Lineare Algebra 1

Vorlesungsmitschrift
PD Dr. Jörg Liesen
Technische Universität Berlin
SS 2008
L
A
T
E
Xed by Robert Rudow
17. Februar 2009
I
Inhaltsverzeichnis
1 Mengen 1
1.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Regeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Teilmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.2 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 leere Menge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4.2 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 Potenzmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.6 Durchschnitt, Vereinigung, Differenz . . . . . . . . . . . . . . . . . . . . . . 3
1.6.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.7 Übung 18.4.2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.7.1 Aufgabe 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.7.2 Aufgabe 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.8 Mengenoperationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.9 echte Teilmenge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Abbildungen 6
2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Id
x
, Bild, Kern, Gleichheit von zwei Abbildungen . . . . . . . . . . . . . . 7
2.3.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 injektiv, surjektiv, bijektiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.1 Bijektivität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.5 Komposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5.2 Assoziativität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.6 Bijektivität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.7 Die Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.7.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3 Relationen 11
3.1 kartesische Produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4 Definition, reflexiv, transitiv, symmetrisch . . . . . . . . . . . . . . . . . . . 12
3.4.1 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.5 Übung 25.4.2008 Beweistechniken . . . . . . . . . . . . . . . . . . . . . . 13
3.5.1 Logik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.5.2 Beweistechniken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6 Äquivalenzrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.6.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
II
3.6.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.7 Äquivalenzklasse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.7.1 Deinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.8 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4 Gruppen, Ringe, Körper 18
4.1 Gruppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Untergruppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.4 Gruppenhomomorphismus . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5 Ring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.5.2 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5.3 inverses Element . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.6 Körper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.6.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5 Matrizen 22
5.1 Grundlegende Definitionen und Eigenschaften . . . . . . . . . . . . . . . . 22
5.1.1 Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.1.2 Operationen auf Matrizen . . . . . . . . . . . . . . . . . . . . . . . . 23
5.1.3 Multiplikation mit einem Skalar . . . . . . . . . . . . . . . . . . . . 24
5.1.4 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
5.1.5 Übung 9.5.2008 Ringe, Körper, Matrizen . . . . . . . . . . . . . . . 25
5.2 Matrizen, Gruppe und Ringe . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2.1 Satz (R
n,m
, +) ist Gruppe . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2.2 invertierbar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2.3 Satz (R
n,n
, +, ∗) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2.4 Satz (A
T
)
−1
, (A ∗ B)
−1
. . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2.5 Satz Gl
n
(R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2.6 obere/untere Dreiecks-, Diagonal-, Permutationsmatrix . . . . . . . 27
5.2.7 Satz invertierbare Dreiecksmatrizen . . . . . . . . . . . . . . . . . 28
5.2.8 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
6 Die Treppennormalform einer Matrix 30
6.1 Elementarmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
6.1.1 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.1.2 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6.1.2.1 Ablauf des Gaußalgorithmus . . . . . . . . . . . . . . . . . 32
6.1.3 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.1.4 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.1.4.1 Korollar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.1.5 Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.1.6 Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1
1 Mengen
1.1 Definition
Eine Menge ist eine Zusammenfassung bestimmter,wohlunterschiedener Objekte unse-
rer Anschauung oder unseren Denkens, welche Elemente der Menge genannt werden, zu
einem Ganzen.
(„Naiver Mengenbegriff“, Georg Cantor (1845 - 1918))
Für ein Objekt x, das zu einer Menge M gehört, schreiben wir
x ∈ M (anderfalls x M)
Sind zwei Elemente x ∈ M, y ∈ M gleichwertig(identisch), so schreiben wir
x = y (andernfalls x y)
Wir geben Mengen an durch
1) Aufzählung der Elemente z.B.
{rot, gelb, grün}
{1, 2, 3, . . .}
oder
2) Angabe einer definierenden Eigenschaft, z.B.
{x|x ist eine positive ganze Zahl}
Bekannte Zahlenmengen sind
• N
0
:= {1, 2, 3, . . .} (natürliche Zahlen)
• Z := {. . . , −2, −1, 0, 1, 2, . . .} (ganze Zahlen)
• Q := {
a
b
|a ∈ Z, b ∈ N} (rationale Zahlen)
• R := {x|x ist reelle Zahl} (→Analysis 1)
„:=“ steht für „definitionsgemäß gleich“
Bei Angabe durch definierende Eigenschaften handelt es sich um ein Prädikat P welches
auf ein Objekt x zutreffen kann oder nicht. Formel:
{x|P(x)}
Hier ist P(x) die Aussage:
„P trifft auf x zu“
2
Sind A und B Aussagen, so schreiben wir
• A ∧ B für die Aussage „A und B“
• A ∨ B für die Aussage „A oder B oder beides“
• ¬A für die Aussage „nicht A“

A ⇒ B
B ⇐ A

für die Aussage „aus A folgt B“
• ⇔für die Aussage „A und B sind äquivalent“
formal: (A ⇒ B) ⇔ (B ⇒ A)
Für eine Menge M und ein Prädikat P benutzen wir
∀x ∈ M : P(x) für die Aussage „für alle x ∈ M gilt P(x)“
∃x ∈ M : P(x) für die Aussage „es gibt ein x ∈ M für das P(x) gilt“
1.2 Regeln
• ¬(A ∧ B) ⇔ ¬A ∨ ¬B
• ¬(A ∨ B) ⇔ ¬A ∧ ¬B
• ¬(∀x ∈ M : P(x)) ⇔ ∃x ∈ M : ¬P(x)
• ¬(∃x ∈ M : P(x)) ⇔ ∀x ∈ M : ¬P(x)
1.3 Teilmenge
1.3.1 Definition
Sind M,NMengen, so heißt NTeilmenge von Mwenn jedes Element von Nauch Element
von M ist.
Wir schreiben dann N ⊆ M (Formal x ∈ N ⇒ x ∈ M). Die Mengen N und M sind gleich,
geschrieben M = N, wenn M ⊆ N und N ⊆ M gelte. (Andernfalls N M)
Wir schreiben N ⊂ M, falls N ⊆ M und N M („N ist echte Teilmenge von M“)
1.3.2 Eigenschaften
Für die Teilmengenbeziehung „⊆“ gelten die folgenden Aussagen:
i) M ⊆ M für jede Menge M (Reflexivität)
ii) M ⊆ N ∧ N ⊆ L ⇒ M ⊆ L für alle Mengen M,N,L (Transitivität)
Beweis
i) zu zeigen ist: x ∈ M ⇒ x ∈ M gilt (trivial)
3
ii) zu zeigen ist: x ∈ M ⇒ x ∈ L
Sei x ∈ M. Dann folgt x ∈ N wegen M ⊆ N.
Aus x ∈ N folgt x ∈ L wegen N ⊆ L
1.4 leere Menge
1.4.1 Definition
Die Menge ∅ := {x|x x}
weil es kein Objekt gibt, welches nicht gleichwertig mit sich selbst ist, ist ∅ die Menge,
die keine Objekte enthält
1.4.2 Eigenschaften
Satz:
i) ∅ ⊆ M
ii) M ⊆ ∅ ⇒ M = ∅
Beweis
i) zu zeigen ist: x ∈ ∅ ⇒ x ∈ M
Da es kein x ∈ ∅ gibt, ist die erste Aussage falsch.
Vereinbarung: Aus einer falschen Aussage kann jede andere Aussage folgen. Daher
können wir x ∈ M folgern.
ii) Sei M ⊆ ∅ nach i) gilt ∅ ⊆ M. Also gilt M = ∅
(Die andere Richtung: M = ∅ ⇒ m ⊆ ist trivial)
1.5 Potenzmenge
1.5.1 Definition
Die Menge aller Teilmengen einer Menge M heißt Potenzmenge von M, bezeichnet mit
P(M). Formal:
P(M) := {N|N ⊆ M}
1.6 Durchschnitt, Vereinigung, Differenz
1.6.1 Definitionen
Sind M,N Mengen, so definieren wir
i) M∩ N := {x|x ∈ M∧ x ∈ N} (Durchschnitt)
ii) M∪ N := {x|x ∈ M∨ x ∈ N} (Vereinigung)
iii) M\ N := {x|x ∈ M∧ x N} (Durchschnitt)
4
Durchschnitt und Vereinigung lassen sich auch wie folgt verallgemeinern:
Sei I ∅ eine Menge („die Indexmenge“) und sei für jedes i ∈ I eine Menge M
i
gegeben.
Dann heißen
¸
i∈I
M
i
:= {x | x ∈ M
i
∀i ∈ I} verallgemeinerter Durchschnitt

