatrix des Systems
ist:

a11
... a1n
b1

..
..
.. .
..
( A, b) =
.
.
.
.
am1 + ... + amn

bm

Die Lsungsmenge des Systems ist

L( A, b) = { x = ( x1 , ..., xn ) Rn | ai1 x1 + ... + ain xn = bi

2.6.1 Dention - Zeilenstufenform

Eine
m n Matrix A heit in Zeilenstufenform,
wenn

0 ... 0 x

..
.
. ... .. 0 x

..
..
A=

.
.
x

0
0
0 ... 0 0
0
0
...
0

23

i = {1, ..., m}}

10. Januar 2011

Przise:
1. Es gibt 0 r m sodass in Zeilen 1 bis r nicht nur Nullen stehen und Zeilen r + 1...m
aus lauter Nullen bestehen.


2. Sei ji = min j| a j 6= 0
1ir
dann i ji n, und j1 < j1 < ... < jr
Lsungsverfahren fr GS. in Zeilenstufenform. Betrachte die erweiterte Koeffizientenmatrix in der Zeilenstufenform ( A, b) mit mit aii 6= 0 fr i = 1, ..., r
1. Falls bi 6= 0 fr ein i > r, dann L( A, b) =
2. sonst xr+1 ...xn freue Variablen, x1 , ..., xr gebundene Variablen deren Wert durch die freien
Variablen bestimmt wird.
Zur Lsung:
k := n r und seien 1 , ..., n R Setze xr+1 := i 1 i k. Auflsen der r-ten
Gleichung. xr = arr (br arr xrn + ... + arn xn ) = f ( xr+1 , ..., xn ) = f r (1 , ..., k )
Auflsen der (r 1)-ten Gleichung...
Insgesamt:

Rk L( A, b), (1 , ..., n ) 7 ( f (1 , ..., n ))

2.6.2 Elementare Zeilenoperationen

1. Vertauschen von Zeilen
2. Addition der -fachen der i ten Zeile zur j ten Zeile, wobei 6= 0, j 6= i

2.6.3 Satz - Zeilenstufenform

Sei ( A, b) die erweiterte Koeffizientenmatrix eines LGS, und ( A, b ) aus ( A, b) durch endlich
viele elementare Zeilenoperationen.

Dann gilt: L( A, b) = L( A, b )
Beweis:
trivial.

2.6.4 Satz Jede Matrix A kann durch die elementaren Zeilenoperationen in die Zeilenstufenform berfhrt werden.

24

10. Januar 2011

2.7 Gau'sches Eliminationsverfahren

1. Schreibe ( A, b) auf (Erweiterte Koeffizientenmatrix)
2. Bringe ( A, b) auf Zeilenstufenform wie im Satz (b-Spalte mit-umformen)
3. Lies ab, ob es Lsungen gibt. Falls ja, berechne :

Rn3 L( A, b)

Spezialfall:
b = 0, so ist:


 a11 x1 + ... + a1n xn = 0


 ..
..
.. 
 .
.
= . 

 am1 x1 + ... + amn xn = 0 
Dann hat L( A, 0) folgende Eigenschaften
1. X = ( x1 , ..., xn ) L( A, 0) dann gilt (R)K :
x := (x1 , ..., xn ) L( A, 0)
a j1 x1 + ... + a jn xn = ( a j1 x1 + ... + a jn xn ) = 0
2. x = ( x1 , ..., xn ), y = (y1 , ..., yn ) L( A, 0)
x + y = ( x1 + y1 , ..., xn + yn ) L( A, 0).
Bermerkung:
wird L( A, 0) zur Abelschen Gruppe.
Mit +
NE: 0 = (0, ..., 0)
Invers: zu x ist x, d.h. x + (1) x = 0.
Interaktion mit (K, +, ) (siehe auf diesen Krper definierte Operationen.)

25

10. Januar 2011

3 Vektorrume
3.1 Denition - Vektorraum
Sei K ein Krper. Eine Menge V mit einer inneren Verknpfung:
: V 2 V, ( x, y) 7 x +
y
+
und einer ueren Verknpfung
: K V V, (, x ) 7 x
heit K Vektorraum, falls
ist abelsche Gruppe, NE heit 0, Inv. zu v V : v
(V1) (V, +)
(V2) Skalarmultiplikation erfllt
v
( + ) v = v+
v2 ) = ( v)+(
v2 )
( v1 +
( v) = ( ) v
1v = v

v, v1 , v2 V, , K

3.1.1 Beispiele
1. Standardraum ber (K, +, )
Kn := { x = ( x1 , ..., xn )| xi K i }
Addition und Multiplikation wie in Definition.
2. C mit bliche rAddition und Skalarmultiplikation (, a + ib) 7 a + ib wird zu
einem R Vektorraum
3. Im Polynomring K[t] kann man addieren.
Skalarmultiplikation
: K2 [t] K[t], p(t) = p(t)
Das macht K[t] zu einem K Vektorraum.
Ebenso fr K[t]d grad d mit d ist Polynom.
4. Die Menge M (m n, K), der m nMatrix mit Eintrgen aus K.
Addition:
B die Matrix, mit Eintrag aij + bij in
A, b M (m n, K), A = ( aij ), B = (bij ) So ist A+
der i ten Zeile, j ten Spalte.
Skalarmultiplikation:
Sei K, a M (mxn, K ) so

