Beruflich Dokumente
Kultur Dokumente
1
Inhaltsverzeichnis
1 Grundbegriffe 5
1.1 Mengen und Abbildungen . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Mengennotationen . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Zahlenmengen . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.3 Rechenregeln . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.4 Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.5 Komposition von Abbildungen . . . . . . . . . . . . . . . . . 6
1.1.6 Identität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.7 Menge aller Abbildungen . . . . . . . . . . . . . . . . . . . 8
1.1.8 Produkte von Mengen . . . . . . . . . . . . . . . . . . . . . 8
1.2 Äquivalenzrelationen . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Relationen . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Äquivalenzrelationen . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4 Partitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Gruppen 11
2.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1 Innere Verknüpfung . . . . . . . . . . . . . . . . . . . . . . 11
2.1.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.3 Gruppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.4 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.5 Symmetrische Gruppen . . . . . . . . . . . . . . . . . . . . . 14
2.1.6 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.7 Eigenschaften von Gruppen . . . . . . . . . . . . . . . . . . 15
2.1.8 Untergruppen . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.9 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.10 Untergruppenkriterium . . . . . . . . . . . . . . . . . . . . . 17
2.2 Homomorphismen . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Isomorphismus . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.3 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.4 Beispiele von Homomorphismen . . . . . . . . . . . . . . . . 18
2.2.5 Bild und Kern von Homomorphismen . . . . . . . . . . . . . 19
2.2.6 Faktorgruppe nach dem Kern und Homomorphiesatz . . . . . 19
2.2.7 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2
3.1.10 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.11 Der Körper der komplexen Zahlen . . . . . . . . . . . . . . . 25
3.2 Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.2 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.3 Polynomringe . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.4 Gradformel . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.5 Nullteilerfreiheit . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.6 Polynomdivision . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.7 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2.8 Folgerungen, Nullstellen . . . . . . . . . . . . . . . . . . . . 32
3.2.9 Fundamentalsatz der Algebra . . . . . . . . . . . . . . . . . 33
3.2.10 Lemma von Bezout . . . . . . . . . . . . . . . . . . . . . . . 34
3.2.11 Spezielle Faktorpolynomringe . . . . . . . . . . . . . . . . . 34
3.2.12 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4 Vektorräume 37
4.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.1 Vektorräume . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.2 Weitere Eigenschaften . . . . . . . . . . . . . . . . . . . . . 37
4.1.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.4 Untervektorräume . . . . . . . . . . . . . . . . . . . . . . . 38
4.1.5 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.1.6 Durchschnitte von Unterräumen sind Unterräume . . . . . . . 39
4.1.7 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.1.8 Vereinigung von Unterräumen ist kein Unterraum . . . . . . . 40
4.1.9 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.1.10 Lineares Erzeugnis . . . . . . . . . . . . . . . . . . . . . . . 40
4.1.11 Lineare Unabhängigkeit . . . . . . . . . . . . . . . . . . . . 41
4.1.12 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.1.13 Charakterisierung der linearen Unabhängigkeit . . . . . . . . 42
4.2 Basis und Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2.1 Basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2.2 Charakterisierung des Vektorraums durch eine seiner Basen . 43
4.2.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.4 Alternative Definitionen . . . . . . . . . . . . . . . . . . . . 44
4.2.5 Existenz einer Basis für endlich erzeugbare Vektorräume . . . 45
4.2.6 Austauschlemma . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.7 Austauschsatz von Steinitz . . . . . . . . . . . . . . . . . . . 46
4.2.8 Alle Basen haben gleich viele Elemente . . . . . . . . . . . . 47
4.2.9 Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.10 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.11 Dimension von Unterräumen . . . . . . . . . . . . . . . . . . 48
4.3 Unendlichdimensionale Vektorräume . . . . . . . . . . . . . . . . . . 48
4.3.1 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.3.2 Halbordnungen . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.3.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.4 Ketten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.5 Lemma von Zorn . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.6 Basisexistenzsatz für beliebige Vektorräume . . . . . . . . . . 49
3
4.4 Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.4.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.4.2 Zeilenstufenform . . . . . . . . . . . . . . . . . . . . . . . . 50
4.4.3 Kriterium für lineare Unabhängigkeit . . . . . . . . . . . . . 51
4.4.4 Zeilenraum . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4.5 Elementare Zeilenumformungen . . . . . . . . . . . . . . . . 51
4.4.6 Elementare Zeilenumformungen sind zeilenraumerhaltend . . 52
4.4.7 Weitere Zeilenumformungen . . . . . . . . . . . . . . . . . . 52
4.4.8 Jede Matrix kann in Zeilenstufenform umgeformt werden . . 53
4.4.9 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.5 Summen und direkte Summen . . . . . . . . . . . . . . . . . . . . . 54
4.5.1 Summe von Untervektorräumen . . . . . . . . . . . . . . . . 54
4.5.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.5.3 Summe und Erzeugnis . . . . . . . . . . . . . . . . . . . . . 55
4.5.4 Dimensionsformel . . . . . . . . . . . . . . . . . . . . . . . 55
4.5.5 Direkte Summe . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.6 Existenz von komplementären Unterräumen . . . . . . . . . . 56
4.5.7 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5 Lineare Abbildungen 57
5.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.1.1 Lineare Abbildungen . . . . . . . . . . . . . . . . . . . . . . 57
5.1.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.1.3 Lineare Abbildungen sind Vektorraumhomomorphismen . . . 58
5.1.4 Eigenschaften von linearen Abbildungen . . . . . . . . . . . 58
5.1.5 Komposition linearer Abbildungen sind linear . . . . . . . . . 59
5.1.6 Vektorräume der Homomorphismen . . . . . . . . . . . . . . 59
5.1.7 Menge der Endomorphismen . . . . . . . . . . . . . . . . . . 60
5.2 Bild, Faser, Kern . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.2.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.2.2 Rang einer linearen Abbildung . . . . . . . . . . . . . . . . . 62
5.2.3 Rang einer Matrix . . . . . . . . . . . . . . . . . . . . . . . 62
5.2.4 Faserung eines Vektorraums . . . . . . . . . . . . . . . . . . 62
5.2.5 Affine Teilräume . . . . . . . . . . . . . . . . . . . . . . . . 63
5.2.6 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.2.7 Charakterisierung von affinen Unterräumen . . . . . . . . . . 63
6 Bildquellen 64
4
1 Grundbegriffe
1.1 Mengen und Abbildungen
1.1.1 Mengennotationen
∈ { } ⊂ ⊆ ∪ ∩ \ ×
1.1.2 Zahlenmengen
N, Z, Q, R, C
1.1.3 Rechenregeln
Seien A, B, C, Ni ⊆X
|{z}
verschiedene i von 1 bis n
• A ∪ B = B ∪ A, A ∩ B = B ∩ A - kommutativ
distributiv
1.1.4 Abbildungen
Definition 1.1.
f : X → Y, x 7→ f (x)
bedeutet f ordnet jedem x ∈ X ein y = f (x) ∈ Y zu.
5
(a) f ist injektiv ⇐⇒ |X| = |f (X)|.
(b) f ist surjektiv ⇐⇒ f (X) = Y ⇐⇒ |f (X)| = |Y |.
Beweis. a) Illustration
Es muss gelten |X| = |Pfeile|. Injektivität heißt nun, dass auf kein Element 2
oder mehr Pfeilspitzen zeigen, also gilt |Pfeilspitzen| = |f (x)|. Zusammen folgt
|X| = |Pfeile| = |Pfeilspitzen| = |f (X)|
b) X
Satz 1.1.1. Sei X eine endliche Menge und f : X → X eine Abbildung, dann ist
äquivalent
(a) f ist injektiv
(b) f ist surjektiv
(c) f ist bijektiv
Beweis. (a) ⇔ (b)
Aus dem Lemma folgt:
f ist injektiv ⇐⇒ |X| = |f (X)| ⇐⇒ |f (X)| = |X| (= |Y |) ⇐⇒ f ist surjektiv
Aus (a) und (b) folgt direkt (c).
Achtung. Wenn X unendlich ist, dann wird der Satz falsch.
Es gibt surjektive Abbildungen f : R → R2 , z.B.
(
yx = 0, x1 x3 x5 . . .
x = 0, x1 x2 x3 . . . 7→
zx = 0, x2 x4 x6 . . .
(Darstellung von reellen Zahlen als unendliche p-adische Brüche ist nicht eindeutig!)
f g
X →Y → Z
g◦f
X → Z
6
1.1.6 Identität
Definition 1.3. Eine spezielle Abbildung ist die wie folgt definierte Identität idX auf
einer Menge X
idX : X → X
x 7→ x
Von allen Elementen aus Y , auf die ein Pfeil zeigt, geht der Pfeil für die Ab-
bildung g auf demselben Weg zurück. Man dreht die Pfeile also praktisch um.
Alle Elemente von Y , auf die kein Pfeil zeigt, werden durch g auf ein beliebiges
Element von X abgebildet.
∃ x1 , x2 ∈ X : x1 6= x2 ∧ f (x1 ) = f (x2 ) = y ∈ Y
7
Man sucht für jedes Element in Y einen Pfeil aus, der auf es zeigt, und kehrt es
um. Also wähle xy ∈ f −1 ({y}) und definiere: g(y) = xy , dann gilt (f ◦ g)(y) =
f (xy ) = y, also insgesamt f ◦ g = idY .
Bemerkung. Man benötigt hierbei das Auswahlaxiom.
Wenn f nicht surjektiv ist, dann ∃ y0 ∈ Y ∀ x ∈ X : f (x) 6= y0 . Wenn
g(y0 ) = x0 ∈ X, dann folgt (f ◦ g)(y0 ) = f (x0 ) 6= y0 , also kann f ◦ g nicht
idY sein. Es gibt also kein g mit dieser Eigenschaft.
