You are on page 1of 17

Begleitmaterial - Lina K.

Roegner

19

3 Matrizen
3.1 Denition und Beispiele von Matrizen
Denition (Matrix) Eine Matrix ist eine Anordnung von Zahlen in Zeilen und Spalten. Die Gr e der Matrix heit o Format und gibt die Anzahl von Zeilen und Spalten ( , gesprochen Kreuz ).

. . . . . .

Anzahl der Spalten

Anzahl der Zeilen

. . . . . .

. . . . . .

Eintrag in der -te Zeile und -te Spalte der Matrix Notation: Achtung!


Notation: bezeichnet die Menge aller Matrizen vom Format mit Eintr ge in . a

bezeichnet die Matrix mit einzigem Eintrag

Bemerkung. Vektoren k nnen als Matrizen mit einer Spalte betrachtet werden. o Beispiel (Matrizen)

Gegeben seien die Matrizen


. Bestimmen Sie

Die erste Zahl im Index bezeichnet die Zeile, die Zweite die Spalte. Um beispielsweise zu bestimmen, lesen wir den Eintrag in der . Zeile und . Spalte von ab:

3.1.1

Grundlegende Matrixtypen

Denition (quadratische Matrix) Eine quadratische Matrix ist vom Format . Eine quadratische Matrix hat die gleiche Anzahl von Zeilen und Spalten, z.B. sind

quadratische Matrizen.

20

Begleitmaterial Lina K. Roegner

Denition (besondere quadratische Matrizen)

ist eine obere Dreiecksmatrizen, falls ist eine Diagonalmatrix, falls f r u ist eine Einheitsmatrix, falls

f r u

f r u

.
. und

Beispiele

obere Dreiecksmatrizen

..

f r u

( beleibig)

Diagonalmatrizen

..

Einheitsmatrizen

..

Bemerkungen

Die Diagonale einer Matrix l uft von oben links nach unten rechts. Die Komponenten haben die Form . a Bei einer oberen Dreiecksmatrix m ssen alle Eintr ge unterhalb der Diagonalen Null sein. Die Eintr ge auf u a a Alle Eintr ge einer Einheitsmatrix unterhalb und oberhalb der Diagonalen m ssen Null sein. Die Eintr ge a u a auf der Diagonalen m ssen Eins sein. (Die Notation kommt von einer anderen Bezeichnung der Einheitsu matrix, n mlich die Identit tsmatrix vom Format .) Man merkt, dass die -te Spalte der Einheitsmatrix a a einfach der -te Standardbasisvektor des ist.
3.1.2 Transponierte und adjungierte Matrix, weitere Matrixtypen Denition (transponierte Matrix, symmetrisch, antisymmetrisch) Sei

und oberhalb der Diagonalen sind beliebig. Bei einer Diagonalmatrix m ssen alle Eintr ge unterhalb und oberhalb der Diagonalen Null sein. Die Einu a tr ge auf der Diagonalen sind beliebig. a

. Die zu

wobei

transponierte Matrix (Notation: . .

) ist gegeben durch

Die Matrix Die Matrix

ist symmetrisch, falls

ist antisymmetrisch, falls

Um

zu transponieren, wird die -te Zeile von


als die -te Spalte von

geschrieben.

Beispiele (Transponieren, symmetrisch, antisymmetrisch)


Die Matrix

ist symmetrisch, weil

Die Matrix

ist anti-symmetrisch, weil

3.2

Matrizen als Vektorraum

21

1. Aufgabe

(Lerncheck)

Gegeben seien die Matrizen und

und

. Bestimmen Sie

. Welche der Matrizen ist symmetrisch?

2. Aufgabe Bestimmen Sie, ob die folgenden Aussagen richtig oder falsch sind. Begr nden Sie Ihre Antwort. u a) Ist die Matrix symmetrisch, so ist quadratisch. b) Ist die Matrix quadratisch, so ist auch symmetrisch. c) Ist die Matrix eine Diagonalmatrix, so ist auch symmetrisch.

Training in der MUMIE: Transponierte einer Matrix Denition (Konjugierte, adjungierte Matrix) , so ist die Konjugierte zu Hat die komplexe Zahl die Form

Sei

) ist gegeben durch

. Die zu

wobei

adjungierte Matrix (Notation: .