( A)ij
| {z }

:= aij

Eintrag in Zeile i

M(mxn, K ) ist VR

26

10. Januar 2011

3.1.2 Rechenregeln
Sei V ein K-VR. Dann gilt fr v V, K
0v 0v = 0
1. 0 v = (0 + 0) v = 0 v+
2. 0 = 0
3. v = 0 = 0 oder v = 0
4. (1) v = v
v = (1 + 1) v = 0 v = 0
Bew:
(1) v+
und fr .
Ab jetzt schreibe: + fr +

3.1.3 Denition - Untervektorraum

Sei V ein K-Vektorraum, W V heit Untervekttorraum von V falls
1. W 6=
2. v, w W v + w W
3. v W, K v W
2 und 3 implizieren, dass W abgeschlossen gegenber der Addition und Skalarmultiplikation
ist.
Beispiel:
mit ( a) in R2 ist
W1 = {0}
W2 = {( x1 , x2 )| x1 + x2 = 0}
kein UVR
2
W3 = {( x1 , x2 )| x1 + x2 = 1}
kein UVR
W4 = {( x1 , x2 )| x12 + x22 = 1}
kein UVR

3.1.4 Satz - Vererbung der Eigenschaften eines Vektorraum

Ein Untervektorraum mit den induzierten Operationen des Vektorraums ist selbst ein Vektorraum. (Dies wird auch als Vererbung bezeichnet).
Beweis:
(U2) gilt, weil es in V gilt.
(U1) : Assoziativitt, Kommutativitt aus V.
Da W 6= , gibt es w W. Dann mit (U3)
Ist w W, so w = (1) w W

(U3)

27

0 w = 0 W.

10. Januar 2011

3.1.5 Lemma Sei V ein K-Vektorraum, I eine beliebige Indexmenge. Fr jedes i I sei ein Untervektorraum
T
Wi gegeben. Dann ist w :=
Wi ein Vektorraum.
i I

Beweis:
0 Wi i, so 0 W und W 6= 0.
u, v W u, v Wi
so u + v W i I

i I

analog (U3)
Bemerkung:
Vereinigungen von Vektorrumen sind im Allgemeinen keine Vektorrume.

3.1.6 Lemma Sind A, B Untervektorrume eines K-Vektorraums V und ist A B wieder ein Vektorraum, so
ist A B oder B A.
Beweis:
Angenommen: A/
/B. Sei a A \ B. Fr b B ist a + b A B.
Wre a + b B so ist |a +{z
b b} B
=a

Somit ist a + b A, und deshalb a + b a = b A

28

10. Januar 2011

3.2 Linearkombinationen
3.2.1 Denition - Linearkombination
Sei K ein Krper, V ein K Vektorraum, I eine Indexmenge und (vi ) eine Familie von Vektoren
aus V.
Ist I = {1, ..., r } endlich, so heit ein v V Linearkombination von den v1 , ..., v2 ; falls es
ein 1 , ..., r K gibt, sodass v = 1 v1 + 2 v2 + ... + r vr
d.h.:
v = i vi .
i I

Ist I allgemein:
(
span(vi ) = hvi i =

)
v V|

v = i vi
i J

J I endlich i K

Fr I = ist hvi i = {0}

3.2.2 Lemma Sei V ein K-Vektorraum. (vi ) eine Fasmilie aus V.

(a) hvi i ist Unterraum
(b) ist W V ein Unterraum mit vi W fr alle i, so ist hvi i W

hvi i ist der kleinste Unterraum, der alle vi enthlt (der von den vi erzeuge (aufgespannte) Unterraum)
Fr M V ist h Mi := {v V | v = 1 m1 + ... + r m3 fr i K, mi M, r N}
der kleinste Unterraum mit M h Mi V.
Beispiele
(a) V = K n ,

I = {1, ..., n}, fr i I ist ep := {0, ..., 0, |{z}

1 , 0, ..., 0) dann ist hepi = K n .
i te Stelle

(b) V = K [t], I = N, fr n N ist vn = tn dann ist hvn i = k

(c) h(1, 0), (0, 1), (1, 1)i = R2
Bemerkung:
Bei (a) ist die Darstellung jedes v K n eindeutig. v = (1 , 2 , ..., n ) = 1 e1 + ... + n en
Bei (b) gilt dasselbe.
Bei (c) ist ( x, y) = x (1, 0) + y(0, 1) = ( x + 1)(1, 0) + (y + 1)(0, 1)
Allgemein:
Sei U = hv1 ...vn i V ist fr ein v U
v = 1 v1 + ... + n vn = 1 v1 + ... + n vn mit i , i K, i 6= j fr ein j.
dann ist:
0 = (1 1 )v1 + ... + ( j j )v j + ... + (n n )vn eine Darstellung von 0, die nicht trivial
ist.