i∈I
M
i
:= {x | ∃i ∈ I mit x ∈ M
i
} verallgemeinerte Vereinigung
der Mengen M
i
i ∈ I.
Spezialfall: I = {1, 2, . . . , n}, dann schreiben wir oft
n

i∈I
M
i
bzw.
n
¸
i∈I
M
i
Zwei Mengen Mengen heißen disjunkt, falls
M∩ N = ∅
5
1.7 Übung 18.4.2008
1.7.1 Aufgabe 1
Seien M, N, L Mengen
z.z.: L ⊆ M∧ L ⊆ N ⇔ L ⊆ M∩ N
Beweis
„⇒“
Sei L ⊆ M∧ L ⊆ N und x ∈ L
x ∈ L ⇒ x ∈ M∧ x ∈ N
⇒ x ∈ M∩ N
⇒ L ⊆ M∩ N
„⇐“
Sei L ⊆ M∩ N und x ∈ L
x ∈ L ⇒ x ∈ M∩ N
⇒ x ∈ M∧ x ∈ N
⇒ L ⊆ M∧ L ⊆ N
1.7.2 Aufgabe 2
Seien M, N, L Mengen
z.z.: M ⊆ L ∧ N ⊆ L ⇔ (M∪ N) ⊆ L
Beweis
“⇒“
Sei M ⊆ L ∧ N ⊆ L und x ∈ M∨ x ∈ N
M ⊆ L ∧ N ⊆ L ⇒ (x ∈ M∨ x ∈ N ⇒ x ∈ L)
⇒ (x ∈ (M∪ N) ⇒ x ∈ L)
⇒ M∪ N ⊆ L
„⇐“
Sei M∪ N ⊆ L und x ∈ (M∪ N)
M∪ N ⊆ L ⇒ (x ∈ M∪ N ⇒ x ∈ L)
⇒ (x ∈ M∨ x ∈ N ⇒ x ∈ L)
⇒ (x ∈ M ⇒ x ∈ L) ∧ (x ∈ N ⇒ x ∈ L)
⇒ M ⊆ L ∧ N ⊆ L

6
1.8 Mengenoperationen
Satz
Seien M,N,L Mengen, dann gelten für die Mengenoperationen folgende Aussagen:
1) M∩ N ⊆ M, M ⊆ M∪ N
2) M∩ N = N ∩ M, M∪ N = N ∪ M (Kommutativgesetz)
3) M∩ (N ∩ L) = (M∩ N) ∩ L, M∪ (N ∪ L) = (M∪ N) ∪ L (Assoziativgesetz)
4) M∩ (N ∪ L) = (M∩ N) ∪ (M∩ L), M∪ (N ∩ L) = (M∪ N) ∩ (M∪ L) (Distr.)
5) M\ N ⊆ M
6) M\ (N ∩ L) = (M\ N) ∪ (M\ L), M\ (N ∪ L) = (M\ N) ∩ (M\ L)
Beweis: Übung
1.9 echte Teilmenge
Satz
Für zwei Mengen N, M gelte N ⊆ M. dann sind die folgenden Aussagen äquivalent
1) N ⊂ M
2) M\ N ∅

N ⊂ M ⇔ M\ N ∅
Beweis
z.z. sind 1) ⇒2) und 2) ⇒1)
„1) ⇒2)“
Wegen N M gibt es (mindestens) ein x ∈ M mit x N
Somit gilt x ∈ (M\ N), und daher (M\ N) ∅
„2) ⇒1)“
Es gibt ein x ∈ (M\ N). Daher gilt M N. Nach Voraussetzung: N ⊆ M und daher N ⊂ M

2 Abbildungen
2.1 Definition
Seien X,Y Mengen. Eine Abbildung f ist eine Vorschrift, die jedem x ∈ X genau ein
f (x) ∈ Y zuordnet. Wir schreiben:
f : X → Y, x → f (x)
X heißt Definitionsbereich, Y Wertebereich (oder auch Bildbereich)
7
2.2 Beispiele
Sei X = Y = R
1) f : X → Y, x → x
2
(Anstelle von x → x
2
schreiben wir auch f (x) = x
2
)
2) f : X → Y, x →

¸
¸
¸
¸
¸
¸
0 , x < 0
1 , x ≥ 0
2.3 Id
x
, Bild, Kern, Gleichheit von zwei Abbildungen
2.3.1 Definitionen
Seien X,Y Mengen
1) Die Abbildung
I
x
: X → X
x → x
heißt die Identität auf X (Id
x
(x) = x)
2) Sei
f : X → Y
x → f (x)
eine Abbildung, und seien M ⊆ X, N ⊆ Y, dann heißen
f (M) := { f (x)|x ∈ M} ⊆ Y das Bild von M unter f
f
−1
(N) := {x ∈ X| f (x) ∈ N} ⊆ X das Urbild von N unter f.
Die Abbildung
f |
M
: M → Y
x → f (x)
heißt die Einschränkung von f auf M
3) Zwei Abbildungen
f : X → Y
x → f (x)
g : X → Y
x → g(x)
heißen gleich (oder identisch), geschieben f = g, falls
f (x) = g(x) ∀x ∈ X
8
2.3.2 Beispiele
Seien X = Y = R und f : X → Y, x → x
2
( f (x) = x
2
)
f (R) = {x ∈ R, x ≥ 0} =: R
0
+
, R
0

:= {x ∈ R | x ≤ 0}
f
−1
(R
0

) = {0}
2.4 injektiv, surjektiv, bijektiv
Sei F : X → Y, x → f (x) eine Abbildung
1) f heißt injektiv, falls für alle x
1
, x
2
∈ X mit f (x
1
) = f (x
2
) immer x
1
= x
2
gilt.
2) f heißt surjektiv, falls f (X) = Y gilt.
3) f heißt bijektiv falls f injektiv UND surjektiv ist.
2.4.1 Bijektivität
Satz
Eine Abbildung f : X → Y, x → f (x) ist bijektiv genau dann wenn es für jedes y ∈ Y
genau ein x ∈ X mit f (x) = y gibt.
Beweis
„⇒“
Sei f bijektiv, also ist f injektiv und surjektiv.
Sei y ∈ Y. Wegen der Surjektivität gibts es ein x
1
∈ X mit f (x
1
) = y.
Annahme: Es gibt ein x
2
∈ X mit f (x
2
) = y.
Dann gilt: f (x
1
) = f (x
2
), also x
1
= x
2
wegen der Injektivität.
„⇐“
Da es für alle y ∈ Y ein x ∈ X mit f (x) = y gibt, gilt
f (X) = Y, also ist f surjektiv.
Seien x
1
, x
2
∈ X mit f (x
1
) = f (x
2
) = y. Also folgt
x
1
= x
2
aus der Annahme und f ist injektiv.
2.4.2 Beispiele
1) Sei a ∈ Z geben. Dann ist f
a
: Z →Z, x → x + a bijektiv.
z.B.: a = 1
. . . -2 -1 0 1 2 . . .

. . . -2 -1 0 1 2 . . .
2) f : R →R, x → x
2
ist weder injektiv noch surjektiv.
9
2.5 Komposition
2.5.1 Definition
Seien X, Y, Z Mengen und seien
f : X → Y x → f (x)
g : Y → Z y → g(y)
zwei Abbildungen. Dann ist die Komposition von f und g die Abbildung
g ◦ f : X → Z, x → g( f (x))
(Man sagt auch Hintereinanderausführung, Produkt)
2.5.2 Assoziativität
Satz
Seien f : W → X, g : X → Y und h : Y → Z Abbildungen. Dann gilt:
h ◦ (g ◦ f ) = (h ◦ g) ◦ f
Für die Identitäsabbildung gilt:
f ◦ Id
W
= f, Id
X
◦ f = f
Beweis: Übung
Satz
Seien f : X → Y, g : Y → Z Abbildungen, dann gilt:
f und g sind