Bemerkungen

Die zu Ist

adjungierte Matrix

wird durch transponieren und konjugieren (egal in welcher Reihenfolge) genau die transponierte Matrix

bestimmt. eine reelle Matrix, so ist die adjungierte Matrix

. (Warum?)

Beispiele (adjungieren)

ist selbst-adjungiert, weil

gilt.

Training in der MUMIE: Adjungierte einer Matrix, Matrixtypen

3.2 Matrizen als Vektorraum


Wie bei wollen wir die Menge als Vektorraum betrachten, auch wenn eine Matrix als Pfeil schwer vorzustellen ist. Wir erinnern uns aber daran, dass ein Vektor als eine Matrix mit einer Spalte betrachtet werden kann. Dies hilft uns zu entscheiden, wie wir bei die Operationen Addition und Multiplikation mit einem Skalar denieren m ssen, um eine Vektorraumstruktur zu geben. u

22

Begleitmaterial Lina K. Roegner

Denition (Vektorraumoperation f r Matrizen) u Mit der folgenden Addition und Multiplikation mit einem Skalar erf llt die Menge die Veku torraumeigenschaften: Die Summe von zwei Matrizen vom selben Format ist gegeben durch

F r u

und ist

Addition ist Komponentenweise, genau wie bei Vektoraddition. Bei Multiplikation mit einem Skalar wird jeder Eintrag mit dem Skalar multipliziert, genau wie bei Vektoren. (Vergleichen Sie die Denitionen im 2. Kapitel.)

Beispiele (Vektorraumoperationen mit Matrizen)



Training in der MUMIE: Linearkombination von Matrizen

3.3 Matrixmultiplikation
Bisher haben wir nur Matrizen mit einem Skalar multipliziert. Es ist jedoch m glich zwei Matrizen miteino ander unter bestimmte Bedingungen zu multiplizieren. Die Denition wirkt vielleicht etwas komisch am Anfang. Diese Denition ist aber sehr sinnvoll, wie wir im 6. Kapitel sehen werden, weil es mit der Komposition von sogenannten linearen Abbildungen, die wir gleich einf hren (siehe Abschnitt 3.5) werden, ubereinstimmt. u Denition (Matrixmultiplikation) Seien durch

. Das Produkt der Matrizen

und

ist gegeben

, wobei

Beispielsweise ist Bemerkungen

Das Produkt von zwei Matrizen Um den

ist nur deniert, wenn die Anzahl der Spalten von

gleich die Anzahl

von Zeilen in ist: Eine Matrix vom Format

mal einer Matrix vom Format ergibt eine Matrix vom Format
Zeile mit der Spalte multipliziert. (Vgl. Beispiel unten.)

Eintrag zu bestimmen, wird die

3.3

Matrixmultiplikation

Beispiel (Matrixmultiplikation)

23

Bestimmen Sie f r u

die Produkte

und

Wie das Beispiel zeigt ist Multiplikation mit Matrizen im Gegensatz zu den reellen Zahlen nicht kommutativ, muss nicht unbedingt sein. d.h. Weitere Unterschiede zu den reellen Zahlen sollen Sie anhand der folgenden Aufgabe untersuchen. Beispielsweise ist das Produkt zweier reeller Zahlen Null, so muss einer der Zahlen Null sein ( ). Diese Eigenschaft ist f r Matrizen nicht vorhanden. u oder 3. Aufgabe (Lerncheck)

Bestimmen Sie f r u

jeweils das Produkt 4. Aufgabe Zeigen Sie, dass f r u

, falls dieses deniert ist.

gilt

Bei quadratischen Matrizen funktioniert wie die bei der reellen Zahlen: . Falls nicht quadratisch ist, kann nicht auf beiden Seiten multipliziert werden. Ganz konkret betrachten wir eine (wie in dem vorangehenden Beispiel). aber ist gar nicht deniert (warum Matrix nicht?). Nat rlich h tten wir links mit multiplizieren k nnen: u a o . Aber und sind verschiedene Matrizen. Wir k nnen also eine Eins f r nicht eindeutig denieren. o u Genau so problematisch ist es zu invertieren. In den reellen Zahlen sind alle ungleich Null invertierbar und . . Weil die Eins f r nichtquadratische Matrizen nicht eindeutig denierbar u ist, beschr nken wir uns auf quadratische Matrizen, um den Begriff Invertierbarkeit zu denieren. (Die Era weiterung des Begriffs zu Linksinverse und Rechtsinverse f r nicht-quadratische Matrizen ist m glich jedoch u o auerhalb des Rahmen dieses Kurses.)

