LinADi Cheatsheet WS2022/2023

• Grundlegende Begriffe und algebraische Strukturen

◦ Zahlen und Mengen
▪ Mengensymbole
▪ Definition
▪ Potenzmenge
▪ Beispiel
◦ Aussagenlogik und Funktionen
▪ Logische Aussagen
▪ Operatoren
▪ Wahrheitstabelle bei Implikation
▪ Quantoren
▪ Umformungsregeln zum Negieren
◦ Funktionen
▪ Begriffe
◦ Kombinatorik
▪ Binominalkoeffizient
▪ Beispiel
▪ Binomischer Lehrsatz
• Diskrete Mathematik
◦ Modulo ausrechnen
▪ Beispiel
▪ a ist positiv
▪ a ist negativ
◦ Euler-Fermat
▪ Eulersche Phi-Funktion
▪ Primzahlen
▪ Liste von 1 bis 100 zum schnellen
Nachschauen
◦ Einfacher Euklidischer Algorithmus (ggT und kgV berechnen)
▪ Beispiel
◦ Erweiterter Euklidischer Algorithmus
▪ Beispiel
 ▪ Multiplikatives Inverses bestimmen
◦ Chinesischer Restsatz
▪ Simulate Konguenz
▪ Verfahren
▪ Beispiel
▪ Einfacher euklidischer Algorithmus
▪ Erweiterung des euklidischen Algorithmus
◦ Primfaktorzerlegung
▪ Primzahlen zwischen 1 und 50
◦ Potenzierung mit großen Zahlen
▪ Beispiel
◦ Letzte Ziffer großer Potenzen bestimmen
▪ Letzte Zahlen bei Potenzen
▪ Beispiel
◦ Große Zahlen Modulo rechnen
▪ Modulo Eigenschaften
▪ Beispiel
◦ RSA-Verschlüsselung
▪ Digitale Signatur
▪ Sicherheit des RSA-Verfahrens
• Lineare Algebra
◦ Algebraische Strukturen
▪ Verschiedene Arten an Strukturen
▪ Axiome
▪ Univariable Strukturen
▪ Ring
▪ Körper
▪ Vektorraum
▪ Untervektorraum
▪ Erzeugendensystem eines
Vektorraums
▪ Minimales
Erzeugendensystem /
Basis eines
Vektorraums
 ▪ Dimension einer Matrix
▪ Linear unabhängig / abhängig
▪ Berechnung
▪ Sonderfälle
▪ Beispiel
◦ Vektoren
▪ Vektorrechnung
▪ Vektor-Vektor-Addition
▪ Beispiel
▪ Skalar-Vektor-Multiplikation
▪ Beispiel
▪ Normen
▪ Eigenschaften von Normen
▪ Euklidische Norm
▪ Maximumsnorm
▪ Beispiel
▪ Summennorm
▪ Beispiel
▪ p-Norm
▪ Beispiel
◦ Matrizen
▪ Besondere Matrizen
▪ Nullmatrix
▪ Identitätsmatrix / Einheitsmatrix
▪ Matrix-Skalar-Multiplikation
▪ Matrix-Matrix-Multiplikation
▪ Beispiel
▪ Matrix Transponierung
▪ Beispiel
▪ Matrix-Vektor-Multiplikation
▪ Beispiel
▪ Elementare Matrix-Zeilenoperationen
▪ Linearität von Abbildungen
▪ Zeilenstufenform einer Matrix
▪ Reduzierte Zeilenstufenform einer Matrix
 ▪ Bild einer Matrix
▪ Berechnung
▪ Beispiel
▪ Kern einer Matrix
▪ Beispiel
▪ Determinante berechnen
▪ 1x1-Determinante
▪ 2x2-Determinante
▪ 3x3-Determinante (Regel von Sarrus)
▪ n x n-Determinante (Gauß)
▪ Inverse Matrix
▪ Berechnung
▪ Beispiel
▪ Eigenwerte berechnen
▪ Beispiel
▪ Schneller Markov-Ketten berechnen

Grundlegende Begriffe und

algebraische Strukturen

Zahlen und Mengen

Mengensymbole
Symbol Bedeutung

x∈M x ist ein Element in N

x
∈M x ist kein Element in N
B⊆M x ist eine Teilmenge von N
B⊂M x ist eine echte Teilmenge von N
 Symbol Bedeutung

B⊂M x ist eine echte Teilmenge von N

B=M B ist gleich M
M =∅ M ist die leere Menge
∣M ∣ = k k ist die Menge der Elemente in M
B∪M Vereinigungsmenge von B und M

B∩M Schnittmenge von B und M

P(M ) Potenzmenge von M

B = B C := M ∖ B M ohne B

M ×B Kartesisches Produkt von M und B

Definition
• Umfangsdefinition: M = {2, 4, 6, 8}
• Inhaltsdefinition: M = {m : m ist gerade natürliche Zahl ≤ 9}

Potenzmenge
Die Potenzmenge P(N ) enthält man alle Kombinationen von Teilmengen, die man mit N
bilden kann.
Insbesondere enthält die Potenzmenge immer die leere Menge ∅.

Es gibt insgesamt 2∣A∣ Möglichkeiten, diese Teilmengen zu bilden.

Beispiel
Die Potenzmenge P(N ) von N = 1, 2, 3 ist:

P(N ) = {{1, 2, 3}{1, 2}, {1, 3}, {2, 3}, {1}, {2}, {3}, ∅}
Aussagenlogik und Funktionen

Logische Aussagen
Operatoren

Operator Name Wahrheitstabelle

¬A Negation Genau dann wahr, wenn A falsch ist.

Konjunktion
A ∧B Genau dann wahr, wenn A und B beide wahr sind.
(logisches UND)

Disjunktion Genau dann wahr, wenn A oder B (oder beide)

A ∨B
(logisches ODER) wahr sind.