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

¸
¸
¸
¸
¸
¸
¸
¸
injektiv
surjektiv
bijektiv
¸
¸
¸
¸
¸
¸
¸
¸
¸
(d.h. die drei Eigenschaften bleiben bei Komposition erhalten)
Beweis: selbst
2.6 Bijektivität
Satz
Seine f : X → Y, x → f (x) eine Abbildung. f ist bijektiv genau wenn es eine eindeutig
bestimmte Abbildung
g : Y → X, y → g(y)
gibt mit
g ◦ f = Id
X
, f ◦ g = Id
Y
10
Beweis:
„⇒“
Sei f bijektiv, dann gibt es zu jedem y ∈ Y genau ein x = x
y
∈ X mit f (x
y
) = y.
Wir definieren die Abbildung g : Y → X, y → x
y
. Dann gelten:
(g ◦ f )(x
y
) = g( f (x
y
)) = g(y) = x
y
∀x
y
∈ X, also g ◦ f = Id
X
( f ◦ g)(y) = f (g(y)) = f (x
y
) = y ∀y ∈ Y, also f ◦ g = Id
Y
Sei nun h : Y → X, y → h(y) mit f ◦ h = Id
X
gegeben.
Dann gilt:
g = g ◦ Id
Y
= g ◦ ( f ◦ h) = (g ◦ f ) ◦ h = Id
Y
◦ h = h
also g = h
„⇐“
Sei Y → X die eindeutig bestimmte Abbildung mit
g ◦ f = Id
X
, f ◦ g = Id
Y
g ◦ f und f ◦ g sind bijektiv, insbesondere
g ◦ f ist injektiv ⇒f injektiv
f ◦ g ist surjektiv ⇒f surjektiv

f bijektiv
2.7 Die Inverse
2.7.1 Definition
Ist f : X → Y eine bijektive Abbildung, dann heißt die (eindeutig bestimmte) Abbildung
g : Y → X, die g ◦ f = Id
X
erfüllt, die Inverse (oder Umkehrabbildung) von f.
Bezeichnung: g = f
−1
Satz
Seien f : X → Y, g : Y → Z zwei bijektive Abbildungen:
1) f
−1
ist bijektiv und ( f
−1
)
−1
= f
2) g ◦ f ist bijektiv und (g ◦ f )
−1
= f
−1
◦ g
−1
11
Beweis:
1) Übung
2) Wir wissen bereits, das g ◦ f bijektiv ist.
Sei h : f
−1
◦ g
−1
Dann gilt:
h ◦ (g ◦ f ) = ( f
−1
◦ g
−1
) ◦ (g ◦ f ) = f
−1
◦ (g
−1
◦ g
....
=Id
Y
) ◦ f = f
−1
◦ f = Id
X
⇒ h = (g ◦ f )
−1
3 Relationen
3.1 kartesische Produkt
Definition
Sind M und N Mengen, dann heißt die Menge
M× N := {(x, y)|x ∈ M, y ∈ N}
Das kartesische Produkt von M und N
Verallgemeinerung:
n

i=1
M
i
:= {
„n−Tupel“
....
(x
1
, . . . , x
n
) | x
i
∈ M
i
}
3.2 Definition
Sind M,N Mengen dann heißt R ⊆ M×N eine Relation zwischen M und N. Für (x, y) ∈ R
schreiben wir auch x ∼ y
3.3 Beispiele
• M = N = R R = {(x, y) ∈ M× N | x > y}
• M = N = R R = {(x, y) ∈ M× N | x
2
+ y
2
= 1}
12
3.4 Definition, reflexiv, transitiv, symmetrisch
Definition
Sei R ⊆ (M× N) eine Relation, dann heißt R
1) reflexiv, falls (x, x) ∈ R (x ∼ x)∀x ∈ M
2) transitiv, falls aus x ∼ y und y ∼ z folgt, das x ∼ z ∀x, y, z ∈ M
3) symmetrisch, falls aus x ∼ y folgt, dass y ∼ x , für alle x, y ∈ M
4) Äquivalenzrelation, falls R reflexiv, transitiv und symetrisch ist.
3.4.1 Beispiele
1) M = Q, R = {(x, y) ∈ M× M|x + y = 0}
x ∼ y falls y = 0
→nicht reflexiv, da x ∼ x ⇔ 2x = 0 (da nicht für alle x sondern nur für 0)
→symmetrisch (x + y = 0 ⇔ y + x = 0)
→ x + y = 0 ∧ y + z = 0 ⇒ x − z = 0
⇒nicht transitiv, da nicht x + z = 0
2) M = R, R = {(x, y) ∈ M× M|x ≥ y}
→reflexiv: x ≥ x ∀x ∈ R
→nicht symmetrisch: x ≥ y, denn i.A. gilt: ¬(y ≥ x)
→Transitivität: x ≥ y ∧ y ≥ z ⇒ x ≥ z
13
3.5 Übung 25.4.2008 Beweistechniken
3.5.1 Logik
Vereinbarung: „Falsch ⇒Alles“
Beispiele
1) {London liegt in Frankreich | 3 > 4 } ist richtig
2) {London liegt in Frankreich | 3 < 4 } ist auch wahr!
3) Sei M Menge, dann gilt ∅ ⊆ M
Beweis ( zu 3) )
∅ := {x | x x}
Sei x ∈ ∅ (ist eine falsche Aussage)
⇒ x ∈ M ⇒∅ ⊆ M

Wahrheitstafeln
a b a⇒b ¬ a ¬ b ¬ b ⇒ ¬ a
w w w f f w
w f f f w f
f w w w f w
f f w w w w
⇒ (a ⇒ b)
....
direkter Beweis
⇔ (¬b ⇒ ¬a)
....
indirekter Beweis
3.5.2 Beweistechniken
direkter Beweis
Behauptung
Sei G = {2k | k ∈ Z}
Sei a, b ∈ G ⇒ a + b ∈ G
14
Beweis
Da a, b ∈ G sind, gibt es k
1
, k
2
∈ Z, so dass
a = 2k
1
, b = 2k
2
⇒ a + b = 2k
1
+ 2k
2
= 2(k
1
+ k
2
)
Setze (k
3
: k
1
+ k
2
):
a + b = 2k
3
mit k
3
∈ Z
⇒ a + b ∈ G

indirekter Beweis
Behauptung:
n
2
ist gerade ⇒n ist gerade
Beweis
¬(n ist gerade) ⇒ n ist ungerade
⇒ ∃n
1
∈ Z : n = 2n
1
+ 1
⇒ n
2
= (2n
1
)
2
+ 4n
2
1
+ 4n
1
+ 1 = 2(2n
2
1
+ 2n
1
) + 1
Setze n
2
:= (2n
2
1
+ 2n
1
) ∈ Z ⇒ n
2
= 2n
2
+ 1 mit n
2
∈ Z
⇒ n
2
ist ungerade ⇒¬(n
2
ist gerade)
⇒ (n
2
ist gerade ⇒1 ist gerade)
Frage: Wie verneint man Aussagen?
i) ¬(∀x : P(x)) ⇒ ∃x : ¬P(x)
ii) ¬(∃x : P(x)) ⇒ ∀x : ¬P(x)
Beispiele
1) ¬ (x ist gerade) ⇔x ist unerade (für x ∈ Z)
2) ¬(∀x ∈ G ∃k ∈ Z mit x = 2k)
....
ist immer wahr!
⇔ ∃x ∈ G : ∀k ∈ Z mit x 2k
....
falsche Aussage
3) ¬ (∀ε > 0 ∃δ > 0 so dass für |x − y| < δ gilt: | f (x) − f (y)| < ε)
⇔∃ε > 0 ∀δ > 0 mit |x − y| < δ : | f (x) − f (y) ≥ ε|
Wichtig: A ⇒ B ¬A ⇒ ¬B
anschauliches Beispiel:
A = „Es regnet.“ B = „Es ist bewölkt.“
15
vollständige Induktion
→siehe Analysis 1
Beweis durch Widerspruch
(A ⇒ B) ⇔ (A ∧ ¬B ⇒ )
Behauptung
a, b ∈ G ⇒ a + b ∈ G
Beweis
a, b ∈ G ⇒ k
1
, k
2
∈ Z, so das a = 2k
1
, b = 2k
2
Annahme: a + b G, d.h. a + b ist ungerade, d.h. ∃n
1
∈ Z : 2n
1
+ 1
⇒ 2n
1
+ 1 = a + b = 2k
1
+ 2k
2
⇒ 2(k
1
+ k
2
− n
1
) = 1
Setze: m := k
1
+ k
2
− n
1
∈ Z ⇒ 2m ∈ Z
⇒ (a, b ∈ G ⇒ a + b ∈ G)