Die Rückrichtung ist auch hier klar: Da g eine Abbildung ist, wird jedem y ∈ Y
ein x ∈ X zugeordnet, sodass f (x) = y gilt.
(c) Illustration
8
Intutiv wird definiert
1.2 Äquivalenzrelationen
1.2.1 Relationen
Definition 1.6. Eine Relation R ist eine Teilmenge von X × Y , also
R⊆X ×Y
1.2.2 Äquivalenzrelationen
Definition 1.7. Äquivalenzrelationen sind Relationen ∼⊆ X × X mit den Eigen-
schaften
A1 Reflexivität: x ∼ x ∀ x ∈ X,
A2 Symmetrie: x ∼ y ⇔ y ∼ x ∀ x, y ∈ X und
A3 Transitivität: x ∼ y ∧ y ∼ z ⇒ x ∼ z ∀ x, y, z ∈ X.
1.2.3 Beispiele
• „=“ - Gleichheitsrelation auf einer Menge
1.2.4 Partitionen
Definition 1.8. Eine Partition einer Menge X ist eine Zerlegung von X in paarweise
disjunkte Teilmengen (Xi )i∈I , d.h.
S
• i∈I Xi = X
• Xi ∩ Xj = ∅ i, j ∈ I, i 6= j
• Xi 6= ∅ ∀i ∈ I
Satz 1.2.1. Sei X eine Menge. Partition von X und Äquivalenzrelationen entsprechen
einander.
Beweis. Sei (Xi )i∈I eine Partition. Wir definieren:
x ∼ y ⇐⇒ ∃ i ∈ I : x ∈ Xi ∧ y ∈ Xi
9
A1 Sei x ∈ X, dann gilt x ∈ Xi ⇔ x ∈ Xi . X
A2 Seien x, y ∈ X, dann gilt (x ∈ Xi ∧ y ∈ Xi ) ⇔ (x ∈ Xi ∧ y ∈ Xi ). X
[x] = {y ∈ X | x ∼ y}
10
2 Gruppen
2.1 Definitionen
2.1.1 Innere Verknüpfung
Definition 2.1. Eine Gruppe ist ein Paar (G, ◦), wobei G eine Menge und ◦ eine (innere
zweistellige) Operation auf G ist, also eine Abbildung G × G → G.
Statt ◦((g, h)) = r für drei Elemente g, h, r ∈ G schreiben wir g ◦ h = r.
2.1.2 Beispiele
•
◦ : XX × XX → XX
(f, g) 7→ f ◦ g
+: Z×Z→Z
(a, b) 7→ a + b
2.1.3 Gruppe
Definition 2.2. (G, ◦) ist eine Gruppe, wenn gilt
G1 Assoziativgesetz: (a ◦ b) ◦ c = a ◦ (b ◦ c) ∀ a, b, c ∈ G
G2 Existenz eines (links-)neutralen Elements: ∃ e ∈ G : e ◦ a = a ∀a ∈ A
G3 Existenz von (links-)inversen Elementen: ∃ a−1 ∈ G : a−1 ◦ a = e ∀ a ∈ A.
(G, ◦) ist kommutative Gruppe (abelsche Gruppe), wenn gilt:
a ◦ b = b ◦ a ∀ a, b ∈ G
2.1.4 Beispiele
• (Z, +) ist eine Gruppe:
– neutrales Element: 0
– Inverses von a ∈ Z: −a
• (N, +) ist keine Gruppe, weil 1 kein Inverses hat.
• (Z, −) ist keine Gruppe, weil „−“ nicht assoziativ ist.
• (Q, +), (R, +) ⊇ (Z, +).
• (Q+ , ·) ist ein Gruppe:
– neutrales Element: 1
1
– Inverses von a ∈ Q+ : a
11
· -1 1
-1 1 -1
1 -1 1
Die Elemente dieser Gruppe sind die Symmetrien, d.h. Selbstabbildungen des
Quadrats:
Drehungen: da - Drehung der Ecke 0 auf die Ecke a:
– d0 - Drehung um 90◦ (in mathematisch positive Richtung)
– d1 - Drehung um 180◦
– d2 - Drehung um 270◦
– d3 - Drehung um 270◦
(Achsen-)Spiegelungen: sa - Spiegelung der Ecke 0 auf die Ecke a: s0 , s1 , s2 , s3
Jede Symmetrie kann man als Permutation der Ecken beschreiben, z.B.
0 1 2 3
d1 =
1 2 3 0
12
Behauptung: D6 = ({da , sa | a ∈ {0, . . . , 5}} , ◦) ist eine Gruppe.
Beweis. Seien die Bezeichnungen wie oben gegeben. Im Folgenden wird in den
Indizes immer modulo 6 gerechnet.
– Assoziativität: Verknüpfungen von Abbildungen sind immer assoziativ.
– Einheit: d0 ist die Identität (alle Ecken werden auf sich selbst „gedreht“).
– Inverse:
∗ d−1
a = d−a , denn die Umkehrung einer Drehung ist die Drehung um
denselben Winkel in die Gegenrichtung.
∗ s−1
a = sa , denn die Umkehrung einer Spiegelung ist die erneute Spie-
gelung an derselben Achse.
– Abgeschlossenheit: Die Auswertung von 144 Produkten ist zu aufwändig,
weswegen man systematisch vorgeht:
1. da ◦ db = da+b - Klar, Hintereinanderausführung von Drehung ist eine
Drehung um die Summe der einzelnen Winkel.
2. da ◦s0 = sa - Eine Spiegelung sa kehrt generell die Durchlaufrichtung
der Ecken um und lässt die Zählung bei a beginnen. s0 kehrt lediglich
die Durchlaufrichtung um, die anschließende Drehung da dreht eigent-
lich −a auf 0, wegen der umkehrten Reihenfolge dreht sie aber a auf
0, lässt die Zählung bei immer noch umgekehrter Reihenfolge also bei
a beginnen.
3. s0 ◦ da = s−a - da dreht 0 auf a, s0 kehrt die Durchlaufreihenfolge
um, also liegt 0 nun auf der Ecke, die am Anfang −a hieß.
4. s0 ◦ s0 = d0 - Klar.
Unter Verwendung von 1.-4. kann man nachrechnen:
da ◦ sb = da ◦ (db ◦ s0 ) = (da ◦ db ) ◦ s0 = da+b ◦ s0 = sa+b
sa ◦ db = (da ◦ s0 ) ◦ db = da ◦ (s0 ◦ db ) = da ◦ s−b = sa−b
?
sa ◦ sb = sa ◦ (db ◦ s0 ) = (sa ◦ db ) ◦ s0 = sa−b ◦ s0 = da−b
13
2.1.5 Symmetrische Gruppen
Sei X eine Menge. Sym(X) ist die Menge aller bijektiven Abbildungen von X nach
X mit der Verknüpfung als Operation. Sym(X) ist eine Gruppe.
Beweis. erfolgt durch Nachweis der Gruppenaxiome:
G1 Verknüpfung von Abbildungen ist immer assoziativ.
G2 idX ist das neutrale Element, denn es gilt für ein π ∈ Sym(X)
idX ◦π = π
aber
1 2 3 1 2 3 1 2 3
◦ =
2 1 3 1 3 2 2 3 1
Satz. Sn hat genau n! Elemente.
Beweis. Es gibt n! Permutationen von n Elementen.
2.1.6 Beispiel
Sei X = [5].
Eine bijektive Abbildung [5] → [5] können wir in 2-Zeilennotation beschreiben.
Seien
1 2 3 4 5 1 2 3 4 5
π= , σ=
4 2 1 5 3 4 5 1 2 3
Dann ist
1 2 3 4 5
π◦σ =
5 3 4 2 1
Das neutrales Element ist
1 2 3 4 5
id[5] =
1 2 3 4 5
14
Das Inverse von
1 2 3 4 5
π=
z1 z2 z3 z4 z5
ist
−1 z1 z2 z3 z4 z5
π =
1 2 3 4 5
ii) Das (links-)neutrale Element ist auch rechtsneutral, d.h. für alle g ∈ G gilt e◦g =
g ◦ e = g.
iii) Die inversen Elemente sind eindeutig.
iv) Das (links-)inverse Element eines Elementes g ∈ G ist auch rechtsinvers, d.h. es
gilt g −1 ◦ g = g ◦ g −1 = e.
Beweis. Sei (G, ◦) eine Gruppe und a, b, c ∈ G und e neutrales Element von G.
ii) Sei b = a−1 und c = b−1 , d.h. nach G3 b ◦ a = e und c ◦ b = e. D.h.