A XOR Genau dann war, wenn entweder A oder B wahr

Exklusives Oder
B sind, aber nicht beide.

A NAND Negierte Genau dann wahr, wenn nicht sowohl A als auch B
B Konjunktion wahr sind.

A ⟹
Implikation aus A folgt B
B
A ⟺
Äquivalenz aus A folgt B und aus B folgt A
B

Wahrheitstabelle bei Implikation

A B A ⟹ B
falsch falsch wahr

falsch wahr wahr

wahr falsch falsch

wahr wahr wahr

Quantoren

Quantor Bedeutung

∃ Es existiert mindestens ein x, für das gilt

∃! Es existiert genau ein x, für das gilt

∄ Es existiert kein x, für das gilt

∀ Für alle x gilt

Umformungsregeln zum Negieren

Negation umgeformte Aussage

¬(¬A) A
¬(A ∧ B) ¬A ∨ ¬B
¬(A ∧ B) ¬A ∨ ¬B
¬(A ∨ B) ¬A ∧ ¬B
¬(A ⟹ B) A ∧ ¬B
¬(A ⟺ B) A ⟺ ¬B
¬(∀x : A(x)) ∃x : ¬A(x)
¬(∀x ∈ M : A(x)) ∃x ∈ M : ¬A(x)
¬(∃x : A(x)) ∀x : ¬A(x)
¬(∃x ∈ M : A(x)) ∀x ∈ M : ¬A(x)
¬(∃!x : A(x)) ∀x : ¬A(x) ∨ ∃y, x : (A(y) ∧ A(x) ∧ x 
= y)
Funktionen

Begriffe
Begriff Beschreibung

Jedes Element in der Zielmenge wird von maximal einem Element des Urbilds
Injektiv
erreicht.

Jedes Element in der Zielmenge wird mindestens von einem Element des
Surjektiv
Urbilds erreicht.

Bijektiv Die Abbildung ist sowohl injektiv als auch surjektiv.

Kombinatorik

Binominalkoeffizient
Der Binomialkoeffizient kann genutzt werden, um zu berechnen, wie viele Möglichkeiten es
gibt, k Objekte aus einer Menge mit n Objekten zu ziehen.

Er sieht so aus:

( )=
n n!
k (n−k)!⋅k!

Beispiel
Berechne die Anzahl der Möglichkeiten für die Platzierungen auf den ersten drei Plätzen bei
einem Pferderennen mit 10 Pferden.

10
( )= 10!
= 120
3 (10−3)!∗3!

⟹ 120 Möglichkeiten
Binomischer Lehrsatz
Für a, b ∈ R und n ∈ N0 gilt:
n
(a + b) = ∑ ( ) an−k bk
n n
k
k=0

Der Lehrsatz kann benutzt werden, um einige Aussagen zu beweisen. Dazu reicht es oft,
Werte in die Gleichung einzusetzen.

Diskrete Mathematik

Modulo ausrechnen
Um eine Zahl a mod b auszurechnen, nimmt man den Rest einer Division a/b.

Ist die Zahl a negativ, addiert man so oft die Zahl b, bis eine Zahl ≥ 0 herauskommt. Die Zahl,
die man dann erreicht hat, ist das Ergebnis.

Beispiel

a ist positiv
a=5
b=3

a/b = 5/3 = 1R2

⟹ a mod b = 2

a ist negativ
a = -5
b=3

−5 + 2 ∗ 3 = 1
⟹ a mod b = 1
Euler-Fermat

Eulersche Phi-Funktion
Die eulersche Phi-Funktion φ ordnet jeder natürlichen Zahl n die Anzahl der natürlichen
Zahlen a von 1 bis n zu, die zu n teilerfremd sind, also ggT (a, n) = 1 ist.

Primzahlen
Da alle Primzahlen p nur durch 1 und sich selbst teilbar sind, sind sie sicher zu den Zahlen 1
bis p − 1 teilerfremd, daher ist φ(p)
= p − 1.
Außerdem ist φ(pq) = (p − 1)(q − 1) = φ(p)φ(q) (siehe Skript 2.42).

Liste von 1 bis 100 zum schnellen Nachschauen

+ 1 2 3 4 5 6 7 8 9 10

0 1 1 2 2 4 2 6 4 6 4

10 10 4 12 6 8 8 16 6 18 8

20 12 10 22 8 20 12 18 12 28 8

30 30 16 20 16 24 12 36 18 24 16

40 40 12 42 20 24 22 46 16 42 20

50 32 24 52 18 40 24 36 28 58 16

60 60 30 36 32 48 20 66 32 44 24

70 70 24 72 36 40 36 60 24 78 32

80 54 40 82 24 64 42 56 40 88 24

90 72 44 60 46 72 32 96 42 60 40
Einfacher Euklidischer Algorithmus (ggT und kgV
berechnen)
Der euklidische Algorithmus berechnet den größten gemeinsamen Teiler ggT (n, m).

Eine Methode, den größten gemeinsamen Teiler zweier Zahlen herauszufinden, ist, zunächst
die größere Zahl durch die kleinere zu teilen, und solange den Divisor mit dem Rest teilen, bis
der Rest 0 ist.
Dann ist der letzte Divisor der ggT (n, m).