Training in der MUMIE: Training der Matrixmultiplikation

24

Begleitmaterial Lina K. Roegner

Denition / Lemma (inverse Matrix)

. (Denition) Seien heit die zu inverse Matrix (alternativ Inverse von


Notation: (Lemma) Ist invertierbar mit Inverse inverse Matrix ( ).

), falls gilt

, dann gilt

, d.h.

ist die zu

Bemerkung: Nicht alle quadratische Matrizen haben eine inverse Matrix. Beispiel (inverse Matrix) Zeigen Sie, dass die inverse Matrix zu Wir m ssen lediglich pr fen: u u

ist.

Pr fen Sie als Ubung, dass die Gleichung u Kapitel behandelt.)

erf llt ist. (Wie man die Inverse berechnet wird im 4. u

Die folgende Matrizen sind besonders n tzlich, weil sie schnell zu invertieren sind. Wie man solche Matrizen u ndet wird erst im 8. Kapitel erkl rt. a Denition (orthogonale Matrizen)

Sei . heit orthogonale Matrix, falls gilt d.h.

5. Aufgabe

(Lerncheck)

Pr fen Sie, dass die Matrizen u

orthogonal sind.

F r komplexe Matrizen, gibt es eine ahnliche Matrixtyp. u Denition (unit re Matrix) a Sei d.h.

. heit unit re Matrix, falls gilt a

Beispiel (unit re Matrix) a Bestimmen Sie, ob

eine unit re Matrix ist. a

Wir bestimmen zuerst die adjungierte Matrix:

3.4

Lineare Abbildungen und Matrixabbildungen

25

Weil die Denition zur unit ren Matrix erf llt: a u

ist eine unit re Matrix. a

3.4 Lineare Abbildungen und Matrixabbildungen


Abbildungen sind wie Funktionen. Steckt man einen Wert hinein, kommt genau einen Wert hinaus. Der Unterschied zwischen Abbildungen und Funktionen liegt im Wesentlich darin, dass Abbildungen Vektoren (statt Zahlen) als Argument nehmen. Der Denitionsbereich heit bei Abbildungen Urbildraum und der Wertebereich Bildraum. Denition (Matrixabbildung) Sei

. Die zu

zugeh rige Matrixabbildung ist gegeben durch: o


Die Abbildung liest man so: ist die Abbildung von nach , die auf abbildet. In der linearen Algebra wird erwartet, dass Urbildraum und Bildraum immer explizit angegeben werden. Warum ist die Matrixabbildung eine Abbildung von nach , obwohl ? Per Abbildungs, d.h. die Matrixmultiplikation muss deniert sein. Da vom Format ist, muss vorschrift ist vom Format sein. Das Produkt ist deshalb vom Format . So haben wir argumentiert, dass

Bemerkungen

Sei

einen Vektor in (Urbildraum) nimmt und diesen auf einen Vektor in (Bildraum) abbildet. Beispiel (Matrixabbildung) die Matrixabbildung, die durch die Matrix

deniert wird. Bestimmen


Sie die Bilder der Standardbasisvektoren


, das Bild eines

Die zugeh rige Matrixabbildung ist gegeben durch o Die Bilder der Standardbasisvektoren in sind:  

allgemeinen Vektors

sowie

(Im Allgemeinen gilt

ist die

Spalte von

.)

Das Bild eines allgemeinen Vektors ist:


(1)

(Das Bild eines allgemeinen Vektors ist eine Linearkombination der Spalten im .)