G1 G2
c ◦ e = c ◦ (b ◦ a) = (c ◦ b) ◦ a = e ◦ a = a
G1 G2
⇒ a ◦ e = (c ◦ e) ◦ e = c ◦ (e ◦ e) = c ◦ e = a
i) Angenommen es gibt ein weiteres neutrales Element ẽ, d.h. für alle a ∈ G gilt
ẽ ◦ a = a. Dann gilt auch
G2 ii)
ẽ = e ◦ ẽ = ẽ ◦ e = e
b◦a=e ⇔
b ◦ (b ◦ a) = b ◦ e = e ◦ b = (b ◦ a) ◦ b = b ◦ (a ◦ b) ⇔
−1 −1
b ◦ (b ◦ (b ◦ a)) = b ◦ (b ◦ (a ◦ b)) ⇔
−1 −1
(b ◦ b) ◦ (b ◦ a) = (b ◦ b) ◦ (a ◦ b) ⇔
e ◦ (b ◦ a) = e ◦ (a ◦ b) ⇔
b◦a=a◦b
15
iii) Angenommen b sei auch inverses Element von a, also b ◦ a = e. Dann gilt auch
G1
(b ◦ a) ◦ a−1 = e ◦ a−1 ⇔
G2
b ◦ (a ◦ a−1 ) = e ◦ a−1 ⇔
iv)
b ◦ (a ◦ a−1 ) = a−1 ⇔
ii)
b ◦ e = a−1 ⇔
b = a−1
v) Es gilt
G1 iv) ii) iv)
(a ◦ b) ◦ (b−1 ◦ a−1 ) = (a ◦ (b ◦ b−1 )) ◦ a−1 = (a ◦ e) ◦ a−1 = a ◦ a−1 = e
Weil es nach iii) nur genau ein inverses Element zu a ◦ b gibt, gilt (a ◦ b)−1 =
b−1 ◦ b.
vi) Nach iv) gilt a ◦ a−1 = e, also ist nach G3 a invers zu a−1 , also ist nach iii)
(a−1 )−1 = a.
vii) Es gilt
a◦b=a◦c⇔
−1 G1
a ◦ (a ◦ b) = a−1 ◦ (a ◦ c) ⇔
G3
(a−1 ◦ a) ◦ b = (a−1 ◦ a) ◦ c ⇔
G2
e◦b=e◦c⇔
b=c
16
v) a 6= b: Angenommen a = b, dann wäre auch a ◦ b = a ◦ a = b ◦ a, Widerspruch
zu i).
vi) a ◦ b 6= e:
Angenommen a◦b = e, dann wäre nach 2.1.7. iv) auch b◦a = e, also a◦b = b◦a,
Widerspruch zu i).
vii) Analog zu iii)-vi) folgen die Ungleichungen für b ◦ a.
Da alle fünf Elemente paarweise verschieden sind, hat G mindestens diese fünf Ele-
mente.
2.1.8 Untergruppen
Definition 2.3. Ist (G, ◦) eine Gruppe und H ⊆ G, dann ist (H, ◦) eine Untergruppe
von G, wenn (H, ◦) eine Gruppe ist.
2.1.9 Beispiel
• (Z, +) ist eine Untergruppe von (Z, +).
• Untergruppen des D6 :
– ({da | a ∈ {0, . . . , 5}} , ◦) ist eine Untergruppe, genannt die zyklische Un-
tergruppe der Ordnung 6.
– ({sa , d0 } , ◦)ist eine Untergruppe für a ∈ {0, . . . , 5}.
• D6 ist Untergruppe von S6 = Sym({0, . . . , 5}).
2.1.10 Untergruppenkriterium
Proposition 2.1.1. Wenn (G, ◦) eine Gruppe ist und H ⊆ G, dann ist (H, ◦) eine
Untergruppe, wenn gilt
UG1 e ∈ H (äquivalent zu H 6= ∅)
UG2 Wenn h ∈ H, dann ist auch h−1 ∈ H.
UG3 Mit h, i ∈ H ist auch h ◦ i ∈ H.
Beweis. Sei (G, ◦) eine Gruppe und H ⊆ G. Wegen UG3 ist H unter ◦ abgeschlossen.
Weiterhin gilt
G1 Assoziativität wird vererbt: Wenn die Elemente aus H bezüglich ◦ nicht assozia-
tiv wären, wären sie auch in G bezüglich ◦ nicht assoziativ.
G2 Neutrales Element ist dasselbe wie in G, das nach UG1 auch in H liegt.
G3 Die inversen Elemente sind dieselben wie in G und nach UG2 auch in H.
17
2.2 Homomorphismen
2.2.1 Definition
Seien (G, ◦) und (H, ∗) Gruppen.
Definition 2.4. Eine Abbildung ϕ : G → H ist ein Gruppenhomomorphismus, wenn
gilt
ϕ(a ◦ b) = ϕ(a) ∗ ϕ(b) ∀ a, b ∈ G
2.2.2 Isomorphismus
Definition 2.5. Ist ϕ bijektiv, dann ϕ ein Isomorphismus.
2.2.3 Eigenschaften
Satz 2.2.1. Wenn ϕ : (G, ◦) → (H, ∗) ein Homomorphismus ist, dann gilt
i) ϕ(eG ) = eH
ii) ϕ(a−1 ) = ϕ(a)−1
Beweis. ϕ : (G, ◦) → (H, ∗) ein Homomorphismus, dann gilt
i) ϕ(a) ∗ eH = ϕ(a) = ϕ(a ◦ eG ) = ϕ(a) ∗ ϕ(eG ), gekürzt: eH = ϕ(eG ).
i)
ii) ϕ(a) ∗ ϕ(a)−1 = eH = ϕ(eG ) = ϕ(a ◦ a−1 ) = ϕ(a) ∗ ϕ(a−1 ), gekürzt:
ϕ(a)−1 = ϕ(a−1 ).
3.
ϕ : (Z, +) → (Z, +)
a 7→ m · a
ist ein Homomorphismus, denn für beliebige a, b ∈ Z gilt
D
ϕ(a + b) = m · (a + b) = m · a + m · b
18
2.2.5 Bild und Kern von Homomorphismen
Definition 2.6. Sei ϕ : G → H ein Gruppenhomomorphismus. Dann wird definiert
• im(ϕ) := {h ∈ H | ∃ g ∈ G : ϕ(g) = h} - Bild von ϕ
• ker(ϕ) := {g ∈ G | ϕ(g) = eH } - Kern von ϕ
Satz 2.2.2. Sei ϕ : G → H ein Gruppenhomomorphismus, dann gilt
a) im(ϕ) ist eine Untergruppe von H.
b) ker(ϕ) ist eine Untergruppe von G.
Beweis. Seien also (G, ◦) und (H, ∗) Gruppen und ϕ : G → H ein Gruppenhomo-
morphismus.
a) UG1 eH ∈ im(ϕ), weil gilt ϕ(eG ) = eH .
UG2 Sei h ∈ im(ϕ), d.h. ∃ g ∈ G : ϕ(g) = h. Dann gilt ϕ(g −1 ) = ϕ(g)−1 =
h−1 , also h−1 ∈ im(ϕ).
UG3 Seien h1 , h2 ∈ im(ϕ), d.h. ∃ g1 , g2 ∈ G : ϕ(g1 ) = h1 , ϕ(g2 ) = h2 . Dann
gilt:
ϕ(g1 ◦ g2 ) = ϕ(g1 ) ∗ ϕ(g2 ) = h1 ∗ h2
also ist h1 ∗ h2 ∈ im(ϕ).
b) UG1 eG ∈ ker(ϕ), weil gilt ϕ(eG ) = eH .
UG2 Sei g ∈ ker(ϕ), d.h. ϕ(g) = eH . Dann gilt ϕ(g −1 ) = ϕ(g)−1 = e−1
H =
eH , also g −1 ∈ ker(ϕ).
UG3 Seien g1 , g2 ∈ im(ϕ), d.h. ϕ(g1 ) = ϕ(g2 ) = eH . Dann gilt:
ϕ(g1 ◦ g2 ) = ϕ(g1 ) ∗ ϕ(g2 ) = eH ∗ eH = eH
also ist g1 ∗ g2 ∈ ker(ϕ).
Illustration
Auf den Klassen wird die Operation definiert: [a] [b] = [a ◦ b].
Die Operation ist wohldefiniert (repräsentantenunabhängig).
19
Beweis. Seien [a] = [a0 ] und [b] = [b0 ]. Es gilt
[a] [b] := [a ◦ b]
= {g ∈ G | ϕ(g) = ϕ(a ◦ b)}
= {g ∈ G | ϕ(g) = ϕ(a) ∗ ϕ(b)}
= {g ∈ G | ϕ(g) = ϕ(a0 ) ∗ ϕ(b0 )}
= {g ∈ G | ϕ(g) = ϕ(a0 ◦ b0 )}
= [a0 ◦ b0 ] = [a0 ] [b0 ]
ϕ̃ : G/ker ϕ → im ϕ,
ϕ̃([a]) = ϕ(a)
G2 [eG ] ist neutrales Element der Struktur, denn es gilt für alle [a] ∈ G/ker ϕ
ii) ϕ̃ ist ein Homomorphismus, denn es gilt für beliebige [a], [b] ∈ G/ker ϕ
20
iii) ϕ̃ ist bijektiv:
– ϕ̃ ist injektiv: Seien [a], [b] ∈ G/ker ϕ mit ϕ̃([a]) = ϕ̃([b]), d.h. aber
ϕ(a) = ϕ(b), also [a] = [b].
– ϕ̃ ist surjektiv: Sei y ∈ im ϕ, d.h. ∃ a ∈ G : ϕ(a) = y, also ϕ̃([a]) = y.
2.2.7 Beispiele
•
ϕ : (D6 , ◦) → (Z2 , +)
ϕ(da ) = 0, ϕ(sa ) = 1 ∀ a ∈ {0, . . . , 5}
ϕ : Z → Zm
i 7→ [i]
21
3 Ringe, Körper, Polynome
3.1 Definitionen: Ring und Körper
3.1.1 Ringe
Definition 3.1. (R, +, ·) ist ein Ring, wenn gilt
R1 (R, +) ist eine abelsche Gruppe.
R2 · ist eine assoziative Operation R × R → R.
R3 Es gelten die Distributivgesetze für beliebige a, b, c ∈ R:
a · (b + c) = a · b + a · c
(a + b) · c = a · c + b · c
3.1.2 Beispiele
1. (Z, +, ·) ist ein kommutativer Ring mit Eins.
2. (R, +, ·) ist ein kommutativer Ring mit Eins.
3. Sei R = {f : [0, 1] → R} mit den Operationen + und ·, die wie folgt definiert
sind
(f + g)(x) := f (x) + g(x) ∀ x ∈ [0, 1]
(f · g)(x) := f (x) · g(x) ∀ x ∈ [0, 1]
(R, +, ·) ist ein kommutativer Ring mit Eins. Aber es gibt nicht für alle Elemente
von (R, +, ·) multiplikative Inverse.