Der kgV (n, m) ist dann ggTn∗m

(n,m)

Beispiel
93/72 = 1R21
72/21 = 3R9
21/9 = 2R3
9/3 = 3R0
⟹ ggT (93, 72) = 3
⟹ kgV (93, 72) = 93∗72
3 = 2232

Erweiterter Euklidischer Algorithmus

Der erweiterte euklidische Algorithmus wird genutzt, um neben dem größten gemeinsamen
Teiler zweier Zahlen ggT (a, b) zweier natürlicher Zahlen a und b noch zwei ganze Zahlen s
und t, die die folgende Gleichung erfüllen, herauszufinden.

ggT (a, b) = s ∗ a + t ∗ b

1. Mit dem euklidischen Algorithmus den ggT (a, b) berechnen

2. Rückwärts einsetzen, um s und t herauszufinden.

Beispiel
1. Einfachen euklidischen Algorithumus anwenden:

99/78 = 1R21
78/21 = 3R15
21/15 = 1R6
15/6 = 2R3
6/2 = 3R0

2. Rückwärts einsetzen, bis wir das Format s ∗ a + t ∗ b erreichen:

3 = 15 − 2 ∗ 6
= 15 − 2 ∗ (21 − 15)
= 15 − 2 ∗ 21 + 2 ∗ 15
= 3 ∗ 15 − 2 ∗ 21
= 3 ∗ (78 − 3 ∗ 21) − 2 ∗ 21
= 3 ∗ 78 − 9 ∗ 21 − 2 ∗ 21
= 3 ∗ 78 − 11 ∗ 21
= 3 ∗ 78 − 11 ∗ (99 − 78)
= 3 ∗ 78 − 11 ∗ 99 + 11 ∗ 78

⟹ −11 ∗ 99 + 14 ∗ 78

Multiplikatives Inverses bestimmen

Eine Zahl a hat ein multiplikatives Inverses in Nn , wenn ggT (a, n) = 1.

Um das multiplikativ Inverse einer Zahl a in Nn zu bestimmen, muss man mithilfe des
erweiterten euklidischen Algorithmus das k in k ∗ a = 1 mod n bestimmen.

Dann sind alle Lösungen kongruent zu k mod n.

Chinesischer Restsatz
Mit dem chinesischen Restsatz kann man eine simulatane Kongruenz lösen:

Simulate Konguenz
x ≡ a1 mod m1
x ≡ a2 mod m2
⋮
x ≡ ak mod mn

Verfahren
Seien m1 , … , mn paarweise teilerfremde natürliche Zahlen, dann existiert für jedes Tupel
ganzer Zahlen a1 , … , an eine ganze Zahl x, die die folgende simultane Kongruenz erfüllt:
x ≡ ai mod mi f¨uri = 1, … , n
Alle Lösungen dieser Kongruenz sind kongruent module M := m1 m2 m3 … mn .

1. Eine Zahl M = m1 ∗ m2 ∗ … ∗ mk bestimmen.

2. Für jedes i eine Zahl Mi = M /mi bestimmen.
3. Für jedes i zwei ganze Zahlen ri und si finden, so dass ri ∗ mi + si ∗ Mi = 1
(mit erweitertem euklidischen Algorithmus).
n
4. ∑n=1 ai ei ist dann eine Lösung der simultanen Konguenz. Diese Lösung nimmt
man dann mod N , um eine Lösung zu erhalten.

Beispiel
Gesucht sei eine ganze Zahl x mit der Eigenschaft

x ≡ 2 mod 3
x ≡ 3 mod 4
x ≡ 2 mod 5

• M = 3 ∗ 4 ∗ 5 = 60

⟹ M1 = 60/3 = 20
⟹ M2 = 60/4 = 15
⟹ M3 = 60/5 = 12

Also berechnen wir mit dem erweiterten euklidischen Algorithmus folgende r und s:

r1 ∗ 3 + s1 ∗ 20 = 1
r2 ∗ 4 + s2 ∗ 15 = 1
r3 ∗ 5 + s3 ∗ 12 = 1
Einfacher euklidischer Algorithmus

20/3 = 6R2
3/2 = 1R1
2/1 = 2R0
Erweiterung des euklidischen Algorithmus

1=3−2
= 3 − (20 − 6 ∗ 3)
= 3 − 20 + 6 ∗ 3

⟹ 7 ∗ 3 + (−1) ∗ 20

Wenn wir das für alle machen, kommen wir auf die Lösungen:

7 ∗ 3 + (−1) ∗ 20 = 1
4 ∗ 4 + (−1) ∗ 15 = 1
5 ∗ 5 + (−2) ∗ 12 = 1

Jetzt berechnen wir e1 ,e2 und e3 :

e1 = s1 ∗ M1 = (−1) ∗ 20 = −20
e2 = s2 ∗ M2 = (−1) ∗ 15 = −15
e3 = s3 ∗ M3 = (−2) ∗ 12 = −24

Das Ergebnis ist dann die Summe aller ei ∗ ai :

2 ∗ (−20) + 3 ∗ (−15) + 2 ∗ (−24) = −133

⟹ −133 mod 60 = 47

Also ist 47 das Ergebnis der simulatenen Kongruenz.

Primfaktorzerlegung
Um die Primfaktorzerlegung einer Zahl zu bestimmen, geht man so vor:

1. Versuchen, eine Primzahl zu finden, die die Zahl teilt und kleiner als die Zahl ist
2. Die Zahl durch diese Primzahl teilen und immer von Schritt 1 wiederholen, bis man
 keine Primzahl mehr findet.
3. Die Zahlen, mit denen man geteilt hat, sind die Primfaktoren.

Primzahlen zwischen 1 und 50

1, 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47

Potenzierung mit großen Zahlen

Mit dem “square-and-multiply”-Algorithmus können wir Zahlen effizient potenzieren.
Wir teilen die Hochzahl immer wieder in kleinere Teilpotenzen auf und lösen diese rekursiv.
Am Ende werden die Teilpotenzen dann miteinander addiert, um die größere Potenz zu bilden.