29

10. Januar 2011

3.2.3 Denition - linear unabhngig

Sei V ein K Vektorraum. Eine endliche Familie v1 , ..., vr von Vektoren aus V heit linear
unabhngig, falls gilt:
1 , ..., n K und ist 1 v1 + ... + n vn = 0 so folgt:
1 = 2 = ... = n = 0
Eine beliebige Familie (vi ) heit linear unabhngig, falls jede endliche Teilfamilie linear unabhngig ist.
Bemerke: Eine leere Familie ist linear unabhngig.

3.2.4 Lemma - lin. unabhngig Erzeugniselemente sind lin. abhngig

Fr eine Familie (vi ) von Vektoren eines K VR V sind folgende Bedingungen quivalent.
1. (vi ) linear unabhngig
2. jedes v hvi i lsst sich eindeutig durch Elemente von (vi ) linear kombinieren
Beweis:
(1) (2) durch Kontraposition:
Bei linear abhngigen Familien ist die Darstellung von 0 nicht eindeutig.
(1) (2) sind zwei Darstellungen v = i vi = j v j eines v hvi i.
j J

i I

Sei K I J die Menge aller k mit k 6= 0 oder k 6= 0, dann

0 = (k k )vk (endliche Teilfamilie)
kK

(1) impliziert direkt: k = k fr alle k K, alle anderen i , j sind = 0.

So ist i = i i I

3.2.5 Bemerkung
Sei (vi )i I V
(Vi I ) = {0} lin. abhngig
0 (Vi I ) (Vi )i I lin abhngig.
(Vi ) = {v} lin unabhngig v 6= 0
Beweis:
v = 0, v 6= 0 = 0
Ist in (Vi ) Vi = Vj fr i 6= j I, dann ist (Vi ) linear abhngig, dann avi + (1)v j = 0

30

10. Januar 2011

3.2.6 Lemma
Sei r 2. Vektoren v1 , ..., v3 sind genau dann linear abhngig, wenn einer davon Linearkombination der anderen ist.
Beweis:
1. Seien v1 , ..., v3 lin. abh. Dann gibt es 1 , ..., r K mit parbox1 v1 + ... + r vr = 0, i 6= 0 fr ein i
so ist vi =

1 v1 2 v2
i
i

...

r vr
i

2. Ist fr ein 1 i r
vi = 1 v1 + 2 v2 + ... + i1 vi1 + ... + r vr mit i K
Dann ist:
0 = 1 v1 + ... + i1 vi1 + (1)vi +i+1 vi+1 + ... + r vr Somit v1 ...v3 linear abhngig.
| {z }
6 =0

31

10. Januar 2011

3.3 Basen und Dimension

3.3.1 Denition - Erzeugendensystem
Eine Familie (vi ) V (Vektorprodukt ber K) heit Erzeugendensystem von V, falls
span(vi ) = hvi i = V
V heit endlich erzeugt, falls er ein endliches Erzeugendensystem enthlt.

3.3.2 Denition - Basis

Sei V ein K Vektorraum, ein linear unabhngiges Erzeugendensystem von V wird Basis
genannt.
Beispiele:
l1 , ..., ln Basis von Kn
leere Familie Basis des Nullraumes
Bemerkung:
B V ist eine Basis genau dann, wenn jedes v V eine eindeutige Darstellung als endliche
Linearkombination von Elementen aus B besitzt.

3.3.3 Satz - existenz endlicher Basen

Jeder endlich erzeugte K-Vektorraum besitzt eine Basis und jede solche Basis ist endlich.
Beweis:
Sei V endlich erzeugt, d.h. V = span( A) = h Ai , A := { a1 , ..., an }
Ist A linear unabhngig, dann ist A Basis.
Wenn nicht, dann existiert in A ein Element, das Linearkombination der anderen Elementen
ist.
Also: a1 h ai i , so: A1 := A \ { a1 } somit: A(i) := A
Fr i = 2, 3, ..., n setze rekursiv:
(
A (i ) : =

A i 1 \ { a i }
A i 1


a i A i 1
sonst

Dann ist Ar lin. unabhngig und ein Erzeugendensystem. Also A(n) = iB = {b1 , ..., bm } eine
endliche Basis von V.
Ist nun B0 = (b0j ) beliebige andere Basis. So kann man fr jedes i = 1, ..., n eine endliche
D
E
Teilmenge Ji J mit bi (b0j )
j Jj
D
E
0
Dann V = hb1 ...bm i (b j )
V
j J1 ... Jm

Damit wird V erzeugt durch (b0j ). Wie oben gibt es J 0 J1 ... Jm mit (b0j ) j J 0 Basis.
D E
Fr k J \ J 0 gilt:
bk0 b0j
Da B0 linear unabhngig:

J \ J 0 = Also J = J 0 endlich.