4. (Zm , +, ·) ist ein kommutativer Ring mit Eins.
5. (2Z, +, ·) ist ein kommutativer Ring ohne Eins, denn 1 6∈ 2Z.
6. (Rn×n , +, ·) - der Ring der quadratischen reellen Matrizen - ist ein Ring mit
Eins, wobei
a11 a12 ... a1n
a21 a22 ... a2n
n×n
:= | aij ∈ R ∀ i, j = 1, . . . , n
R .. .. .. ..
. . . .
an1 an2 . . . ann
n o
= (aij )i,j=1,...,n | aij ∈ R ∀ i, j = 1, . . . , n
22
und die Addition komponentenweise:
3.1.3 Nullteilerfreiheit
Definition 3.2. Sei (R, +, ·) ein Ring. R heißt nullteilerfrei, falls gilt
a · b = 0 ⇒ a = 0 ∨ b = 0 ∀ a, b ∈ R
3.1.4 Gegenbeispiele
• (R2×2 , +, ·) ist nicht nullteilerfrei, denn es gilt
1 0 0 0 0 0
· =
0 0 0 1 0 0
gilt (f · g)(x) = 0 ∀ x ∈ R.
3.1.5 Unterringe
Definition 3.3. U ist ein Unterring von (R, +, ·), wenn (U, +) Untergruppe von (R, +)
und · : U × U → U abgeschlossen ist.
23
3.1.6 Ringhomomorphismen
Definition 3.4. ϕ : (R, +, ·) → (S, ⊕, ) ist ein Ringhomomorphismus, wenn gilt
3.1.7 Körper
Definition 3.5. (K, +, ·) ist ein Körper, wenn gilt
K1 (K, +) ist eine abelsche Gruppe.
K2 (K ∗ , ·) ist eine abelsche Gruppe.
K3 Distributivgesetz, d.h. für alle a, b, c ∈ K gilt
a · (b + c) = a · b + a · c
3.1.8 Notation
• 0 - neutrales Element von (K, +)
• 1 - neutrales Element von (K, ·)
• −a - Inverses von a in (K, +)
• 1
a = a−1 - Inverses von a in (K ∗ , ·)
3.1.10 Beispiele
1. (R, +, ·) ist ein Körper.
2. (Q, +, ·) ist ein Körper.
3. (Z, +, ·) ist kein Körper, nur 1 und −1 habe multiplikative Inverse.
4. Der 3. Beispielring ist kein Körper, auch hier fehlen Inverse.
5. (C, +, ·) ist ein Körper.
6. (Z2 , +, ·) ist ein Körper.
24
3.1.11 Der Körper der komplexen Zahlen
Motivation N fehlt bezüglich + die Inversen, also erweitert man die Menge der na-
türlichen Zahlen auf die Menge der ganzen Zahlen Z. Diesen wiederum die multipli-
kativen Inversen, also konstruiert man Q. (Q, +, ·) ist zwar ein Körper, man kann aber
gewisse Gleichungen nicht in ihm lösen, z.B. x2 = 2. Mit Hilfe von Cauchy-Folgen,
Dedekind’schen Schnitten, Intervallschachtelungen oder ähnlichen Objekten/Verfahren
vervollständigt man Q zu R (siehe Analysis).
Jedoch gibt es immer noch Gleichungen, die keine Lösung in R haben, z.B. x2 = −1.
Also definiert man eine neue Zahl i als eine Lösung ebendieser Gleichung x2 = −1.
Dann ist i2 = −1 und (−i)2 = −1, wodurch man die Anordnung des Körpers verliert.
Nun ist jede quadratische Gleichung lösbar in C, d.h. ∃ z ∈ C : z 2 + pz + q = 0.
Definition 3.6. Die Menge der komplexen Zahlen ist definiert als
C := {a + b · i | a, b ∈ R}
Jede komplexe Zahl z hat also die Gestalt z = a + b · i für a, b ∈ R. a heißt der Realteil
von z, man schreibt Re(z) = a, und b Imaginärteil, also Im(z) = b.
Wie man (relativ) leicht nachprüfen kann, ist (C, +, ·) ein Körper (siehe 2. Analysis-
Übungsblatt, 3. Aufgabe).
Geometrische Interpretation Der Zahlenstrahl der reellen Zahlen wird zur Gauß’schen
Zahlenebene:
(a, b) heißen die kartesischen Koordinaten von z und (r, ϕ) die Polarkoordinaten
von z.
25
Veranschaulichung:
bzw.
Veranschaulichung:
26
•
2
z · z = (a + bi) · (a − bi) = a2 − abi + abi + b2 = a2 + b2 = |z|
•
z + z0 = z + z0
z · z0 = z · z0
•
|z| + |z 0 | ≤ |z + z 0 |
Beweis.
2
|z + z 0 | = (z + z 0 ) · (z + z 0 )
= (z + z 0 ) · z + z 0
= z · z + z · z0 + z0 · z + z0 · z0
2 2
= |z| + 2Re(z · z 0 ) + |z 0 |
2 2
≤ |z| + 2 |z · z 0 | + |z 0 |
2
= (|z| + |z 0 |)
Durch Wurzelziehen folgt die Behauptung
•
1 z z
= = 2
z z·z |z|
3.2 Polynome
3.2.1 Definition
Definition 3.7. Ein Polynom mit Koeffizienten in einem Körper K ist ein Ausdruck
n
f (x) = a0 + a1 · x + . . . + an · xn = ak · xk , wobei n ∈ N0 , ai Koeffizienten und
P
k=0
x Unbestimmte heißen. an 6= 0 heißt Leitkoeffizent.
(Man kann „Körper“ auch gegen „kommutativer Ring mit Eins“ austauschen und
später konkretisieren.)
Bemerkung. Zwar kann man für x ein Element aus k einsetzen und so eine Abbildung
f : K → K definieren, aber Polynome und Polynomabbildungen sind zu unterschei-
den.
3.2.2 Beispiel
f (x) = x2 g(x) = x3
f, g sind Polynome und für jeden Körper gilt f 6= g.
Über K = R sind f und g verschiedene Abbildungen, für K = Z2 sind f, g allerdings
gleich als Abbildungen, denn es gilt
f (0) = 0 = g(0), f (1) = 1 = g(1)
27
3.2.3 Polynomringe
Definition 3.8. Sei K[x] die Menge alle Polynome mit Koeffizienten in K in der Un-
bestimmten x.
Seien f, g ∈ K[x] mit
n
X m
X
k
f= ak · x , g = bk · xk
k=0 k=0
wobei
k
X
ck := a0 · bk + a1 · bk−1 + . . . + ak · 0 = ai · bk−i
i=0
n
X n
X
f + (−f ) = (ak + (−ak )) · xk = 0 · xk = 0 = o
k=0 k=0
28
R2* · ist eine kommutative, assoziative Operation mit einem Einselement in K[x],
d.h.
– Abgeschlossenheit: Kann man aus der Definition ablesen. Seien f, g ∈
K[x] wie in der Definition gegeben, dann sind die ck der Definition ge-
wiss Körperelemente, der Leitkoeffzient ist cm+n 6= 0 (siehe Gradformel,
Definition 3.9 unten).
– Assoziativität: Seien a, b, c ∈ K[x] mit
n1
X n2
X n3
X
a= ai · xi , b = bi · x i , c = ci · xi
i=0 i=0 i=0
29
R3 Distributivgesetz: Seien a, b, c wie oben gegeben, dann gilt
max{n2 ,n3 }
X
a · (b + c) = a · (bk + ck ) · xk
k=0
n1 +max{n2 ,n3 } k
!
X X
= ai · (bk−i + ck−i ) · xk
k=0 i=0
n1 +max
Xn2 ,n3 k
!
D
X
= ai · bk−i + ai · ck−i · xk
k=0 i=0
n1 +max{n2 ,n3 } k k
!
X X X
= ai · bk−i + ai · ck−i · xk
k=0 i=0 i=0
n1 +max{n2 ,n3 } k
! k
!
X X X
k
= ai · bk−i ·x + ai · ck−i · xk
k=0 i=0 i=0
n1 +max{n2 ,n3 } n1 +max{n2 ,n3 }
k
! k
!
X X X X
k
= ai · bk−i ·x + ai · ck−i · xk
k=0 i=0 k=0 i=0
Wenn k > n1 + n2 , dann ist, wenn i > n1 , ai = 0, oder, wenn i < n1 , d.h.
k − i > n2 , bi = 0. Analoges für k > n1 + n3 und ai , ci . Da max {n2 , n3 } ≥ n2
und max {n2 , n3 } ≥ n3 ist also
n1 +max{n2 ,n3 } k
!
X X
ai · bk−i · xk = 0
k=n1 +n2 i=0
bzw.
n1 +max{n2 ,n3 } k
!
X X
ai · ck−i · xk = 0
k=n1 +n3 i=0
Also gilt
nX
! !
1 +n2 k
X nX
1 +n3 k
X
k
... = ai · bk−i ·x + ai · ck−i · xk
k=0 i=0 k=0 i=0
= (a · b) + (a · c)
3.2.4 Gradformel
Definition 3.9. Der Grad deg(f ) des Polynoms f ∈ K[x] ist n = max {i ∈ N0 : ai 6= 0}.
Der Grad des Nullpolynoms wird definiert als deg(o) = −∞.
(Spätestens ab hier müssen die Polynome über Körpern definiert werden, sonst wird
die folgende Bemerkung falsch.)
30
Proposition 3.2.1. Für f, g ∈ K[x] gilt
• deg(f + g) ≤ max {deg(f ), deg(g)}
• deg(f · g) = deg(f ) + deg(g)
Beweis. Wenn f, g ∈ K[x] mit deg(f ) = n und deg(g) = m, dann ist per Definition
max{n,m}
X
deg(f + g) = deg( (ak + bk ) · xk ) ≤ max {deg(f ), deg(g)}
k=0
denn für i < n ist n + m − i > m, d.h. bm = 0, und für i > n ist ai = 0.