Beispiel
220 = 210 ⋅ 210
210 = 25 ⋅ 25
25 = 2 ∗ 24
24 = 2 ∗ 2 ∗ 2 ∗ 2

Einsetzen von unten nach oben:

24 = 2 ⋅ 2 ⋅ 2 ⋅ 2 = 16
25 = 2 ⋅ 16 = 32
210 = 32 ⋅ 32 = 1024
220 = 1024 ⋅ 1024 = 1048576

Letzte Ziffer großer Potenzen bestimmen

Um die letzte Ziffer einer Potenz ab zu bestimmen, gehen wir folgendermaßen vor:

1. Letzte Ziffer in Basis a bestimmen.

2. In der Tabelle unten nachschauen, welche Endziffern sich bei Potenzen mit der
Zahl wiederholen.
3. b durch die Anzahl der Ziffern in einem Zyklus wiederholen teilen.
4. Der Rest ist dann die Position der letzten Zahl.
Letzte Zahlen bei Potenzen
Ziffer Letzte Ziffern bei Potenzierung

0 0

1 1

2 2, 4, 8, 6

3 3, 9, 7, 1

4 4, 6

5 5

6 6

7 7, 9, 3, 1

8 8, 4, 2, 6

9 9, 1

Beispiel
• 7358
• Letzte Ziffer der Basis ist 7.
• Der Zyklus bei a = 7 ist 7, 9, 3, 1.
• 358/4 = 89R2
• Die zweite Zahl im Zyklus ist 9.

⟹ Letzte Zahl ist 9.

Große Zahlen Modulo rechnen

Modulo Eigenschaften
1. (a mod m) mod m = a mod m
2. (a + b) mod m = ((a mod m) + (b mod m)) mod m
 3. (a ⋅ b) mod m = ((a mod m) ⋅ (b mod m)) mod m

Wollen wir Ausdrücke der Form an mod m berechnen, wobei a, n, m ∈ N, können wir uns
Eigenschaft 3 zunutze machen.
Wir unterteilen die Rechnung in immer kleinere Teilprobleme, bis die Lösung trivial ist.
Danach setzen wir rückwärts ein und setzen die Lösungen der Teilprobleme ein, um die
größeren Teilprobleme zu lösen.

Beispiel
• 12325 mod 30 = (123 mod 30)25 mod 30 = 325 mod 30
• 325 mod 30 = 3 ⋅ (312 mod 30) ⋅ (312 mod 30) mod 30
• 312 mod 30 = (36 mod 30) ⋅ (36 mod 30) mod 30
• 36 mod 30 = (33 mod 30) ⋅ (33 mod 30) mod 30
• 33 mod 30 = 3 ⋅ (3 mod 30) ⋅ (3 mod 30) mod 30

Dann rückwärts einsetzen:

• 33 mod 30 = 3 ⋅ 3 ⋅ 3 ⋅ 3 mod 30 = 27 mod 30 = 27

• 36 mod 30 = 27 ⋅ 27 mod 30 = 9
• 312 mod 30 = 9 ⋅ 9 mod 30 = 21
• 325 mod 30 = 3 ⋅ 21 ⋅ 21 mod 30 = 3

RSA-Verschlüsselung
1. Alice wählt zwei (große und ungleiche) Primzahlen p und q und berechnet

N = pq

und

φ(N ) = (p − 1)(q − 1)

2. Sie generiert eine Zahl e, wobei e eine natürliche Zahl ist, die teilerfremd zu φ(N )
und kleiner ist (1 < e < φ(N ))
3. Zu e berechnet Alice dann das multiplikativ Inverse in Zφ(N ) , also eine Zahl d mit

ed mod φ(N ) = 1
 Man berechnet die Zahl, indem man den erweiterten euklidischen Algorithmus
verwendet.
4. Das Tupel (e, N ) gibt sie als öffentlichen Schlüssel bekannt. Das Tupel (d, N)
bildet den privaten Schlüssel. Es ist wichtig, dass die Zwischengrößen p, q, φ(N )
und d geheim gehalten werden.
5. Ein Sender (z.B. Bob) kann eine Nachricht an einen Empfänger (Alice)
verschlüsseln, indem er das Chiffrat

C := M e mod N

berechnet und C an Alice verschickt wird.

Alice kann aus dem empfangenen Chiffrat C die ursprüngliche Nachricht berechnen mit der
Formel

M = Cd mod N

Digitale Signatur
Da d das multiplikativ inverse von e ist, kann auch der private Schlüssel verwendet werden,
um Nachrichten zu verschlüsseln, die nur mit dem öffentlichen Schlüssel dechiffriert werden
können.
Diese Eigenschaft wird genutzt, um "digitale Signaturen" möglich zu machen.
Um zu beweisen, dass eine Nachricht, die sie sendet, von ihr stammt, kann Alice mit ihrem
privaten Schlüssel verschlüsseln, sodass dieser nur mit dem öffentlichen Schlüssel
entschlüsselt werden kann.

Sicherheit des RSA-Verfahrens

Die Sicherheit des RSA-Verfahrens geht davon aus, dass Computer riesige Primzahlen nicht
effizient faktorisieren können.

Könnte ein Angreifer große Zahlen wie N faktorisieren, könnte er N in die 2 Faktoren p und q
ein d zerlegen.
Rechnet er anschließend φ(N ) = (p − 1)(q − 1) aus, dann könnte er mithilfe des
erweiterten euklidischen Algorithmus d finden, sodass e × d = 1 mod φ(N ). Damit hätte
er den privaten Schlüssel von Alice.
Deshalb ist es auch wichtig, dass die beiden Primzahlen p und q so gewählt werden, dass sie
nicht ähnlich groß sind. Sind p und q ähnlich groß, ist es möglich, mit der
Faktorisierungsmethode von Fermat einfach N in p und q zu faktorisieren.
Dabei geht man davon aus, dass der Wert p ähnlich der Wurzel von N ist (da N ≈ p2 , wenn
p und q ähnlich).