26

Begleitmaterial Lina K. Roegner

Wir merken, dass

und schreiben die Gleichung (3) leicht anders:


Nun betrachten wir

(2)

span

, die Gerade durch den Nullpunkt und

. Das Bild

(siehe Gleichung (3)) ist die Gerade durch den Nullpunkt und

. Es kann gepr ft werden, dass u

jede

beliebige Gerade durch den Nullvektor auf einer Geraden durch den Nullvektor abbildet. Ausgehend von der Gleichung (4) charakterisieren wir allgemeine Abbildungen, die Geraden auf Geraden abbilden, wie die Matrixabbildung . Hierbei versteht man den Nullvektor als 0-dimensionale Gerade. Weil das lateinische Wort f r Gerade linea ist, heien solche Abbildungen lineare Abbildungen. u Denition (lineare Abbildungen) Sei
eine Abbildung.

heit linear, falls f r alle u (1) (2)

gilt:

Bemerkung Eine lineare Abbildung

Sei

bildet den Nullvektor immer auf den Nullvektor ab, denn f r u

Beispiel (lineare Abbildung)

gilt

die Abbildung von

nach , die den Vektor

abbildet. Zeigen Sie, dass eine lineare Abbildung ist.

auf den Vektor

Bevor die Aufgabe gel st wird, betrachten wir einige Notationen, die es f r die Abbildung gibt. o u

auf den

Diese zwei Schreibweisen liest man so: ist die Abbildung von in , die den Vektor Vektor abbildet.

Hier liest man dies leicht anders: .


in mit

ist die Abbildung von

von gleich der Vektor

Zur ck zum Beispiel. Behauptung: u

ist eine lineare Abbildung.

3.4

Lineare Abbildungen und Matrixabbildungen

27

Um die Behauptung zu beweisen, m ssen die zwei Bedingungen in der Denition einer linearen Abbildung u nachgepr ft werden: u (1)

(2)

f r alle u

Zu (1). Seien

. (Wir evaluieren beide Seiten der Gleichung und wenden die

Vorschriften an, bis die gleich sind.)

 

Vektoraddition in

Abbildungsvorschrift und zusammen gruppieren (Addition in ist kommutativ)

 

Abbildungsvorschrift Vektoraddition in

Zur (2). Seien

, . (Wir evaluieren wiederum beide Seiten der Gleichung.)




Multiplikation mit Skalaren in

Abbildungsvorschrift Ausklammern Abbildungsvorschrift Skalarmultiplikation in

Weil die zwei Bedingungen erf llt sind, ist linear. u Bermerkungen Die Begr ndungen f r jeden Schritt muss nicht gegeben werden. Es ist jedoch zu empfehlen, dies zu mau u chen, bis ein sicherer Umgang mit dieser Beweismethode entsteht.

28

Begleitmaterial Lina K. Roegner

Mit etwas Ubung kann im Fall einer linearen Abbildung jede Bedingung nachgewiesen werden, indem man mit der linken Seiten anf ngt und die Vorschriften anwendet, bis die rechte Seite erreicht wird. a Beispiel (nicht-lineare Abbildung)

Zeigen Sie, dass

keine lineare Abbildung ist.

Zu zeigen: eine der Bedingungen in der Denition einer linearen Abbildung ist nicht erf llt (am besten mit u einem Gegenbeispiel, weil dann kann die Bedingung nicht f r alle (beliebige) Vektoren gelten). u

Nehmen wir als

den Vektor

und als Skalar

Nun berechnen wir sowie . Ist

linear, m ssten die beiden Ergebnisse ubereinstimmen. u


Weil

f r u

und

, ist nicht linear.

6. Aufgabe (Lerncheck) Bestimmen Sie, ob der folgenden Abbildungen linear sind:

Denition (Kern und Bild einer linearen Abbildung) Kern Bild Sei

eine lineare Abbildung.

Bemerkungen

Der Kern einer linearen Abbildung Das Bild einer linearen Abbildung
von

ist die Menge aller Vektoren im Urbildraum ( ), die auf

dem Nullvektor abgebildet werden.

ist die Menge aller Vektoren im Bildraum ( ), die ein Urbild haben. Das Bild von muss nicht unbedingt gleich dem Bildraum sein. (Beispielsweise ist das Bild

geometrisch betrachtet die -Ebene im Bildraum .)