32

10. Januar 2011

Bemerkung:
Allgemein gilt:

Jeder Vektorraum besitzt eine Basis.

3.3.4 Satz
Sei V ein K-Vektorraum, und A V endliche Teilmenge, dann sind folgende Aussagen quivalent:
1. A ist Basis von V
2. A ist ein maximales lienar unabhngiges System (d.h. fr alle v V \ A ist A {v} lin
abhngig)
3. A ist ein minimales Erzeugendensystem.
(d.h. fr alle a A ist V 6= h A \ { a}i)
Beweis:
Schreibe A = { a1 ...an }
(1) (2):
Sei A Basis von V, dann gilt fr alle v V \ A
Also A {v} lin. abhngig.

v h Ai

(2) (3)
Sei A maximal linear unabhngig. d.h. fr alle v V \ A ist v + 1 a1 + ... + n an = 0 fr
, i K nicht alle = 0.
Da A lin. unabh., muss 6= 0 sein, so v = 1 a1 + ... + n an
und v h Ai. Somit V h Ai V und A ist Erzeugendensystem. Wre A nicht minimal,
so V = h A \ { a0 }i fr ein a0 A. Dann aber a0 h A \ { a0 }i Also: A nicht lin.unabhngig
(3)

(3) (1)
Sei A minimal Erzeugendensystem, wre 1 a1 + ... + n an = 0 mit ein j 6= 0,

... jj 1 a j1 j+j 1 a j+1 ... nj an


und h Ai A \ { a j } . Dann V = A \ { a j } , und A wre nicht minimal .
so a j =

1
j a1

Damit A lin.unabhngig
Beispiele
1. Seien v1 , v2 , v3 , v4 R4
v1 = (1, 2, 5, 3)
v2 = (2, 3, 1, 4)
v3 = (3, 8, 3, 5)
v4 = (2, 4, 10, 6) = 2 v1

v4 h v1 , v2 , v3 i

ZZ V = hv1 , v2 , v3 iR4
v1 , v2 , v3 linear unabhngig?

0 IIIII+2I5I 1 2
1
2
3
3
2 3

8
0 IV +3I 0 1
2

5
1 3
0 I I I I I 0 7
14
3 4 5
0
0 9 18

33

0
0

0
0

I I I 7I I
IV +9I I

1
0

0
0

2
1
0
0

3
2
0
0

0
0

0
0

10. Januar 2011

+ 2 + 3 = 0; + 2 = 0
= 2;
= 2 3 = 4 3 =
v3 h v1 , v2 i
dim V = 2
Basen: {v1 , v2 }, {v1 , v3 }, {v2 , v3 }, {v2 , v4 }, {v3 , v4 }
2. Sei V unendlich erzeugt.
Linear unabhngige Mengen sind partiell geordnet (Totale Ordnung)
durch Inklusion
Beispiel Teilbarkeit in N ist eine partielle Ordnung
Seien U : Familie aller linear unabhngiger Mengen in V
K U : ist eine Kette, falls fr alle A, B K gilt: A B oder B A

3.4 Zorn'sches Lemma

Falls in einer partiell geordneten Menge U jede Kette K eine obere Schranke (ein X U
mit X Y fr alle Y K) besitzt, so hat U ein maximales Element (ein M U , sodass
Z M, Z U Z = M)
S

X ist obere Schranke fr K. Nach dem Zornschen Lemma: U hat ein maximales Ele-

X K

ment.

34

10. Januar 2011

3.5 Summen von Vektorrumen

U1 , ..., U2 Unterrume von V(K VR).

3.5.1 Denition r

Ui :=


v V|

i =1

ui ,

ui Vi

i =1

i = 1, ..., r

3.5.2 Lemma
r = 2,

Ui endlich erzeugt,

dim(U1 + U2 ) = dim(U1 ) + dim(U2 ) dim(U1 U2 )

Bemerkung:
r

Ist dim(U1 + U2 ) = dim(U1 ) dann dim(U1 U2 ) = 0, somit u1 U2 = {0}.

i =1

Ist nun v (U1 + U2 ), v = u1 + u2 , v = u10 + u20

U1

U2

Dann
u1 + u2 = u10 + u20
u1 u10 = u20 u2 U1 U2
| {z } | {z }
U2

U1

Somit u1 = u10 , u2 = u20

Darstellung von v ist eindeutig.