Lineare Algebra

Algebraische Strukturen
Eine Algebraische Struktur verbindet eine Menge mit einem oder mehr Rechenoperationen
(z.B. Addition, Multiplikation).

Verschiedene Arten an Strukturen

Axiome

Nr. Name Beschreibung Mathe-Sprache

Jede Kombination von Elementen

1 Abgeschlossenheit innerhalb der Struktur erzeugt wieder ∘:A×A→A
ein Element innerhalb der Struktur.

Reihenfolge, in der Operationen

(a ∘ b) ∘ c =
2 Assoziativität ausgeführt werden, hat keinen Einfluss
a ∘ (b ∘ c)
auf das Ergebnis.

Ein Element innerhalb der Struktur, Es gibt ein e∈A

das bei einer Operation mit einem , bei dem a ∘
3 Neutrales Element
Element der Struktur wieder das e=e∘a=a
gleiche Element ergibt. für alle a ∈ G.

Ein Element, das bei Kombination mit Für alle a in A

4 Inverses Element einem anderen Element das neutrale gibt es ein a′ , bei
Element erzeugt. dem gilt: a ∘
 Nr. Name Beschreibung Mathe-Sprache

5 Kommutativität
a′ = a′ ∘ a = e
Reihenfolge, in der Elemente
a ∘ b = b ∘ a für
kombiniert werden, hat keinen Einfluss
alle a, b ∈ A
auf das Ergebnis.

a ⊙ (b ⊕ c) =
(a ⊙ b) ⊕ (a ⊙
Operationen innerhalb der Struktur c),
6 Distributivität können kombiniert werden, ohne dass
die Struktur verändert wird. (a ⊕ b) ⊙ c =
(a ⊗ c) ⊕ (b ⊗
c)

Univariable Strukturen

Struktur Erforderliche Axiome Bekanntes Beispiel

Algebraische Struktur 1

Halbgruppe 1,2 (N, +)

Gruppe 1,2,3,4

Abel’sche Gruppe 1,2,3,4,5 (R, +)

Ring
Ein Ring R(+, ⋅) ist eine nichtleere Menge R mit 2 Verknüpfungen + und ⋅ mit folgenden
Bedingungen:

1. (R, +) ist eine abelsche Gruppe.

2. (R, ⋅) ist eine Halbgruppe.
3. Distributivgesetze gelten.

Körper
Eine algebraische Struktur ist ein Körper (K, +, ⋅), wenn gilt:
 1. (K, +) ist eine abel’sche Gruppe.
2. (K ∖ {0}, ⋅) ist eine abel’sche Gruppe.
3. Distributivgesetze gelten.

Vektorraum
Ein Vektorraum V (⊕, ⊙) ist dann ein Vektorraum, wenn es eine Vektoraddition und eine
Skalarmultiplikation bezüglich einem Körper (K, +, ⋅) gibt.
Für diese müssen folgende Axiome erfüllt sein:

Operation Erforderliche Axiome

Vektoraddition 1, 2, 3, 4, 5

Skalarmultiplikation 1, 3, 6

Untervektorraum

Ein Vektorraum W ist ein Untervektorraum eines anderen Vektorraums V , wenn folgendes
gilt:

1. Der Nullvektor ist in W .

2. Abschluss unter Skalarmultiplikation:
◦ Für jeden Skalar c muss und Vektor w in W muss cw auch in W
sein.
3. Abschluss unter Addition:
◦ Für jeden Vektor u und w in W muss deren Summe u + w auch in
W sein.
Erzeugendensystem eines Vektorraums

Das Erzeugendensystem eines Vektorraums v sind die Vektoren, die mit einer
Linearkombination jeden Ort des Vektorraums v erreichen können.
Das bedeutet, es gilt:

a1 v1 + … = an vn = v

Es gibt mehrere gültige Erzeugendensysteme für einen Vektorraum, da die Vektoren in dem
System nicht linear unabhängig sein müssen.
Minimales Erzeugendensystem / Basis eines Vektorraums

Die Basis eines Vektorraums ist ein Erzeugendensystem, das die minimale Anzahl an
Vektoren enthält, d.h. in dem alle Vektoren voneinander linear unabhängig sind.

Dimension einer Matrix

Die Dimension einer Matrix kann bestimmt werden, indem man eine Basis des Vektorraums
findet und die Anzahl der Vektoren zählt.

Linear unabhängig / abhängig

Vektoren sind voneinander linear abhängig, wenn sie vielfache voneinander darstellen. Dann
zeigen sie in dieselbe Richtung, was bedeutet, dass es eine Linearkombination gibt, bei dem
die Vektoren zusammen den Nullvektor ergeben:
n
0 = ∑ λi vi
i=1

, wobei nicht alle λi = 0 sein dürfen.

Berechnung

Um zu berechnen, ob Vektoren linear abhängig oder unabhängig sind, geht man

folgendermaßen vor:

1. Die Vektoren als Spalten einer Matrix aufschreiben.

2. Die Matrix mithilfe des Gauß-Algorithmus in die Zeilenstufenform bringen.
3. Wenn es mindestens eine Nullzeile in der Matrix gibt, dann sind die Vektoren
linear abhängig. Ansonsten sind die Vektoren linear unabhängig.