3.4

Lineare Abbildungen und Matrixabbildungen

29

Beispiel (Kern und Bild) Bestimmen Sie den Kern und den Bild der linearen Abbildung

Nach Denition des Kerns einer linearen Abbildung ist:

Kern Laut Vorschrift von ist dann

Somit muss gelten (Komponentenvergleich):

Ein Element Kern hat deshalb die Form

oder (mit dem frei w hlbaren Parameter ) a

Kern

span

Weil

f r beliebige u

, spannt

Bild den gesamten Bildraum auf:

Bild

7. Aufgabe 8. Aufgabe Sei

(Lerncheck)

Bestimmen Sie Kern und Bild der linearen Abbildung

eine lineare Abbildung. Beweisen Sie die folgenden Aussagen:

a) Kern ist ein Teilraum des . b) Bild ist ein Teilraum des .

Training in der MUMIE: Kern Bild Matrixabbildungen, Lineare Abbildungen, Bilder linear unabh ngiger a Vektoren, Kern Bild

30

Begleitmaterial Lina K. Roegner

Satz (Lineare Abbildungen und Matrixabbildungen) (1) Matrixabbildungen sind immer linear. kann als eine Matrix aufgefasst werden. Die Spalten von (2) Jede lineare Abbildung sind die Bilder der Standardbasisvektoren von . (3) Sind und lineare Abbildungen mit zugeh rigen Matrizen o bzw. , so ist die Komposition (Hintereinanderausfuhrung / Verknupfung)

eine lineare Abbildung mit zugeh riger Matrix o

Bemerkungen (Zu (2)) Ist die zu der linearen Abbildung zugeh rige Matrix, so ist das Bild der Matrixabbildung o die -te Spalte von . D.h. die Bilder der Standardbasisvektoren in bzgl. der Matrixabbildung a und die lineare Abbildung stimmen uberein. Wegen der Linearit t kann bewiesen werden, dass f r alle ist. Ferner gilt Bild span Spalten von . u (Zu (3)) Bei der Komposition von Matrizen wird von rechts nach links geschrieben. In dem Satz wird auf einem Vektor in angewendet und in abgebildet. Das Ergebnis kann in eingesetz werden und wird in abgebildet.

%%

%%

//

//

Beispiel (zugeh rige Matrix, Komposition linearer Abbildungen) o Seien

lineare Abbildungen.

o a) Bestimmen Sie die zu und zugeh rigen Matrizen und b) Bestimmen Sie die Komposition . o c) Bestimmen Sie die zu zugeh rige Matrix sowie das Produkt

a) Wir berechnen die Bilder der Standardbasisvektoren in dem entsprechenden Urbildraum.

3.4

Lineare Abbildungen und Matrixabbildungen

31

b) ist eine Abbildung von nach . Im oberen Teil des Diagramms wird gezeigt, wie die Mengen verkn pft sind. Im unteren Teil k nnen wir die Wirkung auf den ersten Standardbasisvektor des u o verfolgen.

%%

%%

//

//

Um das Bild eines allgemeinen Vektors in zu bestimmen, betrachten wir die Hintereinanderausf hrung: u

 

c) Die Spalten der zu zugeh rigen Matrix sind die Bilder der Standardbasisvektoren: o

o ist deshalb auch die Abbildung mit zugeh riger Matrix

Benutzen Sie f r die folgenden Aufgaben die Abbildungen aus dem vorangehenden u Beispiel (zugeh rige Matrix, Komposition linearer Abbildungen). o 9. Aufgabe (Lerncheck)

a) Bestimmen Sie die Komposition

b) Bestimmen Sie die zu zugeh rige Matrix sowie das Produkt o 10. Aufgabe

und wie im letzten Beispiel. Sei Seien weitere lineare Abbildung, welche der folgenden Abbildungen sind deniert?

eine

Training in der MUMIE: Matrixabbildung, Lineare Abbildungen und Standardbasisvektoren, Von Linearen Abbildungen zu Matrizen