Ringschluss
Behauptung
Seien M,N nichtlere Mengen, dann gilt:
(i) N ⊆ M
⇔ (ii) M∩ N = N
⇔ (iii) M∪ N = M
Beweis
formal: i)⇒ii), ii)⇒i), i)⇒iii), iii)⇒i), ii)⇒iii), iii)⇒ii)
Ringschluss: i)⇒ii)⇒iii)⇒i)
„i)⇒ii)“ N ⊆ M ⇒(aus x ∈ N folgt x ∈ M)
zeige (ii) M∩ N = N :
„⊆“ Sei x ∈ M∩ N ⇒ x ∈ M∧ x ∈ N ⇒ x ∈ N
„⊇“ Sei x ∈ N
i)
⇒ x ∈ N ∧ x ∈ M
16
„ii)⇒iii)“ Sei M∩ N = N, zu zeigen: M∪ N = M
„⊆“ Sei x ∈ M∪ N ⇒ x ∈ M∨ x ∈ N
Fallunterscheidung
1.Fall: Falls x ∈ M ist, dann sind wir fertig
2.Fall: Falls x M
ii)
= x ∈ N = M∩ N ⇒ x ∈ M∧ x ∈ N ⇒ x ∈ M
„⊇“ x ∈ M = x ∈ M∨ x ∈ N ⇒ x ∈ M∪ N
„iii)⇒i)“
Sei M∪ N = M, z.z. ist N ⊆ M
Sei x ∈ N ⇒ x ∈ N ∨ x ∈ M ⇒ x ∈ N ∪ M
iii)
= M ⇒ x ∈ M

3.6 Äquivalenzrelation
3.6.1 Definition
R ⊆ M× M ist Relation, x ∼ y (x, y) ∈ R wenn diese
• reflexiv x ∼ x ∀x ∈ M
• symmetrisch x ∼ y ⇒ y ∼ x
• transitiv x ∼ y, y ∼ z ⇒ x ∼ z
ist, dann ist R eine Äquivelenzrelation.
3.6.2 Beispiele
M = {Walberexhtigte der BRD}
x ∼ y, falls x und y im selben Wahlkreis wohnen.
M = {Parteimitglieder in den USA}
x ∼ y, falls x und y in der selben Partei sind und genau einer Partei.
3.7 Äquivalenzklasse
3.7.1 Deinition
Sei R ⊆ M× M eine Äquivlenzrelation. Für x ∈ M definieren wir die Äquivalenzklasse
von x (bzgl. R) als
[x] := {y ∈ M| x ∼ y}
17
(Das heißt [x] enthällt alle Elemente von M, die bzgl. R zu x äquivalent sind.)
3.8 Satz
Sei R ⊆ M×M eine Äquivalenzrelation und seien x, y ∈ M, dann sind folgende Aussagen
äquivalent:
1) [x] = [y]
2) [x] ∩ [y] = ∅
3) x ∼ y
Beweis
1) ⇒2)
Sei [x] = [y]. Wegen x ∼ x (Reflexivität) gilt:
x ∈ [x]. Da [x] = [y], folgt x ∈ [y], daher [x] ∩ [y] ∅
2) ⇒3)
Sei [x] ∩ [y] ∅, dann ibt es ein z ∈ [x] ∩ [y].
Es gilt z ∼ x und z ∼ y, daher x ∼ y (Transitivität, Symmetrie)
3) ⇒1)
Sei x ∼ y und sei z ∈ [x], also z ∼ x, somit z ∼ y (Transitivität, Symmetrie)
Daher gilt: z ∈ [y], also [x] ⊆ [y]
Genau so zeigt man [y] ⊆ [x]. ⇒[x] = [y]

Wir sehen: Für zwei Äquivalenzklassen [x], [y] gilt entweder [x] = [y] oder [x] ∩ [y] = ∅
Eine Äquivalenzrelation R auf M liefert somit eine Zerlegung von M in disjunkte Teil-
mengen (Äquivalenzklassen).
Jedes Element z ∈ [x] eißt Repräsentant(Vertreter) der Äquivalenzklasse [x]
18
4 Gruppen, Ringe, Körper
4.1 Gruppe
4.1.1 Definition
Eine Gruppe ist eine Menge G mit einer Abbildung
⊕ : G × G → G
(a, b) → a ⊕ b
die folgende Regeln erfüllt:
1) ⊕ ist assoziativ, d.h.: a ⊕ (b ⊕ c) = (a ⊕ b) ⊕ c ∀a, b, c ∈ G
2) Es gibt ein Element e ∈ G, genannt neutrales Element, für das gilt:
a) e ⊕ a = a ∀a ∈ G
b) zu jedem a ∈ G gibt es ein ˜ a ∈ G, genannt das zu a ∈ G inverse Elenment, mit
˜ a ⊕ a = e.
Falls a ⊕ b = b ⊕ a für alle a, b ∈ G gilt, so heißt die Gruppe kommutativ oder abelsch
Als Kurzbezeichnung verwenden wir (G, ⊕) oder nur G, wenn klar ist, um welche Abbi-
lung es sich handelt.
Satz:
Für jede Gruppe (G, ⊕) gelten:
1) Zu jeden a ∈ G ibt es genau ei inverses Element ˜ a ∈ G mit
˜ a ⊕ a = a ⊕ ˜ a = e
2) G enthällt genau ein neutrales Element e. Für dieses gilt:
e ⊕ a = a ⊕ e = a ∀a ∈ G
Beweis
1) Sei a ∈ G beliebig. Sei e ∈ G ein neutrales Element.
Per Def. gibt es ein inverses Element ˜ a ∈ G, so dass ˜ a ⊕ a = e
Sei nun a
1
∈ G ein inverses Element zu ˜ a ∈ G, dann gilt
a
1
⊕ ˜ a = e. Es folgt
a ⊕ ˜ a = e ⊕ (a ⊕ ˜ a) = (a
1
⊕ ˜ a) ⊕ (a ⊕ ˜ a)
= a
1
⊕ (( ˜ a ⊕ a)
....
e
⊕˜ a)
= a
1
⊕ ˜ a = e
19
Für jedes a ∈ G und jedes zu a inverse Element ˜ a ∈ G gilt also
a ⊕ ˜ a = ˜ a ⊕ a = e (1)
Daraus folgt:
a ⊕ e = a ⊕ ( ˜ a ⊕ a)
....
=e
= (a ⊕ ˜ a)
....
=e
⊕a = a ∀a ∈ G (2)
Sei nun a ∈ G und seien ˜ a, a
2
∈ G zu a invers. Dann gilt:
˜ a = e ⊕ ˜ a = (a
2
⊕ a) ⊕ ˜ a = a
2
⊕ (a ⊕ ˜ a) = a
2
⊕ e = a
2
2) Wir haben bereits gezeigt, das a ⊕ e = e ⊕ a = a ∀a ∈ G
Sei nun ˜ e ∈ G ein weiteres neutrales Element. Dann gilt:
˜ e
Def. von e
= e ⊕ ˜ e
(1)
= ˜ e ⊕ e
Def. von ˜ e
= e
Also ist das neutrale Element eindeutig.