Sonderfälle

• Der Nullvektor ist immer linear abhängig, da jedes Skalar k mit dem Nullvektor
multipliziert 0 ergibt.
• Einzelne Vektoren (außer der Nullvektor) sind immer linear unabhängig, da es kein
Skalar k gibt, bei dem k mit dem Vektor multipliziert 0 ergibt.
Beispiel

1 2 10
0 0 3
v1 = , v2 = v3 =
2 4 −1
3 6 2

In Matrix umschreiben:

1 2 10
0 0 3
2 4 −1
3 6 2

In Zeilenstufenform umwandeln:

1 2 10
0 0 3
0 0 0
0 0 0

Da es Nullzeilen gibt, sind die Vektoren linear abhängig.

Vektoren

Vektorrechnung
Vektor-Vektor-Addition
Um einen Vektor v mit einem anderen Vektor b zu addieren, muss man zunächst sicherstellen,
dass beiden Vektoren gleich viele Einträge haben.
Wenn das gegeben ist, addiert man die jeweiligen Einträge miteinander:

v1
v2
v=
⋮
vn
 b1
b2
b=
⋮
bn

v1 + b1
v2 + b2
⟹ v+b=
⋮
vn + bn
Beispiel

1 4
A= 2 ,B = −2
3 1

1+4 5
A+B = 2 + (−2) = 0
3+1 4

Skalar-Vektor-Multiplikation
Um ein Skalar k mit einem Vektor v zu multiplizieren, muss man alle Einträge des Vektors mit
dem Skalar multiplizieren:

v1
v2
v=
⋮
vn

k ⋅ v1
k ⋅ v2
⟹ kv =
⋮
k ⋅ vn
Beispiel

1
A= 2
3
k=5

5∗1 5
k∗A= 5∗2 = 10
5∗3 15

Normen
Eigenschaften von Normen

Eigenschaft Beschreibung

Eine Norm muss immer eine positive reelle Zahl zurückgeben, es

Definitheit
sei denn, der Vektor ist der Nullvektor.

Die Länge des Vektors muss homogen sein, was bedeutet, dass
Homogenität
∣∣rv∣∣ = ∣r∣∣∣v∣∣.
Die Länge des Summenvektors zweier Vektoren ist kleiner oder
Dreiecksungleichung gleich der Summe der Längen dieser beiden Vektoren:
∣∣v + w∣∣ ≤ ∣∣v∣∣ + ∣∣w∣∣

Euklidische Norm
Die euklidische Norm ∣∣v∣∣2 eines Vektors v beschreibt die Länge des Vektors. Sie wird
berechnet mit:

∣∣v∣∣2 = v12 + ⋯ + vi2

Maximumsnorm
Die Maximumsnorm ∣∣v∣∣∞ eines Vektors v wird berechnet, indem man das maximale Element
(nach dem Betrag) auswählt:

∣∣v∣∣∞ = max({∣v1 ∣, ∣v2 ∣, … , ∣vn ∣})

Beispiel

1
∣∣ 2 ∣∣∞ = max({∣1∣, ∣2∣, ∣ − 3∣}) = 3
−3

Summennorm
Die Summennorm ∣∣v∣∣1 eines Vektors v wird berechnet, indem alle Beträge der Elemente
addiert werden:

∣∣v∣∣1 = ∣v1 ∣ + ∣v2 ∣, … + ∣vn ∣

Beispiel

1
∣∣ 2 ∣∣1 = ∣1∣ + ∣2∣ + ∣ − 3∣ = 6
−3

p-Norm
Die p-Norm ∣∣v∣∣p eines Vektors v wird so berechnet:

∣∣v∣∣p = p
∣v1p ∣ + ∣v2p ∣, … + ∣vnp ∣ mit 1 ≤ p < ∞
Beispiel

p=3

1
∣∣ 2 ∣∣3 = 3
∣13 ∣ + ∣23 ∣ + ∣(−3)3 ∣ = 3
36
−3

Matrizen

Besondere Matrizen
Nullmatrix
Eine Nullmatrix ist eine Matrix, die nur aus 0-en besteht.
 0 … 0
⋮ ⋱ ⋮
0 … 0

Identitätsmatrix / Einheitsmatrix
Die Identitätsmatrix ist die Matrix, die mit einem Vektor multipliziert immer den Vektor selber
ergibt. Dabei ist es egal, ob man von rechts oder links multipliziert.
Die Matrix sieht so aus:

1 0 0 … 0
0 1 0 … 0
0 0 1 … 0
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 … 1

Das heißt alle Einträge der Matrix sind 0, wobei die Hauptdiagonale nur aus 1-en besteht.

Matrix-Skalar-Multiplikation
Um eine Matrix A mit einem Skalar k zu multiplizieren, muss man jeden Eintrag in A mit k
multiplizieren:

x11 … x1n
A= ⋮ ⋱ ⋮
xm1 … xmn

k ∗ x11 … k ∗ x1n
⟹ kA = ⋮ ⋱ ⋮
k ∗ xm1 … k ∗ xmn

Matrix-Matrix-Multiplikation
Um eine Matrix A mit m × n Einträgen mit einer Matrix B mit n × m Einträgen zu
multiplizieren, schreiben wir zunächst beide Matrizen schräg übereinander auf und bilden dann
für jede Zeile in A und Spalte in B das Kreuzprodukt.
Beispiel
7 8
9 10
11 12
1 2 3 1*7+2*9+3*11 …
( ) ( )
4 5 6 … …

7 8
1 2 3 58 64
⟹ ( )× 9 10 =( )
4 5 6 129 154
11 12

Matrix Transponierung
Um eine Matrix zu transponieren, muss man die Zeilen und Spalten vertauschen (Erste Spalte
wird erste Zeile…)