3.5.3 Satz
Fr Ui = U1 + ... + Ur , Ui Unterrume vom K-VR V, sind folgende Aussagen quivalent:
r

1. Jedes u U hat eindeutige Darstellung u = ui , ui Ui

i =1

2. Aus ui = 0 mit ui Ui , i = 1, ..., r folgt ui = 0

i = 1, ..., r

i =1

3. Fr k = 1, ..., r gilt !
Uk

Ui = {0}

i 6=k

Beweis:
(i ) (ii ) ok
!

(ii ) (iii ) Sei k {1, ..., r }, sei u Uk

Ui ,

i 6=k

etwa: u = ui
i 6=k

Dann: |{z}
u + Ui = 0 Wenn (ii) gilt, so insbesondere u = 0
i 6=k
Uk

35

10. Januar 2011

(iii ) (i )
Sei u U
r
r
u = ui = ui0
i =1

(ui ui0 ) = 0

i =1
r

i =1

(uk u0k ) = (ui ui0 ) = 0 Uk

i =1

!
U

= {0}

i 6=k

3.5.4 Denition - Direkte Summe

r

Eine Summe Ui von U.R. U1 , ..., Ur eines K VR V heit direkte Summe der Ui falls eine
i =1

der Bedingungen des Satzes (3.5.3) erfllt ist.

Schreibweise:
U = U1 ... Ur =

r
L
i =1

Ui

Bemerkung:
mit r = 2 ist U1 + U2 direkt genau dann, wenn U1 U2 =
v1 , ..., vn V genau dann linear unabhngig, wenn hv1 , ..., vn i =
Kvi = {vi | K}
Ist U = U1 + ... + Ur ist endlich erzeugt, so ist U =

r
L
i =1

n
L
i =1

Kvi
r

Ui dim(U ) = dim(Ui ) oder

i =1

(quivalent):
Sind Basen Bi von Ui fr jedes i = 1, ..., r gegeben, so ist Bi = B1 ... Br Basis von U.

3.5.5 Satz
Sei V endlich dimensionaler K-VR, U V ein Unterraum. Dann gibt es einen Unterraum
U 0 von V sodass V = U U 0
Beweis:
Sei U V Unterraum, so whle Basis B von U. Ergnze B zu einer Basis T von V. Sei
V 0 = T \ B, setze U 0 = h B0 i.

36

10. Januar 2011

4 Lineare Abbildungen
4.1 Lineare Abbildung
Sei f : R R2 ein Homomorphismus
x 7 ax; x1 + x2 7 ax1 + ax2 ; x 7 ( ax ) mit R

4.1.1 Denition
Eine Abbildung f : V W zwischen K-Vektorrumen V, W heit (K )linear, falls f (v +
u) = f (v) + f (u) fr alle u, v V, , K
Bemerkung:
f (0V ) = 0W

f (v) = f (v)

Insbesondere: f (u + v) = f (u) + f (v) und f (u) = f (u) (vgl. Homomorphismus)

Beispiel:
Nullabbildung V W, v 7 0 linear
Identitt V V, v 7 v ist linear
Inklusionen von Unterrumen U V U V, ui 7 u ist linear.

a11 . . . a1n

.. mit Eintrgen in K.
..
Eine Matrix A = ( aij ) = ...
.
.
am,1 . . . am,n
Definiert eine lineare Abbildung Kn Km
!
x = ( x1 , ..., xn ) 7

j =1

i= j

a1j x j , ..., amj x j

n
a1j x j

j =1

. . . a1n
x1
a1,1 x1 + a12 x2 + ... + a1n xn

.. .. =
..
..
..
=

.
.
.
.
n .

. . . am,n
xn
am,1 x1 + am2 x2 + ... + amn xn
amj x j

a11
..
.
am,1

i= j

Ae j = j-te Spalte von A.

4.1.2 Satz
V,W K-VR, v1 , ..., vn ein Erzeugendensystem von V, w1 , ..., wn beliebig in W,
1. Es gibt hchstens eine Lineare Abbildung f :

V W mit f (vi ) = wi fr i = 1, ..., k

2. Ist v1 , ..., vk Basis von V, dann gibt es genau ein solches f.

Beweis:

37

10. Januar 2011

1. Sei f :

V W, f (vi ) = wi fr i = 1, ..., k und seo g :

V W eine andere solche F.