3.2.5 Nullteilerfreiheit
Folgerung. Der Ring K[x] ist nullteilerfrei, d.h. für alle f, g ∈ K[x] mit f 6= o und
g 6= o gilt
f · g 6= o
Beweis. Seien f, g ∈ K[x] mit f 6= o und g 6= o, d.h. deg(f ) ≥ 0 und deg(g) ≥ 0,
dann gilt nach Gradformel
3.2.6 Polynomdivision
Zwar gibt es in K[x] keine multiplikativen Inversen, aber wie im Ring (Z, +, ·) der
ganzen Zahlen gibt es eine Division mit Rest.
Satz 3.2.2. Sind f, g ∈ K[x] mit g 6= o, dann gibt es eindeutig bestimmte q, r ∈ K[x]
mit
f =q·g+r
wobei deg(r) < deg(g).
Beweis. Es wird zunächst die Eindeutigkeit gezeigt. Angenommen f = q1 · g + r1 mit
deg(r1 ) < deg(g) und f = q2 · g + r2 mit deg(r2 ) < deg(g), dann gilt
q1 · g + r1 = q2 · g + r2 ⇔ (q1 − q2 ) · g = r2 − r1
31
Es wird o.B.d.A. angenommen, dass deg(f ) ≥ deg(g), ansonsten wählt man q = o
und r = f , dann ist q · g + r = o · g + f = o + f = f und deg(r) = deg(f ) < deg(g).
Induktion über deg(f ):
Induktionsanfang
Aus deg(f ) = 0 folgt deg(g) = 0, also f, g ∈ K. Dann gibt es aber g −1 ∈ K mit
g −1 ·g = 1, also wählt man q = f ·g −1 und r = o, dann gilt q·g+r = (f ·g −1 )·g+o =
f.
Induktionsschritt
Sei die Aussage nun für alle Polynome mit einem Grad kleiner als deg(f ) bewiesen.
Sei n := deg(f ) und m := deg(g), a der Leitkoeffizent von f und b der Leitkoeffizent
von g, dann betrachte das Polynom
a
f − · xn−m · g
b
das so konstruiert ist, dass der Leitkoeffizient von f sich hinweghebt, für das also gilt
a
deg(f − · xn−m · g) < deg(f )
b
Auf dieses Polynom wird die Induktionsvoraussetzung angewendet, d.h.
a
∃ q 0 , r : f − · xn−m · g = q 0 · g + r
b
mit deg(r) < deg(g),
umgestellt
a n−m
∃ q 0 , r : f = (q 0 +
·x )·g+r
b
womit man die gewünschte Darstellung erhält.
Ein Polynom g teilt ein Polynom f , wenn das Restpolynom bei der Polynomdivi-
sion das Nullpolynom ist.
3.2.7 Beispiel
Wenn f = 2x3 + x − 5 und g = x2 + 1 mit f, g ∈ Q[x], dann gilt
−x−5
(2x3 +x −5) : (x2 + 1) = 2x + x2 +1
−2x3 −2x
−x −5
32
Folgerung 3.2.8.2. Ein Polynom vom Grad n hat höchstens n Nullstellen (unabhängig
von Körper).
Induktionsschritt
Sei die Folgerung nun für alle Polynome mit Graden kleiner als deg(f ) =: n bewiesen.
Wenn f die Nullstelle α ∈ K hat, dann gilt nach Folgerung 1
f = q · (x − α)
f = (x − k1 ) · (x − k2 ) · . . . · (x − kn )
f = α · (x − α1 ) · (x − α2 ) · . . . · (x − αn )
33
3.2.10 Lemma von Bezout
(Das Nachfolgende Lemma wurde in der Vorlesung nicht erwähnt, soll an dieser Stel-
le aber eingeführt und bewiesen werden, um den Beweis des nächsten Abschnittes zu
vervollständigen.)
Lemma 3.1. Sei K[x] ein Polynomring und f, g ∈ K[x] Polynom. Wenn es kein
Polynom vom Grad ≥ 1 gibt, dass sowohl f als auch g teilt, so gibt es eindeutig
bestimmte Polynome f ∗ , g ∗ mit
f · f ∗ + g · g∗ = 1
Beweis. Sei o.B.d.A. deg(f ) ≥ deg(g). Wenn g das Nullpolynom ist, und f damit g
in jedem Fall teilt, muss deg(f ) < 1 sein. D.h. f ∈ K, also wähle f ∗ = f −1 (Inverses
im Körper) und g ∗ = g, dann gilt: f · f ∗ + g · g ∗ = 1 + o = 1.
Der Beweis erfolgt durch vollständige Induktion nach dem Grad von f .
Für den Induktionsanfang sei deg(f ) = 0, also auch deg(g) = 0, damit sind beide
Polynome Körperelemente. Setzt man f ∗ = f −1 und g ∗ = o, so ergibt sich: f · f ∗ +
g · g ∗ = 1 + o = 1.
Sei das Lemma nun für alle Polynome mit Graden kleiner als deg(f ) bewiesen. Nach
dem Satz über die Polynomdivision gibt es eindeutig bestimmte q, r ∈ K[x] mit
f =q·g+r
g · g0 + r · r0 = 1
g · g 0 + (f − q · g) · r0 = g · g 0 + f · r0 − q · g · r0 = f · r0 + g · (g 0 − q · r0 ) = 1
x ∼ y ⇔ ∃ f ∈ K[x] : x − y = f · g
34
K[x]g ist nun die Menge aller Äquivalenzklassen von ∼. Dann wird definiert für
[x], [y] ∈ K[x]g
[x] + [y] := [x + y]
[x] · [y] := [x · y]
Zu zeigen ist nun, dass (K[x]g , +, ·) ein Ring ist, d.h. im Einzelnen
R1 (K[x]g , +) ist eine abelsche Gruppe, d.h. wiederum
– Wohldefiniertheit von +: Seien [x] = [x0 ] und [y] = [y 0 ], dann gilt
∃ f1 ∈ K[x] : x − x0 = f1 · g
∃ f2 ∈ K[x] : y − y 0 = f2 · g
also
∃ f1 , f2 ∈ K[x] : (x − x0 ) + (y − y 0 ) = f1 · g + f2 · g
d.h.
∃ f1 , f2 ∈ K[x] : (x + y) − (x0 + y 0 ) = (f1 + f2 ) · g
und damit
[x + y] = [x0 + y 0 ]
– Abgeschlossenheit von K unter +: Klar, wenn x, y ∈ K[x], dann ist x +
y ∈ K[x], also [x + y] ∈ K[x]g .
– Assoziativgesetz: Seien [x], [y], [z] ∈ K[x]g , dann gilt
([x]+[y])+[z] = [x+y]+[z] = [(x+y)+z] = [x+(y+z)] = [x]+[y+z] = [x]+([y]+[z])
– Kommutativgesetz:
[x] + [y] = [x + y] = [y + x] = [y] + [x]
– Existenz eines neutralen Elements: [o] ist auch das neutrale Element von
K[x]g , denn es gilt
[x] + [o] = [x + o] = [x]
– Existenz von Inversen: [−x] ist das inverse Element zu [x], denn es gilt
[−x] + [x] = [(−x) + x] = [o]
R2 · ist eine assoziative, kommutative Operation auf K[x]g mit Einselement in K[x]g ,
d.h. im Einzelnen
– Wohldefiniertheit von ·: Seien [x] = [x0 ] und [y] = [y 0 ], dann gilt
∃ f1 ∈ K[x] : x − x0 = f1 · g
∃ f2 ∈ K[x] : y − y 0 = f2 · g
also
∃ f1 , f2 ∈ K[x] : x·y = (f1 ·g+x0 )·(f2 ·g+y 0 ) = f1 ·g·f2 ·g+f1 ·g·y 0 +x0 ·f2 ·g+x0 ·y 0
d.h.
∃ f1 , f2 ∈ K[x] : (x + y) − (x0 + y 0 ) = (f1 · f2 · g + f1 · y 0 + f2 · x0 ) · g
und damit
[x · y] = [x0 · y 0 ]
35
– Abgeschlossenheit von K unter ·: Klar, wie bei +.
– Assoziativgesetz: Seien [x], [y], [z] ∈ K[x]g , dann gilt
– Kommutativgesetz:
– Existenz der Eins: [1] ist das neutrale Element von K[x]g bezüglich ·, denn
es gilt
[1] · [x] = [1 · x] = [x]
• Distributivgesetze: Wegen der Kommutativität genügt es, eines der beiden zu
zeigen:
Damit ist gezeigt, dass K[x]g ein kommutativer Ring mit Eins ist.
Sei g nun irreduzibel. Um zu zeigen, dass (K[x]g , +, ·) ein Körper ist, genügt es, die
Existenz der multiplikatives Inversen nachzuweisen für alle [f ] ∈ K[x]∗g .
Da g irreduzibel ist, ist g der einzige Teiler von sich selbst. Sei [f ] ∈ K[x]∗g , dann ist
[f ] ungleich [g], also ist f nicht durch g teilbar und damit teilerfremd zu g. Nach dem
Lemma von Bezout gibt es dann Polynome g ∗ und f ∗ mit
g∗ · g = 1 − f ∗ · f
3.2.12 Beispiele
• R[x]/(x2 + 1)R[x] ∼
=C
√
• Q[x]/(x2 − 2)Q[x] ist der kleinste Körper, der die rationalen Zahlen und 2
enthält: n √ o
Q[x]/(x2 − 2)Q[x] ∼ = a + 2 · b | a, b ∈ Q
36
4 Vektorräume
4.1 Definitionen
4.1.1 Vektorräume
Definition 4.1. Sei K ein Körper.