4.2 Beispiele
1) Gruppen sind (Z, +), (Q, +), (R, +)
• neutrales Element ist jeweils die 0 (die Zahl Null)
• zu a ∈ G inv. Element ist die Zahl −a
• Anstatt a + (−b) schreiben wir a − b
• Verknüpfung ist „additiv“, Gruppen werden additive Gruppen genannt
2) keine Guppe ist (N, +)
3) Gruppen sind (Q\ {0}, ∗), (R\ {0}, ∗)
• neutrales Element ist 1 (die Zahl 1)
• zu a ∈ G inverses Element is
1
a
∈ G (oder a
−1
)
• Verknüpfung ist „multiplikativ“
4.3 Untergruppe
Definition
Sei (G, ⊕) eine Gruppe. Sei H ⊆ G mit H ∅. Wir nennen H eine Untergruppe von G,
wenn gilt:
1) a ⊕ b ∈ H ∀a, b ∈ H
2) ∀a ∈ H : das inverse Element ˜ a ist in H
20
4.4 Gruppenhomomorphismus
Definition
Sind (G
1
, ⊕) und (G
2
, ) Gruppen, so heißt eine Abbildung
ϕ : G
1
→ G
2
g → ϕ(g)
Gruppenhomomorphismus, wenn
ϕ(a ⊕ b) = ϕ(a) ⊕ ϕ(b) ∀a, b ∈ G
1
gilt.
Ist ϕ bijektiv, so heißt ϕ Gruppenisomorphismus
4.5 Ring
4.5.1 Definition
Ein Ring ist eine Menge R mit zwei Abbildungen
+ : R × R → R, (a, b) → a + b („Addition“)
∗ : R × R → R, (a, b) → a ∗ b(„Multiplikation“)
für die folgende Regeln erfüllt sind:
1) (R, +) ist eine kommutative Gruppe
2) ∗ ist asoziativ, d.h. a ∗ (b ∗ c) = (a ∗ b) ∗ c ∀a, b, c ∈ R
3) Es gelten die Distributivgesetze
a ∗ (b + c) = a ∗ b + a ∗ c ∀a, b, c ∈ R
(a + b) ∗ c = a ∗ c + b ∗ c ∀a, b, c ∈ R
(hier gilt die Vereinbarung, „∗ vor +“)
Ein Element 1 ∈ R heißt Einselement (oder Eins), falls 1 ∗ a = a ∗ 1 ∀a ∈ R gilt. In diesem
heißt der Ring ein „Ring mit Eins“.
Ein Ring heißt kommutativ, falls a ∗ b = b ∗ a f oralla, b ∈ R gilt.
Analog zur Schreibweise für Gruppen schreiben wir (R, +, ∗) bzw. nur R. Das neutrale
Element bzgl. + bezeichnen wir mit 0 („Null“).
Ebenso analog: -a und a-b
Satz: Ist R ein Ring, so gilt 0 ∗ a = a ∗ 0 = 0 ∀a ∈ R
Beweis: 0 ∗ a = (0 + 0) ∗ a = 0 ∗ a + 0 ∗ a
21
„⇒“
Addition von −(0 ∗ a) auf beiden Seiten der Gleichung liefert 0 = 0 ∗ a
„⇐“
(a + 0) = a ⇒ a ∗ (a + 0) = a ∗ a ⇒ a ∗ a + a ∗ 0 = a ∗ a
Addition von −(a ∗ a) auf beiden Seiten liefert a ∗ 0 = 0
4.5.2 Beispiele
1) (Z, +, ∗) ist ein kommutativer Ring mit Eins
2) M ∅ eine Menge R := { f | f : M → R eine Abbildung}
Dann ist (R, +, ∗) ein Ring mit
+ : R × R → R, ( f, g) → f + g
( f + g)(x) := f (x) + g(x) ∀x ∈ M
∗ : R × R → R, ( f, g) → f ∗ g
( f ∗ g)(x) := f (x) ∗ g(x) f orallx ∈ M kommutativ und „mit Eins“
1 : M →R, x → 1
4.5.3 inverses Element
Definition
Sei (R, +, ∗) ein Ring mit Eins. Falls a ∈ R invertierbar ist, so ist das zu a inverse Element
eindeutig. (Wir bezeichen dieses dann mit a
−1
)
Beweis
Sei a ∈ R, sei b ∈ R Inverses zu a. Sei
˜
b ∈ R ebenfalls Inverses zu a. Dann gilt:
b = b ∗ 1 = b ∗ (a ∗
˜
b) = (b ∗ a) ∗
˜
b = 1 ∗
˜
b =
˜
b

Die Menge Q hat „mehr Strucktur“ als Z, denn in ihr sind alle Elemente (außer 0)
invertierbar. Dies macht (Q, +∗) bzw. (R, +, ∗) zu Körpern.
4.6 Körper
4.6.1 Definition
Ein kommutaiver Ring (R, +, ∗) mit Einselement 1 heißt Körper, falls
1) 1 0
22
2) jedes a ∈ R \ {0} ist invertierbar
(Alternativ):
K ist eine Menge, (K, +) und (K\, ∗) sind komutative Gruppen, es gelten die Distributiv-
gesetzte.
Satz
Für jeden Körper K, gelten die foögenden Aussagen:
1) a ∗ b = a ∗ ∧ a 0 ⇒ b = c ∀a, b, c ∈ K
2) a ∗ b = 0 ⇒ a = 0 ∨ b = 0 ∀a, b ∈ K
(K ist „nullteilerfrei“)
Beweis
1) Sei a ∗ b = a ∗ c mit a 0. Multipliziere von links mit a
−1
liefert b = c
2) Sei a ∗ b = 0. Falls a = 0, sind wir fertig.
Also können wir a 0 annehmen, d.h. a ist invertierbar. Multiplikation von links
mit a
−1
liefert b = 0.
5 Matrizen
5.1 Grundlegende Definitionen und Eigenschaften
5.1.1 Matrix
Definition
Sei R ein kommutativer Ring mit Eins. Seien n, m ∈ N. Ein Feld
A = [a
i j
] =
mit a
i j
∈ R heißt (n × m) - Matrix über R.
Bezeichnung: A ∈ R
n,m
weitere Bezeichnungen:
1) [a
i1
, a
i2
, . . . , a
im
] ∈ R
1,m
ist die i-te Zeile von A
,
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
a
1j
a
2j
.
.
.
a
nj
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
∈ R
n,1
ist die j-te Spalte
2) 0
n,m
(oder 0) ist die Nullmatrix (alle Einträge gleich 0)
23
3) I
n
(oder I) ist die Einheitsmatrix in R
n,n
, d.h., die Matrix mit den Einträgen
a
i j
= δ
i j
:=

¸
¸
¸
¸
¸
¸
1 falls i = j
0 sonst
4) [] ist die „leere Matrix“ (analog zur obigen Definition: 0 × m, n × 0, 0 × 0)
5.1.2 Operationen auf Matrizen
1) + : R
n,m
× R
n,m
→ R
n,m
, (A, B) → A + B := [a
i j
+ b
i j
]
2) ∗ : R
n,m
× R
m,t
→ R
n,t
, (A, B) → A ∗ B := [c
i j
] mit c
i j
:=
m
¸
k=1
a
ik
· b
kj
Beispiel

¸
¸
¸
¸
¸
¸
¸
¸
1 2
3 4
0 1

¸
¸
¸
¸
¸
¸
¸
¸
×
¸
0
1

=

¸
¸
¸
¸
¸
¸
¸
¸
1 · 0 + 2 · 1
3 · 0 + 4 · 1
0 · 0 + 1 · 1

¸
¸
¸
¸
¸
¸
¸
¸
=

¸
¸
¸
¸
¸
¸
¸
¸
2
4
1

¸
¸
¸
¸
¸
¸
¸
¸
Merkschema (Schema einfügen)
Satz
Für A,
ˆ
A ∈ R
n,m
und B,
ˆ
B ∈ R
m,s
und C ∈ R
s,t
1) A ∗ (B ∗ C) = (A ∗ B) ∗ C
2) (A +
ˆ
A) ∗ B = A ∗ B +
ˆ
A ∗ B
A ∗ (B ∗
ˆ
B) = A ∗ B + A ∗
ˆ
B
3) I
n
∗ A = A ∗ I
n
= A
Beweis
nur 1) Sei D = [d
i j
] = (A ∗ B) ∗ C
Es gilt per Defintition:
d
i j
=
s
¸
l=1

¸
¸
¸
¸
¸
¸

¸
¸
¸
¸
¸
¸
m
¸
k=1
a
ik
· b
kl

¸
¸
¸
¸
¸
¸
· c
l j

¸
¸
¸
¸
¸
¸
=
s
¸
l=1
m
¸
k=1
(a
ik
· b
kl
) · c
l j
da die Einträge aus einem Ring
=
s
¸
l=1
m
¸
k=1
a
ik
·

b
kl
· c
l j

Asso. im Ring
=
m
¸
k=1
a
ik

¸
¸
¸
¸
¸
¸
¸
j
¸
l=1
b
kl
· c
i j

¸
¸
¸
¸
¸
¸
¸
⇒ Wir sehen, das[d
i j
] = A ∗ (B ∗ C)
24
2) - 3) Übung
Die Matrixmultiplikation ist zwar assoziativ, aber NICHT kommutativ
Beispiele
1) A ∈ R
2,4
, B ∈ R
4,9
, dann ist A ∗ B definiert, B ∗ A aber nicht.
2) konkretes Beispiel:
A :=
¸
1 2
0 3

B =
¸
4 0
5 6

∈ Z
2,2
Ist a ∈ R
n,n
und p ∈ N,so schreiben wir A
p
:= A ∗ A ∗ . . . ∗ A
....
p - mal
Außerdem A
0
= I
n
5.1.3 Multiplikation mit einem Skalar
· : R × R
n,m
→ R
n,m
, (lambda, A) → λ · A := [λ · a
i j
]
Satz Für A, B ∈ R
n,n
und λ, µ ∈ R gelten:
1) (λ · µ) · A = λ · (µ · A)
2) (λ + µ) · A = λ · A + µ · A, insbesondere: 0 · A = 0
n,m
= 1 · A + (−1) · A
3) λ · (A + B) = λ · A + λ · B, insbesondere : 1 · A = A
4) λ · (A ∗ B) = (λ · A) ∗ C (falls C ∈ R
m,t
)
Beweis: Übung
5.1.4 Transposition
T : R
n,m
→ R
m,n
, A → A
T
: [a
ji
] für A = [a
i j
]
Beispiele
A =