Fr alle v V gibt es 1 , ..., k sodass v = i vi

i =1




k
k
k
k
g ( v ) = g i vi = i g ( vi ) = i f ( vi ) = f i vi = f ( v )
i =1

i =1

i =1

i =1

2. Sei v1 , ..., vk Basis von V. Sei v V dann:

v = 1 v1 + ... + k vk fr eindeutige Skalare 1 (v), ..., k (v)
i :

V K sind linear ( Eindeutigkeit)

k

V W durch f (v) = i (v)wi

Erklre f :

i =1

a) f (v j ) = 1w j
b) f ist linear, denn
f (v + v0 ) =

i (v + v0 )wi

i =1
k

(i v + i v0 )wi

i =1

i =1

i =1

= i vwi + i v0 wi
= f (v) + f (v0 )

4.1.3 Denition - Kern und Bild linearer Abbildungen

V( W K linear, dann:
f 1 (0 )
ker( f ) =
{ v V | f ( v ) = 0}
(
f (v)
Im ( f ) =
{w W | w = f (v) fr v V }
Sei f :

4.1.4 Bermerkung
ker( f ) ist Untervektorraum von V
Im ( f ) ist Unterwektorraum von W
f :

V W ist genau dann injektiv, wenn ker( f ) = 0

Beweis:
f ist injektiv ( f (v1 ) = f (v2 ) v1 = v2 v1 , v2 V )
d.h. fr alle v1 , v2 V : f (v1 v2 ) = 0 v1 v2 = 0
dimK ( Im ( f )) dimK (v)
Beweis:
Sei (bi )i I eine Basis von V, dann ist ( f (bi )) ein Erzeugendensystem von Im ( f )

38

10. Januar 2011

Seien v1 , ..., vk V, sind f (v1 ), ..., f (vk ) linear unabhngig, so sind es auch die v1 , ..., vk .
Umkehrung gilt, falls f injektiv ist.
Beweis:
Seien f (v1 ), ..., f (vk ) linear unabhngig, dann 1 v1 + ... + k vk = 0

f (1 v1 + ... + k vk ) = 0
1 f (v1 ) + ... + k f (vk ) = 0
1 = 2 = ... = k = 0

aus linearer unabhngigkeit der f (vi )

Sei nun f injektiv und v1 , ..., vn linear unabhngig, dann

0 = 1 f (v1 ) + ... + k f (vk )

= f (1 v1 + ... + k vk )
0 = 1 v1 + ... + k vk
0 = 1 = 2 = ... = k

wegen Injektivitt
wegen linearer Unabhngigkeit

4.1.5 Denition - Isomorphismus

Ein bijektiver Homomorphismus f :

Notation: V W

V W heit Isomorphismus.

4.1.6 Satz
Seien V, W zwei K-Vektorrume
1. Gibt es ein isomorphismus f :
dimK (V ) = dimK (W )

V W, so ist:

2. Ist dimK (V ) = dimK (W ) < , dann gibt es ein isomorphismus f :

VW

Beweis:

1. Sei f : V W, insbesondere ist f injektiv. Nach vorheriger Bemerkung: v1 , ..., vk V

linear unabhngig f (v1 )... f (vk ) linear unabhngig. Maximale linearer unabhngige
Mengen werden auf maximale lineare unabhngige Mengen abgebildet.
V, W endlich erzeugt: dim(V ) = dim(W ), weil Bases auf Basen abgebildet werden. Sonst
ist dim(V ) = dim(W ) =
2. Seien dimK (V ) = dimK (W ) <
Whle Basen:
a1 , ..., an von V
dim(V ) = n
b1 , ..., bn von W
nach vorherigen Satz gibt es genau ein f :

V W, linear mit f ( ai ) = bi

i = 1, ..., n

Injektivitt von f:
Sei v ker( f ). Es gibt 1 , ..., n K mit v = 1 a1 + ... + n an
so ist 0 = f (v) = f (1 a1 + ... + n an ) = 1 f ( a1 ) + ... + n f ( an ) = 1 b1 + ... + n bn
1 = ... = n = 0 da b1 , ..., bn linear unabhngig.
Dann ist aber v = 0, so folgt: ker( f ) = 0

39

10. Januar 2011

Surjektivitt von f:
n

Sei w W beliebig, dann w = i bi fr Skalare i K

i =1

Sei v := 1 a1 + ... + n an V
f (V ) = f (1 a1 + ... + n an ) = 1 f ( a1 ) + ... + n f ( an ) = 1 b1 + ... + n bn = w
Also ist w Im ( f )

4.1.7 Korollar

Ist V ein K Vektorraum der Dimension n (< ), so ist V K n

4.1.8 Satz - Dimensionsformel

Sei f : V W K-linear, dann:
dimK (V ) = dimK (ker( f )) + dimK ( Im ( f ))
{z
}
|
=rg( f )

Beweis:
Ist dim(ker( f )) oder dim( Im ( f )) = so auch dim(V ) =
Nehme an, dass ker( f ) und Im ( f ) beide endlich erzeugt sind, dann whle v1 , v2 , ..., vk als
Basis von ker( f ), dann:
Seien vi mit i = 1, ..., m, sodass f (v1 ), ..., f (vm ) Basis von Im ( f ) ist
m