Eine Menge V ist ein Vektorraum über K, wenn es Operationen +, · gibt mit
V1 (V, +) ist eine abelsche Gruppe. Das neutrale Element dieser Gruppe nennt man
meist o und das Inverse zu v ∈ V nennt man −v.
V2 Für
·: K ×V →V
(λ, v) 7→ λ · v
(i) (λ + µ) · v = λ · v + µ · v - Distributivgesetz 1
(ii) λ · (v + w) = λ · v + λ · w - Distributivgesetz 2
(iii) (λ · µ) · v = λ · (µ · v) - „Assoziativgesetz“
(iv) 1 · v = v - „multiplikative Neutralität der Körper-Eins“
4.1.3 Beispiele
1. „Standardbeispiel“: K n := {x = (x1 , x2 , . . . , xn ) | xi ∈ K}, wobei Addition
und skalare Multiplikation komponentenweise definiert sind, d.h. für
(x1 , . . . , xn ), (y1 , . . . , yn ) ∈ K n , λ ∈ K
gilt
37
2. Die Menge der Polynome K[x] ist ein Vektorraum über K:
(K[x], +) ist eine abelsche Gruppe, weil (K[x], +, ·) ein Ring ist, und die restli-
chen Gesetz ergeben sich aus der schon definierten Multiplikation, weil Körper-
elemente lediglich Polynome vom Grad 0 sind.
3. Vektorraum der Funktionen über K: V = {f : M → K}, mit M eine beliebige,
feste Menge. Die Operationen sind punktweise definiert
5. (K n×n , +, ·) - die quadratischen Matrizen von Elementen aus K - mit der kom-
ponentenweisen Addition und skalaren Multplikation ist ein K-Vektorraum.
6. Jeder Körper ist ein Vektorraum über sich selbst.
4.1.4 Untervektorräume
Definition 4.2. Sei V ein K-Vektorraum, dann heißt W ⊆ V Untervektorraum von V ,
wenn gilt
U1 o ∈ W
U2 v + w ∈ W ∀ v, w ∈ W
U3 λ · v ∈ W ∀ λ ∈ K, v ∈ W
Satz 4.1.2. Ein Untervektorraum W von V ist mit den induzierten Operationen selbst
ein Vektorraum.
38
4.1.5 Beispiele
(a) Die trivialen Untervektorräume eines Vektorraums V sind W = {0} und W =
V.
(b) Wa = (x1 , x2 ) ∈ R2 | x1 + a · x2 = 0 für ein a ∈ R.
Allgemein: Lösungsräume homogener linearer Gleichungen in n Variablen über
K sind Untervektorräume des K n .
(c) W = {f : C → R | f (1) + (2 − i) · f (1 + i) = 0}
(d) R[x]d ⊂ R[x] ⊂ ζ 1 (R, R) ⊂ ζ 0 (R, R) ⊂ RR
| {z } | {z } | {z }
Polynome über R vom Grad d stetig differenzierbare Abb. stetige Abb.
4.1.7 Beispiele
• V = R[x], dann ist die Menge Wk der Polynome, deren k-ter Koeffizient 0 ist,
ein Unterraum von V . Dann ist auch
\
W = Wk
k ungerade
39
4.1.8 Vereinigung von Unterräumen ist kein Unterraum
Achtung. Die Vereinigung von Vektorräumen ist im Allgemeinen kein Vektorraum.
Wenn U, W Unterräume von V sind, so ist U ∪ W nur dann ein Unterraum, wenn
V ⊆ W oder W ⊆ V .
4.1.9 Beispiel
2
V = R , dann sei W1 Lösungsraum von x1 − x2 = 0 und W2 der Lösungsraum von
−2x1 − 5x2 = 0
Definition 4.4. Die Menge aller Linearkombinationen von v1 , . . . , vr ist das Erzeug-
nis oder der aufgespannte Raum von v1 , . . . , vr . Man schreibt dafür span(v1 , . . . , vr )
oder hv1 , . . . , vr i.
Proposition 4.1.2. hv1 , . . . , vr i ist der kleinste Untervektorraum von V , der v1 , . . . , vr
enthält.
Beweis. Zunächst wird gezeigt, dass hv1 , . . . , vr i ein Untervektorraum von V ist.
40
U1 Es ist o ∈ hv1 , . . . , vr i, dann für λ1 = λ2 = . . . = λr = 0 ∈ K ist
r
X r
X r
X
λk · vk = 0 · vk = o=o
k=1 k=1 k=1
dann gilt
r
X r
X r
X
v+w = λk · vk + µk · wk = (λk + µk ) · vk ∈ hv1 , . . . , vr i
k=1 k=1 k=1
dann gilt
r
X r
X r
X
λ·v =λ· λk · vk = λ · (λk · vk ) = (λ · λk ) · vk
k=1 k=1 k=1
für alle λ1 , . . . , λr ∈ K. Das heißt W ⊆ hv1 , . . . , vr i, also ist hv1 , . . . , vr i der kleinste
Untervektorraum von V , der v1 , . . . , vr enthält.
folgt
λ1 = λ2 = . . . = λk = 0
In anderen Worten: Der Nullvektor lässt sich nur trivial aus den vi kombinieren.
Eine unendliche Familie (vi | i ∈ I) von Vektoren heißt linear unabhängig, falls jede
endliche Teilfamilie linear unabhängig ist.
41
4.1.12 Beispiele
... im R3 :
1 0 0
a) e1 = 0 , e2 = 1 , e3 = 0 sind linear unabhängig. Die einzi-
0 0 1
ge Lösung (λ1 , λ2 , λ3 ) von
λ1 · e1 + λ2 · e2 + λ3 · e3 = o
dann gilt
r
! r
! r
X X X
o=v−v = λ k · vk − µk · vk = (λk − µk ) · vk
k=1 k=1 k=1
λk − µk = 0 ⇔ λk = µk
Widerspruch zu Annahme.
Rückrichtung: Wenn v1 , . . . , vr linear abhängig sind, dann hat der Nullvektor zwei
verschiedene Darstellungen (die triviale und eine nicht-trivale).
Folgerung. Wenn v1 , . . . , vr linear unabhängig sind, dann gilt für alle i = 1, . . . , r:
vi 6∈ hv1 , . . . , vi−1 , vi+1 , . . . , vr i (andernfalls gäbe es zwei Darstellungen von vi durch
die Vektoren v1 , . . . , vr , einmal als vi selbst und die zweite nur durch Vektoren aus
v1 , . . . , vi−1 , vi+1 , . . . , vr ).
42
Bemerkung. Wie man leicht einsieht, gilt:
i) Ein einzelner Vektor v 6= o ist immer linear unabhängig.
• hv1 , . . . , vn i = V
• {v1 , . . . , vn } sind linear unabhängig.
Ist {v1 , . . . , vn } Basis von V , dann kann jedes Element von V eindeutig als Line-
arkombination
Xn
v= λ k · vk
k=1
geschrieben werden.
(λ1 , λ2 , . . . , λn ) ∈ K n
mit
n
X
v= λ k · vk
k=1
existiert.
Es gibt also eine Bijektion ϕ zwischen V und K n
ϕ : V ↔ Kn
v ↔ (λ1 , λ2 , . . . , λn )
die sogar strukturerhaltend ist (wie später gezeigt wird). Es ist also V ∼
= K n.
Beweis. Folgt aus der Definition und der Charakterisierung der linearen Unabhängig-
keit.
43
4.2.3 Beispiele
• Für V = K n heißt B = (e1 , e2 , . . . , en ) die kanonische Basis, mit
1 , 0, . . . , 0)
ei = (0, 0, . . . , |{z}
i-te Stelle
∃ B 0 ( B : hB 0 i = V
44
also v ∈ hv1 , . . . , vi−1 , vi+1 , . . . , vr i. Damit ist gezeigt, dass B nicht minimal
erzeugend ist.
(i) ⇒ (iii) Wenn B eine Basis ist, dann ist B erzeugend, d.h. für alle v ∈ V ist v ∈
hv1 , . . . , vn i. Weil v1 , . . . , vn sind linear unabhängig sind, ist {v, v1 , . . . , vn }
nicht linear unabhängig, d.h. B ist maximal linear unabhängig.
(iii) ⇒ (i) Wenn B zwar linear unabhängig, aber nicht erzeugend ist, dann gibt es ein v ∈ V
mit v 6∈ hv1 , . . . , vn i, d.h. {v, v1 , . . . , vn } ist linear unabhängig. Das heißt aber,
dass B nicht maximal linear unabhängig ist.
4.2.6 Austauschlemma
n
P
Lemma 4.1. Sei B = (v1 , . . . , vn ) eine Basis von V und ist w = λk · vk mit
k=0
λi 6= 0, dann ist
B 0 = {v1 , . . . , vi−1 , vi+1 , . . . , vn }
eine Basis von V .
Beweis. Zu zeigen ist, dass B 0 Basis von V ist, also
1. hB 0 i = V :
Sei v ∈ V . dann existieren µ1 , . . . , µn ∈ K mit
v = µ1 v1 + . . . + µn · vn
1 λ2 λ3 λn
v1 = ·w− · v2 − · v3 − . . . − · vn
λ1 λ1 λ1 λ1
Daraus folgt
µ1 λ2 λ3 λn
v= ·w+ µ2 − µ1 · ·v2 + µ3 − µ1 · ·v3 +. . .+ µn − µ1 · ·vn
λ1 λ1 λ1 λ1
Also B = hw, v2 , . . . , vn i = V .
45
2. B 0 = (w, v2 , v3 , . . . , vn ) ist linear unabhängig.
Sei γ1 · w + γ2 · v2 + . . . + γn · vn = 0. Nach Voraussetzung ist
w = λ1 · v1 + λ2 · v2 + . . . + λn · vn
mit λ1 6= 0.