¸
¸
¸
¸
¸
¸
¸
¸
1 2
3 4
5 6

¸
¸
¸
¸
¸
¸
¸
¸
, A
T
=
¸
1 3 5
2 4 6

Satz Für A,
ˆ
A ∈ R
n,m
, B ∈ R
m,s
, λ ∈ R gelten:
1) (A
T
)
T
= A
2) (A +
ˆ
A)
T
= A
T
+
ˆ
A
T
25
3) (λ · A)
T
= λ · A
T
4) (A ∗ B)
T
= B
T
∗ A
T
Beweis: 1) - 3) trivial
zu 4)
Sei A ∗ B = C = [c
i j
] mit c
i j=
k
¸
k=1
a
ik
·b
kj
Sei A
T
= [ ˜ a
i j
], B
T
= [
˜
b
i j
], (A ∗ B)
T
= [˜ c
i j
]
Dann gilt
˜ c
i j
= c
ji
=
m
¸
k=1
a
jk
b
ki
=
m
¸
k=1
˜ a
kj
˜
b
ik
kommu.
Ring
=
m
¸
k=1
˜
b
ik
˜ a
kj
woraus (A ∗ B)
T
= B
T
∗ A
T
ersichtlich ist.
A ∈ R
n,m
+, ∗, ·, T
5.1.5 Übung 9.5.2008 Ringe, Körper, Matrizen
Übung wird später ergänzt
5.2 Matrizen, Gruppe und Ringe
5.2.1 Satz (R
n,m
, +) ist Gruppe
(R
n,m
, +) ist eine Gruppe mit neutralem Element 0 = 0
n,m
(Nullmatrix) und zu A = [a
i j
] ∈
R
n,m
inversem Element
−A := [−a
i j
] ∈ R
n,m
Beweis:
+ : R
n,m
× R
n,m
→ R
n,m
(abgeschlossen) ist
• assoziativ:
A + (B + C) = [a
i j
] + [b
i j
+ c
i j
]
= [a
i j
+ (b
i j
+ c
i j
)]
Asso. in R
= [(a
i j
+ b
i j
) + c
i j
]
= (A + B) + C
26
• kommutativ:
A + B = [a
i j
+ b
i j
]
Kommu. R, +
= [b
i j
+ a
i j
]
= B + A
Es gelten:
0 + A = [0] + [a
i j
] = [0 + a
i j
] = [a
i j
] = A
−A + A = [−a
i j
] + [a
i j
] = [−a
i j
+ a
i j
] = [0] = 0
(Wir schreiben A − B anstatt A + (−B))
5.2.2 invertierbar
Definition
Eien Matrix A ∈ R
n,n
heißt invertierbar wenn es eine Matrix
˜
A ∈ R
n,n
gibt mit A∗
˜
A = I
n
=
˜
A ∗ A
1) In R gelte 0 1 (d.h. R 0)
A =
¸
1 0
0 0

ist in R
2,2
nicht invertierbar.
Warum?
¸
1 0
0 0


¸
˜ a
11
˜ a
12
˜ a
21
˜ a
22

=
¸
˜ a
11
˜ a
12
0 0

?
=
¸
1 0
0 1

¸
˜ a
11
˜ a
12
˜ a
21
˜ a
22


¸
1 0
0 0

=
¸
˜ a
11
0
˜ a
21
0

?
=
¸
1 0
0 1

⇒ 0 = 1
2) A =
¸
1 1
0 2

∈ Z
2,2
. Für B =
¸
1 −
1
2
0
1
2

gilt:
B ∗ A = A∗ B = I
n
. A ist als Element von Z
2,2
nicht invertierbar, als Element von Q
2,2
aber schon.
5.2.3 Satz (R
n,n
, +, ∗)
(R
n,n
, +, ∗) ist ein (icht-kommutativer) Ring mit Einselement I
n
Beweis:
1) (R
n,n
, +) ist kommutative Gruppe (s.o)
2) Distributivgesetze (berreits gezeigt), ebenso Assoziaivität von ∗
27
3) I
n
∗ A = A ∗ I
n
= A (bereits gezeigt)
4) Nicht-Kommutativität (bereits gezeigt Bsp.)
Da R
n,n
ein Ring mit Eins ist, ist die Inverse einer ivertierbaren Matrix A ∈ R
n,n
eindeutig
bestimmt. Diese bezeichnen wir mit A
−1
5.2.4 Satz (A
T
)
−1
, (A ∗ B)
−1
Seien A, B ∈ R
n,n
invertierbar. Dann gelten:
1) A
T
ist invertierbar und (A
T
)
−1
= (A
−1
)
T
2) A ∗ B ist invertierbar und (A ∗ B)
−1
= B
−1
∗ A
−1
.
Beweis:
1) (A
−1
)
T
∗ A
T
(M∗N)
T
=N
T
∗M
T
= (A ∗ A
−1
)
T
= I
T
n
= I
n
A
T
∗ (A
−1
)
T
= (A
−1
∗ A)
T
= I
T
n
= I
n
⇒ (A
−1
)
T
= (A
T
)
−1
2) B
−1
∗ A
−1
∗ (A ∗ B) = B
−1
∗ (A
−1
∗ A
....
=I
n
) ∗ B = I
n
(A ∗ B) ∗ (B
−1
∗ A
−1
) = A ∗ (B ∗ B
−1
) ∗ A
−1
= I
n
⇒ (A ∗ B)
−1
= B
−1
∗ A
−1
5.2.5 Satz Gl
n
(R)
Die Menge der invertierbaren Matrizen A ∈ R
n,n
bildet bzgl. der Matrixmultiplikation
eine (für n ≥ 2 nicht komutative) Gruppe (Bezeichnung: Gl
n
(R))
Beweis: Übung
5.2.6 obere/untere Dreiecks-, Diagonal-, Permutationsmatrix
Definition
Sei A = [a
i j
] ∈ R
n,n
1) A heißt

obere
untere

Dreiecksmatrix falls

¸
¸
¸
¸
¸
¸
a
i j
= 0 für i > j
a
i j
= 0 für i < j
2) A heißt Diagonalmatrix, falls A obere & untere Dreiecksmatrix ist.
3) A heißt Permutationsmatrix, falls A in jeder Zeile und jeder Spalte genau einen
Eintrag 1 hat alle anderen Einträge 0 sind.
28
5.2.7 Satz invertierbare Dreiecksmatrizen
Die Menge M
n
der invertierbaren oberen Dreiecksmatrizen A ∈ R
n,n
bildet eine Unter-
gruppe von Gl
n
(R) (analog für untere)
Beweis:
Es gilt I
n
∈ M
n
⊆ Gl
n
(R), also M
n
∅, zu zeigen sind:
1) A × B ∈ M
n
∀A, B ∈ M
n
2) Aus A ∈ M
n
folgt A
−1
∈ M
n
∀A ∈ M
n
zu 1) und 2):
1) Sei A = [a
i j
], B = [b
i j
] ∈ M
n
, sei A ∗ B = C = [c
i j
]
Dann ist C invertierbar (s.o.)
noch z.z.: c
i j
= 0 für i > j.
Es gilt
c
i j
=
n
¸
k=1
a
ik
b
kj
b
kj
für k > j
=
j
¸
k=1
a
ik
b
kj
a
ik
= 0 für i > k
= 0 für i > j
2) Für A ∈ M
n
ist A
−1
∈ M
n
Bezeichnung: A
−1
= C = [c
i j
]. Es gilt A ∗ C = I
n