Sei v V, dann gibt es 1 , ..., m K mit f (v) = i f (vi )

i =1


Nun ist f

v i vi

= 0 also ist f

i =1

v i vi

i =1
n

Es gibt dann 1 , ..., k K mit v i vi = j u j , also

i =1

i =1

i =1

j =1

v = i vi + j u j
Deshalb ist:
v hv1 , ..., vm , u1 , ..., un i
Somit auch:
V = hv1 , ..., vm , u1 , ..., un i
und
{v1 , ..., vm , u1 , ..., un } ist Erzeugendensystem zur linearen Unabhngigkeit
m

i =1

i =1

i =1
m

i =1

Sei i vi + m+i ui = 0 mit 1 , ..., m+n K


f

i vi + i +m ui
n

= f

i vi

i =1

+f

i +m ui

i =1

= i f ( vi ) + i +m f ( ui )
i =1

i =1

Da f (vi ) linear unabhngig sind, folgt direkt, dass 1 , ..., m = 0

Damit
auch direkt:


n
f i +m ui = 0
i =1

und auch:
n
m +i ui = 0
i =1

40

10. Januar 2011

Da die ui linear unabhngig sind, folgt m+1 = ... = m+n = 0 somit sind alle j = 0, und
{v1 , ..., vm , u1 , ..., um } ist Basis von V.

4.1.9 Satz
Sei f : V W linear (/K)
dimK (V ) = dimk (ker ( f )) + dim( Im( f ))

4.1.10 Korollar
Sei f : V W linear (Homomorphismus),
dimK V = dimK W < . Dann
1. f ist Injektiv (Monomorphismus)
2. f ist Surjektiv (Epimorphismus)
3. f ist Bijektiv (Isomorphismus)
Beweis:
(i ) (ii ) Sei f injektiv, dann ist:
dim W = dim V = dim(ker ( f )) + dim( Im( f )) = dim( Im( f )) Im( f ) = W.
(ii ) (iii )
Sei f surjektiv, d.h. im( f ) = W
Insbesondere ist dim(V ) = dim(ker ( f )) + dim(im( f )) 0 = dim(ker ( f )) = {0}, f injektiv.
also: f bijektiv.
(iii ) (i )
trivial

4.1.11 Lemma
Sind f , g : V W Homomorphismen, so sind auch f + g :
f (v) + g(v)
und fr alle K
f : V W, v 7 ( f )(v) := f (v)
Homomorphismen.

V W, v 7 ( f + g)(v) :=

Beweis:
1. Sind v1 , v2 V, 1 , 2 K, so ist:

( f + g)(1 v1 + 2 v2 ) = f (1 v1 + 2 v2 ) + g(1 v1 + 2 v2 )
= 1 f ( v1 ) + 2 f ( v2 ) + 1 g ( v1 ) + 2 g ( v2 )
= 1 ( f (v1 ) + g(v1 )) + 2 ( f (v2 ) + g(v2 ))
= 1 ( f + g)(v1 ) + 2 ( f + g)(v2 )
( f + g) Homomorphismus

41

10. Januar 2011

2. Sei K fest, v1 , v2 , 1 , 2 wie oben. Dann ist

( f )(1 v1 + 2 v2 ) = f (1 v1 + 2 v2 )
= (1 f (v1 ) + 2 f (v2 ))
= 1 f (v1 ) + 2 f (v2 )
= 1 ( f )(v1 ) + 2 ( f )(v2 )

4.1.12 Denition
Sind V,W K-Vektorrume, so bezeichnet HomK (V, W ) die Menge aller lienaren Abbildungen
V W.

4.1.13 Satz
HomK (V, W ) ist ein K-Vektorraum (mit den Operationen, die im Lemma definiert sind).
Beweis:
( HomK (V, W ), +) Abelsche Gruppe.
Neutralel. Nullabbildung
Inverse zu f Hom(V, W ) ist f , wobei ( f )(v) = f (v).
( f + g)(v) = ( f (v) + g(v)) = f (v) + g(v)?( f )(v) + (g)(v) = ( f + g)(v)
V
Sei V endlich erzeugt, dimK (V ) = n < Whle feste Basis B = {b1 , ..., bn } fr V.
Definiere:

Hom(V, W ) W
... W} = W n ; f 7 ( f (b1 ), ..., f (bn ))
| W {z
n Fach

ist bijektiv.
Beweis:
Seien f , g Hom(V, W ), , K dann ist
( f + g) = (( f + g)(b1 ), ..., ( f + g)(bn ))

= ( f (b1 ) + g(b1 ), ..., f (bn ) + g(bn ))

= ( f (b1 ), ..., f (bn )) + ( g(b1 ), ..., g(bn ))
= ( f ) + ( g)
Insbesondere:
dimK ( Hom(V, W )) = |{z}
n dim(W )
=dim(V )