Dann ist
o = γ1 · w + γ2 · v2 + . . . + γn · vn
= γ1 · (λ1 · v1 + λ2 · v2 + . . . + λn · vn ) + γ2 · v2 + . . . + γn · vn
= γ1 · λ1 · v1 + (γ1 · λ2 + γ2 ) · v2 + . . . + (γ1 · λn + γn ) · vn
γ1 · λ1 = 0 ⇒ γ1 = 0
und dann
γ1 · λk + γk = 0 + γk = 0 ⇒ γk = 0
für alle k = 2, . . . , n, also
γ1 = γ2 = . . . = γn = 0
{w1 , . . . , wm , vm+1 , . . . , vn }
ist eine Basis von V . Man kann also wm ∈ V als Linearkombination dieser Vektoren
darstellen:
m−1
X n
X
wm = λk · wk + λk · v k
k=1 k=m
46
Es muss ein i ≥ m geben mit λi 6= 0, denn sonst wäre
m−1
X
wm = λk · wk
k=1
{w1 , . . . , wm , vm+1 , . . . , vn }
eine Basis, also ein minimales Erzeugendensystem von V ist, was ein Widerspruch
dazu ist, dass B 0 ein minimales Erzeugendensystem, also eine Basis ist.
4.2.9 Dimension
Definition 4.7. Sei V ein K-Vektorraum, dann definiere
(
n, falls V eine Basis mit n Elementen besitzt
dimK (V ) =
∞, falls V keine endliche Basis besitzt
Proposition 4.2.2. Sei V ein K-Vektorraum und w1 , . . . , wr Vektoren aus V . Sei r >
dimK (V ), dann ist (w1 , . . . , wr ) linear abhängig.
Beweis. Sei B = {v1 , . . . , vn } eine Basis von V . Angenommen (w1 , . . . , wr ) (n <
r) sei linear unabhängig, dann ist auch (w1 , . . . , wn ) linear unabhängig. Nach dem
Ausstauschsatz von Steinitz kann man die Basis B also komplett austauschen, d.h.
(w1 , . . . , wn ) ist Basis und damit maximal linear unabhängig, was ein Widerspruch
zur Annahme ist.
4.2.10 Beispiele
• dimK K n = n
• dimR C = 2, denn (1, i) ist eine Basis des R-Vektorraums C.
• dimQ R = ∞
47
4.2.11 Dimension von Unterräumen
Proposition 4.2.3. Sei W ein Unterraum von V .
(i) Es gilt dim W ≤ dim V .
(ii) Aus dim W = dimV folgt W = V .
Beweis.
(i) Jede linear unabhängige Menge von Vektoren in V hat höchstens dim V viele Ele-
mente. Jede linear unabhängige Menge in W , insbesondere jede Basis, ist natürlich
auch eine linear unabhängige Menge in V , hat also höchstens dim V Elemente. Also
dim W ≤ dim V .
(ii) Angenommen dim W = dim V , aber W ( V .
Sei B Basis von W und v ∈ V \W , d.h. v 6∈ hBi. B ∪{v} wäre dann linear unabhängig
in V , hätte aber mehr Elemente als dim W = dim V , Widerspruch.
4.3.2 Halbordnungen
Definition 4.8. Sei M eine Menge. Eine Relation R ⊆ M × M heißt Halbordnung
auf M , wenn gilt
(i) R ist reflexiv: mRm ∀ m ∈ M ,
(ii) R ist antisymmetrisch: ∀ m, n ∈ M : mRn ∧ nRm ⇒ m = n und
(iii) R ist transitiv: ∀ m, n, o ∈ M : mRn ∧ nRo ⇒ mRo.
48
4.3.3 Beispiele
• „≤“ ist auf Z eine Halbordnung.
• Sei
M = P({1, 2, 3}) = {∅, {0} , {1} , {2} , {3} , {1, 2} , {1, 3} , {2, 3} , {1, 2, 3}}
Die Inklusion „⊆“ ist eine Halbordnung auf jeder Menge von Mengen:
(i) A ⊆ A X
(ii) A ⊆ B ∧ B ⊆ A ⇒ A = B X
(iii) A ⊆ B ∧ B ⊆ C ⇒ A ⊆ C X
4.3.4 Ketten
Definition 4.9. Sei M eine Menge mit einer Halbordnung R.
(a) K ⊆ M heißt Kette, falls gilt: a, b ∈ K ⇒ aRb ∨ bRa.
(b) Eine Kette heißt induktiv, falls ein m ∈ M existiert, sodass kRm ∀k ∈ K
(m ist obere Schranke von K).
(c) Ein Element m0 ∈ M heißt maximal in M , falls gilt:
Ist m0 Rm für ein m ∈ M , dann folgt m = m0 .
49
Bi ⊆ Bj , also bi ∈ Bj für alle i. Bj ∈ M ist aber linear unabhängig, und damit folgt
aus der Gleichung:
λ1 = λ2 = . . . = λn = 0
Es gibt also ein B0 ∈ M mit B ⊆ B0 für alle B ∈ K, also ist K induktiv.
Damit ist gezeigt, dass jede Kette aus M induktiv ist. Nach dem Lemma von Zorn gibt
es also ein maximales Element in M , d.h. eine maximal linear unabhängige Menge von
Vektoren in V , also eine Basis.
4.4 Matrizen
4.4.1 Definition
Definition 4.10. Eine m × n-Matrix über K ist eine Anordnung von n · m Elementen
aus K in einem rechteckigen Schema:
a11 a12 . . . a1n
a21 a22 . . . a2n
.. .. .. ..
. . . .
am1 am2 ... amn
Die Elemente aij sind die Koeffizienten des Matrix.
Die waagerecht geschriebenen Tupel(ai1 , ai2
, . . . , ain ) heißen Zeilen(-vektoren).
a1j
a2j
Die senkrecht geschriebenen Tupen . heißen Spalten(-vektoren).
..
amn
Die Menge aller m × n-Matrizen über K bezeichnet man mit MK (m, n), M (m, n, K)
oder K m×n .
4.4.2 Zeilenstufenform
Definition 4.11. Eine Matrix ist in Zeilenstufenform , wenn sie so aussieht:
0 ∗ ··· ···
0 0 ··· ∗ ··· *
.. .. . . ..
. .
. 0 0 . * ∗
0 0 ··· 0 0 · · · ∗ · · ·
0 0 ··· 0 0 ··· 0 ···
0 0
Beschreibung:
• Die sind alle 6= 0.
• Die Elemente rechts von den sind beliebig (∗).
• Unter der Stufenlinie stehen nur 0-Elemente.
Formaler: A ∈ K m×n ist in Zeilenstufenform, wenn
• Es gibt ein r ∈ {0, 1, . . . , n}, sodass alle Zeilen mit Index i > r nur Nullen
enthalten.
• Es existieren j1 , . . . , jr mit 0 < j1 < j2 < . . . < jr ≤ n und ji := min {j | aij 6= 0}.
50
4.4.3 Kriterium für lineare Unabhängigkeit
Lemma 4.2. Ist A in Zeilenstufenform und sind a1 , . . . , ar die Zeilen ungleich o in A,
dann sind diese Zeilen linear unabhängig.
Beweis. Sei
o = λ1 · a1 + . . . + λr · ar
mit λi ∈ K für alle 1 ≤ i ≤ r.
Dies „ist“ (also: kann interpretiert werden als) ein System von n homogenen linearen
Gleichungen.
Betrachte j1 dieser Gleichungen:
0 = λ1 · a1,j1 + . . . + λr · ar,j1
Wegen aij = 0 für alle i > 1 (alle Einträge unter dem ersten Element 6= 0 in der ersten
Zeile sind 0) ist das
0 = λ1 · a1,j1 + λ2 · 0 + . . . + λr · 0 = λ1 · a1,j1 ⇒ λ1 = 0
|{z}
6=0
Sei aus den Gleichungen j1 , . . . , jk−1 gezeigt, dass λ1 = . . . = λk−1 = 0 für ein
k, 1 < k ≤ n. Wenn jk ≤ jr , dann betrachte die jk -te Gleichung des Systems
0 = λ1 · a1,jk + . . . + λr · ar,jk
4.4.4 Zeilenraum
Definition 4.12. Der Zeilenraum ZR(A) einer Matrix A ∈ K m×n ist das Erzeugnis
der Zeilen von A, d.h. ZR = ha1 , . . . , an i, wobei ai die i-te Zeile von A ist.
51
• Typ II: Zeile i und Zeile j werden addiert.
∗ ∗ ... ∗ ∗ ∗ ∗ ... ∗ ∗
− − ai − − − − ai − −
A = ... .. . . .
. ..
.. → .. .. .. .. ..
= AII
. .
.
. . . .
− − aj − − − − aj + ai − −
∗ ∗ ... ∗ ∗ ∗ ∗ ... ∗ ∗
v = µ1 · a1 + . . . + µi · ai + . . . + µm · am
µi
= µ1 · a1 + . . . + · (λ · ai ) + . . . + µm · am ∈ ZR(AI )
λ
bzw.
v = µ1 · a1 + . . . + µi · ai + . . . + µj · aj + . . . + µm · am
= µ1 · a1 + . . . + (µi − µj ) · ai + . . . + µj · (aj + ai ) + . . . + µm · am ∈ ZR(AII )
52
• Typ IV: Vertauschen von zwei Zeilen.
∗ ∗ ... ∗ ∗ ∗ ∗ ... ∗ ∗
− − ai − − − − aj − −
.. .
.. . .
. . .. .
.. → .. .. . . .. ..
A= . = AIV
. . . . .
− − aj − − − − ai − −
∗ ∗ ... ∗ ∗ ∗ ∗ ... ∗ ∗
53
unterhalb von ak−1 nur 0 enthalten. Ansonsten betrachte die erste Spalte, ge-
nannt jk , die einen Eintrag ungleich 0 unterhalb von Zeile ak−1 hat. Tausche die
Zeile mit diesem Eintrag so, dass sie danach Zeile ak ist.