¸
¸
¸
¸
¸
¸
¸
¸
¸
a
11
. . . a
1n
.
.
.
.
.
.
a
nn

¸
¸
¸
¸
¸
¸
¸
¸
¸

¸
¸
¸
¸
¸
¸
¸
¸
¸
c
1j
.
.
.
c
nj

¸
¸
¸
¸
¸
¸
¸
¸
¸
=

¸
¸
¸
¸
¸
¸
¸
¸
¸
δ
1j
.
.
.
δ
nj

¸
¸
¸
¸
¸
¸
¸
¸
¸
(2)
für j = 1, . . . , n (δ = Kronecker - δ)
Behauptung:
Die Einträge a
11
, . . . , a
nn
von A sind invertierbar und für i = n, n − 1, . . . , 1:
c
i
j = a
−1
ii

i j

n
¸
l=i+1
a
il
c
l j
) für j = 1, . . . , n (1)
gehört noch zzum Beweis?
Betrachte: i = n Für i = n, d.h. die letzte Zeile in (2) gilt:
a
nn
· c
nj
= δ
nj
j = 1, . . . , n
Insbesondere für j = n a
nn
· c
nn
= 1
1 = c
nn
· a
nn
29
Somit a
nn
invertierbar mit a
−1
nn
= c
nn
Es folgt c
nj
= a
−1
nn
· (δ
nj
) j = 1, . . . , n d.h. (1) für i = n denn
n
¸
n+1
ist leer
Nun nehmen wir an, das (1) für i = n, . . . , k + 1 gilt, wobei n − 1 ≥ k ≥ 1
Annahme(???):
Um (1) für i = k zu beweisen, betrachten wir Zeile k in (2):
a
kk
· c
kj
+ a
kk+1
· c
k+1, j
+ . . . + a
kn
· c
nj
= δ
kj
, j = 1 (3)
Insbesondere für j = k:
a
kk
· c
kk
+ a
k,k+1
· c
k+1,k
....
=0
+. . . + a
kn
· c
nk
....
=0 nach Ann. ???
= δ
kj
Somit a
kk
· c
kk
= 1 = c
kk
· a
kk
⇒ a
−1
kk
= c
kk
Es folgt aus (3) nach Multiplikation mit a
−1
kk
on links und leichter Umformung, dass
c
kj
= a
−1
kk
· (δ
kj

n
¸
l=k+1
a
kl
· c
l j
) für j = 1, . . . , n
D.h. (1) gilt für i = k
In diesem Beweis haben wir mit (1) eine rekursive Formel für die Inverse einer inver-
tierbaren oberen Dreiecksmatrix benutzt (bzw. gefunden).
Die Formel für die Invertierung läßt sich auf invetierbare Blockmatrizen übertragen. Sei
A ∈ R
n,n
, wähle ein k.
1 ≤ k ≤ n − 1 und partitioniere A wie folgt:
A =
¸
A
11
A
12
A
21
A
22

A
11
∈ R
kk
, A
22
∈ R
n−k,n−k
Sind A, B ∈ R
n,n
zwei so patitionierte Matrizen, dann läßt sich A∗B blockweise auswerten:
¸
A
11
A
12
A
21
A
22


¸
B
11
B
12
B
21
B
22

=
¸
A
11
∗ B
11
+ A
12
∗ B
21
A
11
∗ B
12
+ A
12
∗ B
22
A
21
∗ B
11
+ A
22
∗ b
21
A
21
∗ B
12
+ A
22
∗ B
22

Eine block-obere Dreiecksmatrix
A =
¸
A
11
A
12
0 A
22

ist invertierbar, wenn A
11
und A
22
invertierbar sind und es gibt dann
A
−1
=
¸
A
−1
11
−A
−1
11
A
12
A
−1
22
0 A
−1
22

30
5.2.8 Satz
1) Die Menge der invertierbaren Permutationsmatrizen A ∈ R
n,n
bildet eine kommu-
tative Untergruppe von Gl
n
(R)
2) Die Menge der Permutationsmatrizen A ∈ R
n,n
bildet eine Unterguppe von Gl
n
R
Beweis: Übung (HA)
6 Die Treppennormalform einer Matrix
Idee:
Zu jedem A ∈ K
n,m
finde durch elementare Zeilenoperationen eine eindeutig bestimmte
MatrixB ∈ K
n,n
, die (quasi) obere Dreiecksgestallt hat unddie wir die Treppennormalform
(TNF) von A nennen.
Die Matrix B ist Produkt on sogenannten Elementarmatrizen.
6.1 Elementarmatrizen
Sei R kommutativer Ring mit 1. I
n
= [δ
i j
] ∈ R
n,n
, e
i
die i-te Spalte von I
n
, dh. I
n
=
(e
1
, e
2
, . . . , e
n
)
1) Sei n ≥ 2, i, j ∈ N gegeben mit 1 ≤ i ≤ j ≤ n und sei
P
i j
=

e
!
, . . . , e
i−1
, e
j
, e
i+1
, . . . , e
j−1
, e
i
, e
j+1
, . . . , e
n

∈ R
n,n
d.h. die Einheitsmatrix mit den Spalten i und j vertauscht.
P
i j
ist also eine Permutationsmatrix.
Für A ∈ R
n,m
liefert P
i j
∗ Adie Matrix, in der die Zeilen i und j von Avertauscht sind.
Beispiel:

¸
¸
¸
¸
¸
¸
¸
¸
0 0 1
0 1 0
1 0 0

¸
¸
¸
¸
¸
¸
¸
¸
....
P
13

¸
¸
¸
¸
¸
¸
¸
¸
1 2
3 4
5 6

¸
¸
¸
¸
¸
¸
¸
¸
=

¸
¸
¸
¸
¸
¸
¸
¸
5 6
2 3
1 2

¸
¸
¸
¸
¸
¸
¸
¸
2) Sei 1 ≤ i ≤ n, λ ∈ R
M
i
λ := (e
1
, . . . , e
i−1
, λ · e
i
, e
i+1
, . . . , e
n
) ∈ R
n,n
ist eine Diagonalmatrix. M
i
(λ) ∗ A ist die Matrix, in der die i-te Zeile von A mit λ
multipliziert ist.
Beispiel:
31

¸
¸
¸
¸
¸
¸
¸
¸
1 0 0
0 4 0
0 0 1

¸
¸
¸
¸
¸
¸
¸
¸
....
M
2
(4)

¸
¸
¸
¸
¸
¸
¸
¸
1 2
3 4
5 6

¸
¸
¸
¸
¸
¸
¸
¸
=

¸
¸
¸
¸
¸
¸
¸
¸
1 2
12 16
5 6

¸
¸
¸
¸
¸
¸
¸
¸
3) Sei n ≥ 2, 1 ≤ i < j ≤ n, λ ∈ R
G
i j
(λ) =

e
1
, . . . , e
i−1
, e
i
+ λ · e
j
, e
i+1
, . . . , e
n

∈ R
n,n
ist eine untere Dreiecksmatrix.
Beispiel: n = 3, i = 1, j = 2, R = Q, λ =
1
2
G
12

1
2
¸
=

¸
¸
¸
¸
¸
¸
¸
¸
1 0 0
1
2
1 0
0 0 1

¸
¸
¸
¸
¸
¸
¸
¸
, A =

¸
¸
¸
¸
¸
¸
¸
¸
1 2
3 4
5 6

¸
¸
¸
¸
¸
¸
¸
¸
Multiplikation mit G
i j
(λ) von links an A ersetzt Zeile j durch λ· (Zeile i) + Zeile j:
G
12

1
2
¸
∗ A =

¸
¸
¸
¸
¸
¸
¸
¸
1 2
7
2
5
5 6

¸
¸
¸
¸
¸
¸
¸
¸
Multiplikation mit G
i j
(λ)
T
ersetzt Zeile i durch λ· (Zeile j) + Zeile i:
G
12

1
2
¸
T
∗ A =

¸
¸
¸
¸
¸
¸
¸
¸
1
1
2
0
0 1 0
0 0 1

¸
¸
¸
¸
¸
¸
¸
¸

¸
¸
¸
¸
¸
¸
¸
¸
1 2
3 4
5 6

¸
¸
¸
¸
¸
¸
¸
¸
=

¸
¸
¸
¸
¸
¸
¸
¸
5
2
4
3 4
5 6

¸
¸
¸
¸
¸
¸
¸
¸
6.1.1 Satz
Seien P
i j
, M
i
(λ), G
i j
(λ) wie oben definiert. dann gelten:
1) P
i j
ist invertierbar und P
−1
i j
= P
T
i j
.
2) Für invertierbares λ ∈ R ist M
i
(λ) invertierbar und M
i
(λ)
−1
= M
i