Beispiel
5 9 1
A= 8 2 0
9 2 1

5 8 9
T
⟹ A = 9 2 2
1 0 1

Matrix-Vektor-Multiplikation
Um eine Matrix B mit einem Vektor a zu multiplizieren, bildet man für jede Zeile das
Skalarprodukt.
Dabei ist zu beachten, dass die Reihenfolge der Multiplikation einen Unterschied macht, da
Matrix-Vektor-Multiplikation nicht kommutativ ist.
Außerdem ist es wichtig, dass in der Matrix B genauso viele Spalten sind, wie es Einträge in
Vektor a gibt.
Beispiel
2
a= 4
5

10 2 3
B=( )
1 4 2

2
10 2 3 2 ⋅ 10 + 4 ⋅ 2 + 5 ⋅ 3 43
aB = ( )⋅ 4 =( )=( )
1 4 2 2⋅1+4⋅4+5⋅2 28
5

Elementare Matrix-Zeilenoperationen
1. Mit Vielfachem einer anderen Spalte addieren / subtrahieren (z.B.
Reihe3 = Reihe3 − 2 ⋅ Reihe1 )
2. Spalten vertauschen
3. Spalte mit einem Skalar multiplizieren (außer 0).

Linearität von Abbildungen

Eine Abbildung A(u, v) ist linear, wenn diese Bedingungen erfüllt sind:

1. Die Abbildung der Summe beider Vektoren muss der Summe der
Abbildungen der einzelnen Vektoren entsprechen: A(u + v) = A(u) +
A(v).
2. Die Abbildung eines Vektors multipliziert mit einem Skalar k muss das gleiche
sein, wie wenn man den Skalar erst danach multipliziert: A(ku) = kT (u)

Zeilenstufenform einer Matrix

Die Zeilenstufenform einer Matrix ist gegeben, wenn:

1. Alle Zeilen, die nicht nur aus 0-en bestehen, stehen oberhalb der Nullzeilen.
2. Der Zeilenführer jeder Reihe steht stets in einer Spalte rechts vom
Zeilenführer der Zeile darüber.
3. Alle Einträge unterhalb des Zeilenführers sind Null.
Um die Zeilenstufenform herzustellen, müssen wir einfach die elementaren
Matrixzeilenoperationen anwenden, bis wir diese in die gewünschte Form gebracht haben.

Es gibt mehrere gültige Zeilenstufenformen für jede Matrix.

Reduzierte Zeilenstufenform einer Matrix

Die reduzierte Zeilenstufenform ist gegeben, wenn:

1. In jeder Zeile der erste Eintrag, der nicht 0 ist, 1 ist (führende 1).
2. Bei der Spalte, in der diese führende 1 steht, sind alle anderen Felder 0.
3. In der nächsten Spalte ist die führende 1 rechts von der oberen Spalte.
4. Alle Spalten, die nur aus 0-en bestehen, sind unten.

Um die reduzierte Zeilenstufenform einer Matrix zu berechnen, müssen wir die elementaren
Matrixzeilenoperationen anwenden, bis die Matrix im gewünschten Format ist.

Es gibt für jede Matrix eine eindeutige Zeilenstufenform.

Bild einer Matrix

Das Bild einer n × n-Matrix ist, die Menge aller Vektoren b, die man mit der Matrix “erreichen”
kann, wenn man sie mit einem Vektor x mit n Einträgen multipliziert. Die Vektoren, die dabei
herauskommen, sind immer Vektoren mit m Einträgen.

Bild(A) = {Ax∣x ∈ Rn } ⊆ Rm

Berechnung
1. Die Matrix transponieren
2. Die Zeilenstufenform der Transponierten ausrechnen (Gauß-Verfahren).
3. Zurücktransponieren.
4. Nicht-Null-Spalten als Vektoren aufschreiben.
5. Die lineare Hülle aus den Vektoren bilden.
Beispiel
2 0 0 0
2 0 0 0
A=
−1 1 1 −1
2 1 1 −1

1. Transponieren

2 2 −1 2
0 0 1 1
AT =
0 0 1 1
0 0 −1 −1

2. Zeilenstufenform herstellen

2 2 −1 2
0 0 1 1
⟹
0 0 0 0
0 0 0 0

3. Zurücktransponieren

2 0 0 0
2 0 0 0
⟹
−1 1 0 0
2 1 0 0

4. Nicht Null-Spalten als Vektor aufschreiben

2 0
2 0
v1 = , v2 =
−1 1
2 1

5. Lineare Hülle aus den Vektoren bilden

2 0
{t
2 0
+s t, s ∈ R}
−1 1
2 1
Kern einer Matrix
Der Kern / Nullraum einer Matrix ist die Menge von Vektoren, die von rechts an die Matrix
multipliziert den Nullvektor ergeben.
Den Kern einer Matrix A machen somit die Vektoren v aus, bei denen A ⋅ v = 0.

Eine Matrix hat nur einen Kern, wenn ihre Determinante gleich 0 ist. Andernfalls hat sie keinen
Kern (außer dem Nullvektor 0).

Man bestimmt den Kern einer Matrix, in dem man ein homogenes lineares Gleichungssystem
löst.

Beispiel
x11 x12 x13 x14 0
x21 x22 x23 x24 0
x31 x32 x33 x34 0

• Dann mit diesen Regeln in reduzierte Zeilenstufenform umwandeln:

1. Mit n⋅ einer anderen Spalte addieren / subtrahieren (z.B. Reihe3 =

Reihe3 − 2 ⋅ Reihe1 )
2. Spalten vertauschen
3. Spalten mit einem Skalar multiplizieren (außer 0).

• Die reduzierte Zeilenstufenform ist gegeben, wenn:

1. In jeder Zeile der erste Eintrag, der nicht 0 ist, 1 ist (führende 1).
2. Bei der Spalte, in der diese führende 1 steht, sind alle anderen Felder 0.
3. In der nächsten Spalte ist die führende 1 rechts von der oberen Spalte.
4. Alle Spalten, die nur aus 0-en bestehen, sind unten.