4. Mit Umformungen des Typs III addiert man Vielfache von ak zu den anderen
Zeilen unterhalb von ak , so dass die Spalte jk unterhalb von ak nur 0-Einträge
enthält.
4.4.9 Beispiele
Betrachte folgende Matrizen aus dem R3 :
•
2 3 4 2 3 4 2 3 4
a ←a3 −2a1 a ←a3 +6a2
0 1 2 3 −→ 0 1 2 3 −→ 0 1 2
4 0 8 0 −6 0 0 0 12
•
1 1 1 1 1 1
4 3 2 a3 ←a
−→3 +a1
4 3 2 a3 ←a2 −a3
−→
3 2 1 4 3 2
1 1 1 1 1 1
4 3 2 a2 ←a2 −4a3
−→ 0 −1 −2
0 0 0 0 0 0
U1 + U2 := {x + y | x ∈ U1 , y ∈ U2 }
(x + y) + (x0 + y 0 ) = (x + x0 ) + (y + y 0 ) ∈ (U1 + U2 )
| {z } | {z }
∈U1 ∈U2
λ · (x + y) = |{z}
λ · x + λ · y ∈ (U1 + U2 )
|{z}
∈U1 ∈U2
54
4.5.2 Beispiele
• U + {o} = U
• U +U =U
4.5.4 Dimensionsformel
Satz 4.5.1. Sind U1 und U2 Untervektorräume von V , dann gilt
B1 = {v1 , . . . , vr , w1 , . . . , ws }
B2 = {v1 , . . . , vr , z1 , . . . , zt }
Dass B3 den Raum U1 + U2 erzeugt, ist klar. Übrig bleibt der Beweis der linearen
Unabhängigkeit:
Sei also für gesuchte α1 , . . . , αr , β1 , . . . , βs , γ1 , . . . , γt ∈ K:
o = α1 · v1 + . . . + αr · vr + β1 · w1 + . . . + βs · ws + γ1 · z1 + . . . + γt · zt ⇒
−α1 · v1 − . . . − αr · vr − β1 · w1 − . . . − βs · ws = γ1 · z1 + . . . + γt · zt
−α1 · v1 − . . . − αr · vr − β1 · w1 − . . . − βs · ws = γ1 · z1 + . . . + γt · zt ∈ U1
55
Gleichzeitig gilt auch
γ1 · z1 + . . . + γt · zt ∈ U2
also
γ1 · z1 + . . . + γt · zt ∈ (U1 ∩ U2 )
Dieser Vektor kann somit als Linearkombination von B0 dargestellt werden, d.h. es
gibt λ1 , . . . , λr mit
γ1 · z1 + . . . + γt · zt = λ1 · v1 + . . . + λr · vr ⇒
o = λ1 · v1 + . . . + λr · vr − γ1 · z1 − . . . − γt · zt
o = α1 · v1 + . . . + αr · vr + β1 · w1 + . . . + βs · ws
α1 = . . . = αr = β1 = . . . = βs = 0
v ∈ hBi = U ∧ v ∈ hB 0 i = U 0
4.5.7 Beispiel
R3 = he1 i + he2 i + he3 i
56
5 Lineare Abbildungen
5.1 Definitionen
5.1.1 Lineare Abbildungen
Definition 5.1. Seien V, W Vektorräume über K. Eine Abbildung F : V → W ist
eine lineare Abbildung, wenn gilt
L1 F (v1 + v2 ) = F (v1 ) + F (v2 ) ∀ v1 , v2 ∈ V - Additivität
L2 F (λ · v) = λ · F (v) ∀ λ ∈ K, v ∈ V - Homogenität
Lineare Abbildungen sind also Homomorphismen von Vektorräumen.
Bemerkung. Zum Beweis der Linearität genügt zu zeigen:
5.1.2 Beispiele
1.
Achtung.
f : R→R
f (x) = a · x + b
A : Kn → Km
x1 ha1 , xi a11 · x1 + a12 · x2 + . . . + a1n · xn
x = ... 7→ ..
=
..
. .
xn ham , xi am1 · x1 + am2 · x2 + . . . + amn · xn
57
Eine Drehung um einen Winkel α ist eine Abbildung
ρ α : R2 → R2
ρα (x, y) 7→ (x · cos α − y · sin α, x · sin α + y · cos α)
4. Differentialoperator
D : R[x] → R[x]
n
X n
X
ak · xk 7→ k · ak · xk−1
k=0 k=0
58
• Sind v1 , . . . , vn linear abhängig in V , dann sind F (v1 ), . . . , F (vn ) linear ab-
hängig in W . Denn es gibt eine nicht-triviale Linearkombination von o durch
v1 , . . . , vn . F auf diese Linearkombination angewandt ist einerseits, nach der
ersten Bermerkung der Nullvektor in W , andererseits aber auch, nach der zwei-
ten Bemerkung, eine Linearkombination von Vektoren F (v1 ), . . . , F (vn ).
• Sei U ein Unterraum von V , dann gilt: dim(F (U )) ≤ dim(U ). Denn jede Fa-
milie von mehr als dim(U ) Vektoren aus U ist linear abhängig und nach der
letzten Bermerkung ist dann auch jede Familie von mehr als dim(U ) Vektoren
aus F (U ) linear abhängig.
59
U3 Abgeschlossenheit gegenüber der Skalarmultiplikation, also (λ · F ) ∈ Hom für
F ∈ Hom, λ ∈ K
Seien v1 , v2 ∈ V , λ1 , λ2 ∈ K.
(λ · F )(λ1 · v1 + λ2 · v2 ) = λ · F (λ1 · v1 + λ2 · v2 )
= λ · (λ1 · F (v1 ) + λ2 · F (v2 ))
= λ · λ1 · F (v1 ) + λ · λ2 · F (v2 )
= λ1 · (λ · F (v1 )) + λ2 · (λ · F (v2 ))
= λ1 · (λ · F )(v1 ) + λ2 · (λ · F )(v2 )
Satz 5.1.1. End(V ) mit + (von Hom) und ◦ (Komposition) ist ein Ring.
Beweis. Es sind die Ringaxiome nachzuweisen
R1 (End(V ), +) ist eine abelsche Gruppe, weil (End(V ), +, ·) ein K-Vektorraum
ist.
R2 Die Komposition ist immer assoziativ; sie ist auch eine Operation ◦ : End(V ) ×
End(V ) → End(V ), weil die Verknüpfüng zweier Endomorphismen F, G ∈
End(V ) wieder ein Endomorphismus ist.
R3 Distributivgesetze:
Seien F, G, H ∈ End(V ), dann gilt für alle v ∈ V :
und
60
• der Kern: ker F = F −1 (o) = {v ∈ V | F (v) = o} ⊆ V
Die Faset von F über w ∈ im F ist
F −1 (w) = {v ∈ V | F (v) = w} ⊆ V
also w1 + w2 ∈ im F .
U3 λ ∈ K, w ∈ im F ⇒ ∃, v ∈ V : F (v) = w, und dann
F (λ · v) = λ · F (v) = λ · w
also λ · w ∈ im F .
(b) Es sind die Untervektorraumaxiome nachzuweisen:
U1 F (o) = o, d.h. o ∈ ker F X
U2 v1 , v2 ∈ ker F , d.h. F (v1 ) = F (v2 ) = o, also auch
F (λ · v) = λ · F (v) = λ · o = o
(d) Wenn F injektiv, dann gilt natürlich auch ker F = F −1 (o) = {o}.
Sei andererseits ker F = F −1 (o) = {o}. Wenn v 6= v 0 , dann ist v − v 0 6= o, also
F (v − v 0 ) 6= o ⇔
F (v) − F (v 0 ) 6= o ⇔
F (v) 6= F (v 0 )
61
(e) Betrachte
λ1 · F (v1 ) + . . . + λk · F (vk ) = o ⇔
F (λ1 · v1 + . . . + λk · vk ) = o
λ1 · v1 + . . . + λk · vk = o
λ1 = . . . = λk = 0
⊇ ai ∈ im
1A, weil nA·e
i 1
i = a . Und weil im F ein Vektorraum ist, ist mit a , . . . , a
n
auch a , . . . , a in im F enthalten.
⊆ Sei y ∈ im A, d.h. es existiert ein x ∈ K n mit
y = A · x = a1 · x1 + a2 · x2 + . . . + an · xn
| {z }
∈ha1 ,...,an i
also v0 + v ∈ F −1 (w).
62
⊆ Sei u ∈ F −1 (w), d.h. F (u) = w = F (v0 ) und damit F (u) − F (v0 ) = F (u −
v0 ) = o. Damit ist aber u − v0 ∈ ker F und u = v0 + (u − v0 ), also u ∈
| {z }
∈ker F
v0 + ker F .
5.2.6 Beispiel
Im R und R3 gibt es als affine Unterräume Punkte, Geraden, Ebenen. Zudem ist auch
2
x y
Diese Abbildung ist linear: F = , sie wird durch die Matrix
y y
0 1
0 1
realisiert.
x p
Der Kern von F ist ker F = ∈ R2 . Die Faser eines Punktes ist
0 p
dann
p x p
F −1 = | x ∈ R2 = + ker F
p p p
63
2. U = U 0
Tatsächlich gilt für jedes x ∈ X: X = x + U .
v = (v + u) + u0 = v + u + u0 ⇔ o = u + u0 ⇔ u = −u0
6 Bildquellen
• http://de.wikipedia.org/wiki/Bild:Injektivit%C3%A4t_Mengenwolke.png
• http://de.wikipedia.org/wiki/Bild:Surjektivit%C3%A4t_Mengenwolke.png
• http://de.wikipedia.org/wiki/Bild:Bijektivit%C3%A4t_Mengenwolke.png
64