−1
)
3) G
i j
(λ) ist invertierbar und G
i j
(λ)
−1
= G
i j
(−λ)
Beweis: Übung (siehe Tutorium)
Annahme nun A ∈ K
n,m
(K = Körper), denn im Beweis der TNF wird stänig Invertierbar-
keit der Einträge von Matrizen benötigt.
32
6.1.2 Satz
Sei A ∈ K
n,m
. Dann gibt es (invertierbare) Elementarmatrizen S
1
, . . . , S
t
∈ K
n,n
, so dass
C = [c
i j
] = S
t
∗ . . . ∗ S
1
∗ A
in Treppennormalform ist, d.h. entweder C = 0 oder es gibt r ≥ 1 natürliche Zahlen
j
1
, . . . , j
r
(die „Stufen“ der TNF) mit 1 ≤ j
1
< . . . < j
r
≤ min{n, m}, so dass
i) c
i j
= 0 für 1 ≤ i ≤ r und 1 ≤ j < j
1
ii) c
i j
= 0 für r < i ≤ n und 1 ≤ j ≤ n
iii) c
i j
i
= 1 für 1 ≤ 1 ≤ r und alle anderen Einträge in der Spalte j
i
sind gleich Null.
iv) c
i j
= 0 für j
i
< j < j
i+1
, für i = 1, . . . , r − 1 i + 1 < k ≤ r
D.h. C hat die Form:
Skizze ergänzen
Beweis:
Konstruktiv, mit Hilfe des Gauß’schen Algorithmus.
Ist A = 0 so setze S
1
= I
n
, fertig (C = 0). Sei nun A 0. Sei j
1
der Index der ersten Spalte
(von links) von A, die nicht aus lauter Nullen besteht. Bezeichne
A
(1)
= [a
(1)
i j
] := A
Sei a
(1)
i
1
, j
1
der erste Eintrag von A
(1)
(von oben), der ungleich Null ist, d.h.:
A
(1)
=

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
0
.
.
.
0
0 a
(1)
i
1
, j
1


.
.
.

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
6.1.2.1 Ablauf des Gaußalgorithmus
1) Falls i
1
, tausche Zeilen i
1
und 1, durch Linksmultiplikation mit P
1,i
1
.
2) Falls a
(1)
i
1
, j
1
1, normiere die neue erste Zeile durchLniksmultiplikationmit M
1
((a
(1)
i
1
, j
1
)
−1
)
Diese beiden Schrite führen auf:
˜
A
(1)
= M
1
((a
(1)
i
1
, j
1
)
−1
) ∗ P
1,i
1
∗ A
(1)
=

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1
˜ a
(1)
2, j
1
0
.
.
. ∗
˜ a
(1)
n, j
1

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
= [a
(1)
i j
]
33
3) Eliminiere unterhalb der 1 in der Spalte j
1
durch Linksmultiplikation mit
G
1k

−˜ a
(1)
k, j
1
¸
für k = 2, 3, . . . , n.
Wir erhalten dann:
G
1,n
( ˜ a
(1)
n, j
1
) ∗ . . . ∗ G
12
( ˜ a
(1)
i
1
, j
1
) ∗ M
1
(( ˜ a
(1)
i
1
, j
1
)
−1
) ∗ P
1,i
1
....
=:S
1
∗A
(1)
=

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 ∗
0
0
.
.
. A
(2)
0

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
4) Wiederhole diese Schritte für die Matrix A
(2)
Wir definieren die Matrizen S
k
, k = 1, 2, . . . rekursiv durch
S
k
=
¸
I
k−1
0
˜
S
k

, wobei
j
k

˜
S
k
A
(k)
=

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 ∗
0
0
.
.
. A
(k+1)
0

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
Dieser Algorithmus bricht nach r ≤ min{n, m} Schritten ab, dann gilt entweder
A
r+1
= 0 oder A
r+1
= [·] (leere Matrix)
Wir erhalten
S
r
∗ . . . ∗ S
1
∗ A =

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 ∗ ∗ ∗ ∗
0 1 ∗ . . .
.
.
.
0
.
.
. 0
.
.
. ∗
.
.
.
.
.
. ∗
.
.
.
.
.
. 1
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
. 0
0 0 0

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
()
Nach Konstrucktion stehen Einsen in den Positionen
(1, j
1
), . . . , (r, j
r
)
Falls r = 1, ist () in TNF, fertig.
Falls r > 1, müssen wir noch über den Positionen (2, j
2
), . . . , (r, j
r
) eliminieren. Dazu
sei die Matrix () bezeichnet mit
R
(1)
= [r
(1)
i j
] für k = 2, . . . , r
34
bilden wir rekursiv
R
(k)
= [r
(k)
i j
] = S
r+k−1
∗ R
(k−1)
, wobei
S
r+k−1
:= G
1k
(−r
(k−1)
1,r
k
)
T
∗ . . . ∗ G
k−1,k
(−r
(k−1)
k−1, j
k
)
T
6.1.3 Satz
Sei A ∈ K
n,m
. Dann gibt es Elentarmatrizen (invertierbar) S
1
, . . . , S
t
∈ K
n,n
, so dass
C = [c
i j
] = S
t
∗ . . . ∗ S
1
∗ A
in Treppennormalform (TNF) ist. Das heißt, entweder C = 0 oder es gibt r ≥ 1 natürliche
Zahlen j
1
, . . . , j
r
mit 1 ≤ j
1
< . . . < j
r
≤ min{, m} so das
1) c
i j
= 0 für 1 ≤ i ≤ r und 1 ≤ j < j
2
2) c
i j
= 0 für r < i ≤ n und 1 ≤ j ≤ m
3) c
i, j
1
= 1 und alle anderen Einträge in Spalte j
i
sind 0, i = 1, . . . , r
einfügen Matrix
Sei nun n = m. Dann gilt:
A ist invertierbar ⇔ C = I
n
In diesem Fall gilt: A
−1
= S
t
∗ . . . ∗ S
1
.
Beweis:
„⇒“
Ist A invertierbar, so ist auch C als Produkt invertierbarer Matrizen invertierbar. Offen-
sichtlich kann C keine Nullzeile oder -spalte enthalten. Also muss
C =

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1
1
1
.
.
.
1

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
gelten, d.h. C = I
n
„⇐“
Wenn C = I
n
so gilt I
n
= S
t
∗ . . . ∗ S
1
....
=A
−1
∗A
6.1.4 Definition
Die Positionen (1, j
1
), . . . , (r, j
r
) einer Matrix C ∈ K
n,m
, die in TNF ist, werden die Pivotpo-
sitionen von C genannt.
35
6.1.4.1 Korollar Falls A ∈ K
n,n
invertierbar ist, so gibt es eine Permutationsmatrix
P ∈ K
n,n
, eine invertierbare untere Dreiecksmatrix L ∈ K
n,n
und eine invertierbare obere
Dreiecksmatrix R ∈ K
n,n
mit
A = P ∗ L ∗ R
(sogenannte L-R-Zerlegung von A)
Beweisidee:
Erster Teil von Gauß führt auf S
n
∗ . . . ∗ S
1
∗ A =

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1
∗ .
.
.
0
.
.
.
1

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
....
=:R
Zeige nun S
n
∗ . . . ∗ S
1
=
˜
L ∗
˜
P für ein
˜
L ∈ Gl
n
(K) untere Dreiecksmatrix und
˜
P ∈ K
n,n
Permutationsmatrix. Dann gilt A =
˜
P
−1

˜
L
−1
∗ R .
6.1.5 Lemma
Für Z ∈ Gl
n
(K) und x ∈ K
n,1
gilt:
Zx = 0
n,1
⇔ x = 0
Beweis:
Zx = 0 ⇔ Zx = Z · 0
n,1
⇔ (Z
−1
∗ Z
....
=I
n
)x = 0
⇔ x = 0
6.1.6 Satz
Seien A, B ∈ K
n,m
in TNF. Falls es eine invertierbare Matrix Z ∈ K
n,n
gibt mit A = Z ∗ B,
so gilt A = B, d.h. die TNF ist invariant unter Linksmultiplikation mit invertierbaren
Matrizen.
Insbesondere gibt es zu jeder Matrix M ∈ K
n,m
genau eine Matrix C ∈ K
,m
in die sich M
durch Linksmultiplikation mit Elementarmatrizen überführen läßt, d.h. die TNF einer
Matrix ist eindeutig bestimmt.
Beweis:
Seien A, B ∈ K
n,m
in TNF und sei Z ∈ Gl
n
(K) mit A = Z ∗ B.
Falls B = 0, so gilt Z ∗ B = 0 = A also A = B.
Sei nun B 0. Seien a
i
, b
i
die Spalten von A und B, i = 1, . . . , m.
Seien (1, j
1
), . . . (r, j
r
) die Pivotpositionen von B. Wir zeigen (induktiv), dass