Bemerkung:
V = Kn , W = Km .
B = {e1 , ..., en } Standardbasis.
Dann:

42

10. Januar 2011

: Hom(K n , K m ) (K m )n = K mn
Dabei ist
f 7 ( f (e1 ) f (e2 ) ... f (en )) Mat(m n, K )
Zu f wird eine m n-Matrix A f zugeordnet.
Es gilt fr x K n :
f (x) = A f x

43

10. Januar 2011

4.2 Matrizen
4.2.1 Notation
1. Ist A eine m n-Matrix, so ist fr i = 1, ..., m, j = 1, ..., n Aij der Eintrag in der i-ten Zeile
und j-ten Spalte.
2. Die Menge aller m n-Matrizen mit Eintrgen aus K wird mit Mat(m n, K ) bzw.
M (m n, K ) bezeichnet.
Als Menge:

Bijektion Hom(K n , K m ) M (m n, K )
{z
}
|

= K mn

Wir geben M(m n, K ) die Vektorraumstruktir, die aus K mn stammt. So ist fr A, B M(m
n, K ):
A + B : ( A + B)ij = Aij + Bij fr in K folgt:
A : (A)ij = Aij

4.2.2 Satz
Gegeben seien K Vektorrume, V mit Basis A = { a1 , ..., an } und W mit Basis B = {b1 , ..., bm }
Dann gibt es zu jedem Homomorphismus f : V W genau eine Matrix M A,B ( f ) M(m
n, K )
so, dass fr j = 1, ..., n
m

f (aj ) =

( MA

( f ))ij bi

i =1

Die so erhaltene Abbildung:

M A,B : Hom(V, W ) M (m n, K ), f 7 M A,B ( f )
ist ein Isomorphismus von Vektorrumen.
Beweis:
Bijektivitt von M A,B folgt aus der Eindeutigkeit der Darstellung bzgl. B (eine Basis).
Linearitt: Seien f , g Hom(V, W ), , K. fr alle j = 1, ..., n:

( f + g)( a j ) = f ( a j ) + g( a j )
m

( M A,B ( f ))ij bi

i =1

( M A,B ( g))ij bi

i =1

( M A,B ( f ))ij ) + ( M A,B ( g))ij bi

i =1
m

( M A,B ( f + g))ij bi

i =1

Eindeutigkeit der Darstellung bzgl. Basen ( M A,B ( f + g))i,j = ( M A,B ( f ))ij + ( M A,B ( g))ij
M A,B ( f + g) = M A,B ( f ) + M A,B ( g) (als Matrizen)
Bemerkung:
M A,B ( f ) heit die Matrix, die f bezglich A und B darstellt. Alternativ: M BA ( f )

44

10. Januar 2011

Bemerkung:
V = K n , W = K m , beide mit Standardbasis, dann M A,B ( f ) = M f

4.3 Komposition von linearen Abbildungen

Kn
K m , g : K r K n lineare
Abbildungen
bzgl. der Standardbasen.

x1
y1


Sei weiter x = ... K r , y := g( x ) = ... dann ist fr i = 1, ..., n

Sei f :

xr

yn

yi = ( Mg )ij x j
j =1

z1
..
z := f (y) = .
zm
Wiederrum ist fr i = 1, ..., m,
n

zi =

( M f )il yl

l =1

j =1

l =1

( M f )il ( Mg )lj

l =1

j =1

( M f )il ( Mg )lj x j

!
xj

Aber:
r


zi = M f g ij x j
j=1 | {z }
eindeutig

So:
n


M f g ij = ( M f )il ( Mg )lj
l =1

4.3.1 Denition - Produkt zweier Matrizen

Ist A = ( aij ) M (n r, K ), B = (bij ) M (m n, K ), so erklren wir das Prdukt A B als
n

die m r Matrix mit ( A B)i,j = aie bej

i =1

4.3.2 Korollar
Sind f :

Kn Km , g :

K r K n , dann M f g = M f Mg nicht kommutativ.

45

10. Januar 2011

Anschaulich:
A M (m n, K )
a11
..
.

...

a1m
..
.

b11

am1

...

..
.
amn

b1r

..
.

m
..
.

B M(n r, K )

..
.

bn1

i
m r

bnr
r

Spezialflle:

x1
..
x = . M (n 1, K )
xn


y = y1 . . . yn M (1 n, K )

yx =
y1 x1 + ... + yn xn M(1 1, K ) = K
x1 y1 ... x1 yn
..
..
..
xy = .
.
.
x n y1

...

xn yn

Sind beide A, B M(n n, K ), dann ist AB, BA M(n n, K ) (keine Kommutativitt!)

4.3.3 Denition - transponierte Matrix

Ist A = ( aij ) M(m n, K ) gegeben, so ist die transponierte Matrix A T M (n m, K ) durch
At = ( a ji )
n

A := m

AT =

46