• Die Matrix sollte dann z.B. so aussehen:

1 0 −1 −2 0
0 1 2 3 0
0 0 0 0 0

• Jetzt kann man die Variablen auflösen:

x1 − x3 − 2x4 = 0
x2 + 2x3 + 3x4 = 0

⟹ x1 = x3 + 2x4
⟹ x2 = −2x3 − 3x4

• Und den Nullraum präzise beschreiben:

x1 1 2
x2 −2 −3
N (A) = = x3 + x4
x3 1 0
x4 0 1

1 2
−2 −3
= span( , )
1 0
0 1

Determinante berechnen
1x1-Determinante
Die Determinante einer 1x1-Matrix ist die Zahl selber.

2x2-Determinante

=[ ] is ∣A∣= ad − bc
a b
The determinant of a 2x2-Matrix A
c d

3x3-Determinante (Regel von Sarrus)

a b c
Die Determinante einer 3x3-Matrix A = d e f kann berechnet werden, indem man
g h j
zuerst die ersten beiden Spalten rechts neben die Matrix schreibt:

a b c a b
d e f d e
g h j g h
anschließend multipliziert man zuerst schräg nach rechts:

a b c a b
d e f d e
g h j g h

⟹ aej + bf g + cdh

danach schräg nach links:

a b c a b
d e f d e
g h j g h

⟹ bdj + af h + ceg

zum Schluss nur noch den die zweite Zahl von der ersten subtrahieren, um unsere
Determinante zu bekommen:

∣A∣= aej + bf g + cdh − bdj − af h − ceg

n x n-Determinante (Gauß)
a b c d
e f g h
Die Determinante einer n × n-Matrix A = kann berechnet werden, indem
i j k l
m n o p
man zuerst die Matrix in eine obere Dreiecksmatriz umwandelt.
Eine obere Dreiecksmatrix ist eine Matrix, bei der links unten von der Diagonale nur 0-en
stehen, zum Beispiel:

x11 x12 x13 x14

0 x22 x23 x24
A=
0 0 x33 x34
0 0 0 x44

Wobei die xij -Variablen beliebige Werte haben können.

Um die obere Dreiecksmatriz zu bestimmen, bringen wir die Matrix in ihre Zeilenstufenform.

Achtung!

• Bei multiplizieren einer Zeile mit einem Skalar wird die Determinante mit dem
gleichen Faktor skaliert.
• Bei Vertauschen zweier Zeilen vertauscht sich das Vorzeichen der
Determinante.

Um die Determinante zu berechnen, müssen wir nur noch das Produkt der Diagonale bilden:

∣A∣= x11 ⋅ x22 ⋅ x33 ⋅ x44 ⋅ …

Inverse Matrix
Eine Matrix A ist genau dann invertierbar, wenn sie quadratisch ist und wenn gilt: det(A) =0

.
Die Inverse Matrix ist die Matrix, bei der gilt:

A ⋅ A−1 = E

, das heißt die Matrix A multipliziert mit der inversen Matrix A−1 ergibt den Einheitsvektor E .

Berechnung
1. Einheitsmatrix rechts daneben schreiben.
2. Links vom Strich Einheitsmatrix erzeugen (Gauß-Algorithmus).
3. Rechts vom Strich die Einheitsmatrix ablesen.

Beispiel
1. Einheitsmatrix rechts nebendran schreiben

2 0 1 1 0 0
4 1 2 0 1 0
4 2 0 0 0 1

2. Links vom Strich Einheitsmatrix erstellen (mit Gauß-Algorithmus)

 1 0 0 1 −0, 5 0, 25
0 1 0 −2 1 0
0 0 1 −1 1 −0.5

3. Invertierte Matrix rechts vom Strich ablesen

1 −0, 5 0, 25
−1
⟹ A = −2 1 0
−1 1 −0.5

Eigenwerte berechnen
Eigenwerte einer Matrix sind die Werte, bei denen

A ∗ v = λ ∗ v gilt.

Diese Gleichung lässt sich mithilde der Einheitsmatrix En umformulieren:

A∗v−λ∗v =0

(A − λEn ) ∗ v = 0

Beispiel
2 1 2
Matrix A = 1 2 2
1 2 3

Als Erstes subtrahieren wir λEn :

2 1 2 λ 0 0
(A − λEn ) = 1 2 2 − 0 λ 0
1 2 3 0 0 λ

2−λ 1 2
= 1 2−λ 2
1 2 3−λ

Danach bestimmen wir die Determinante der Matrix (siehe Determinante berechnen)
 ∣A∣= (2 − λ) ∗ (2 − λ) ∗ (3 − λ) + 1 ∗ 2 ∗ 1 + 2 ∗ 1 ∗ 2 − 1 ∗ 1 ∗ (3 − λ) − (2 − λ) ∗ 2 ∗ 2 − 2

= 3 − 9 ∗ λ + 7 ∗ λ2 − λ3

Wir müssen nun die Nullstellen des Polynoms herausfinden:

• λ1 = 1
• λ2 = 3 − 6
• λ3 = 3 + 6

Gibt es außer der trivialen Lösung (λ = 0) nur imaginäre Lösungen, hat die Matrix keinen
Eigenvektor.

Schneller Markov-Ketten berechnen

Um Markov-Ketten wie PageRank schneller zu berechnen, kann man Matrizen
zusammenfassen.

Dazu nutzt man diese Regel:

μn = M n ⋅ μ0

Das bedeutet, anstatt n-mal die Matrix mit einem Vektor zu multiplizieren, reicht es, die Matrix
log2 (n)-mal zu potenzieren. Dazu lässt sich der "square-and-multiply"-Algorithmus anwenden
(siehe oben).

Powered by TCPDF (www.tcpdf.org)