32

Begleitmaterial Lina K. Roegner

3.5 L sungen bzw. L sungsskizzen zu den Aufgaben im 3. Kapitel o o

1. Aufgabe

nicht symmetrisch,

symmetrisch

2. Aufgabe a) Die Aussage ist richtig. Ist

mit

, so muss die Anzahl der Zeilen gleich der

Anzahl der Spalten sein, weil beim transponieren werden die Zeilen als Spalten geschrieben. b) Die Aussage ist falsch. Die Aussage besagt, wenn eine Matrix quadratisch ist, k nnen wir daraus schlieen, o dass sie symmetrisch ist. (Es gibt Matrizen, die gleichzeitig quadratisch und symmetrisch sind. Die Frage ist, ob alle quadratische Matrizen symmetrisch sind. Bei einer falsche Aussage reicht es deshalb, ein einziges Gegenbeispiel zu nden.) Als Gegenbeispiel betrachten wir dratisch.

ist vom Format also qua-

ist nicht symmetrisch. Es existiert eine quadratische Matrix, die nicht

symmetrisch ist. Somit ist die Aussage falsch. c) Die Aussage ist richtig. (Es gen gt nicht, ein Beispiel zu geben. Es muss gezeigt werden, dass alle Diagou eine Diagonalmatrix und die zu nalmatrizen symmetrisch sind.) Seien transponierte Matrix mit . F r u mit ist . Mit ist . Daraus folgt f r alle u . Weil , ist symmetrisch.

3. Aufgabe

ist nicht deniert (die Anzahl der Spalten von

ist zwei

und dies ist nicht gleich 3, die Anzahl von Zeilen von

),

4. Aufgabe Setze

. Dann ist

Eine ahnliche Berechnung ergibt 5. Aufgabe

Ist es notwendig zu pr fen, ob u

? (Nein, dies folgt aus dem Lemma auf Seite 24.)



6. Aufgabe

Die Linearit t der Abbildungen a


wird untersucht, d.h. es wird gepr ft, ob f r alle u u

gilt

3.5

L sungen bzw. L sungsskizzen zu den Aufgaben im 3. Kapitel o o (1)

33

, (2) .

Behauptung. Die Abbildung

ist linear.

Beweis. Wir uberpr fen die zwei Bedingungen. u Zu (1). Seien

Vektoraddition

Abbildungsvorschrift

Abbildungsvorschrift Vektoraddition

Zu (2). Seien

, .
 

Skalarmultiplikation

Abbildungsvorschrift

Abbildungsvorschrift Skalarmultiplikation


Weil die zwei Bedingungen in der Denition einer linearen Abbildung erf llt sind, ist linear. u

34

Begleitmaterial Lina K. Roegner

Behauptung: Beweis: Wir zeigen mit

ist keine lineare Abbildung.

und

dass die 2. Bedingung in der Denition einer linearen Abbil-

dung nicht erf llt ist. [Bemerkung: es ist nicht immer leicht, ein Gegenbeispiel zu konstruieren.] u

Weil

f r u
Kern

und

, ist nicht linear.


7. Aufgabe bildet wird. 8. Aufgabe

und Bild

, weil jeder Vektor in auf den Nullvektor abge-

a) Gegeben ist eine lineare Abbildung

von

nach . Zu zeigen: Kern

1) Kern

ist ein Teilraum des . Kern ist ein Teilraum von , falls gilt:

Zu 1) Sei . Dann ist Kern Kern Bemerkung Die Rechnung hier zeigt: Bei jeder linearen Abbildung wird der Nullvektor auf den Nullvektor abgebildet.
Linearit t a

2) f r alle Kern gilt Kern, u 3) f r alle Kern gilt Kern. u

Zu 2) Seien

Kern. Daraus folgt


) und

. Zu zeigen:

Kern, d.h.

a Linearitt

Zu 3) Seien

Kern (d.h.

. Dann gilt:

a Linearitt

Von daher ist auch in Kern enthalten. u Die drei Bedingungen eines Teilraums des sind erf llt, sodass Kern ein Teilraum des ist. b) F r die lineare Abbildung soll gezeigt werden, dass Bild u des ist. Die drei Bedingungen eines Teilraums (wie in Teil a) werden gepr ft. u Zu 1)

ein Teilraum

Bild Bild

3.5

L sungen bzw. L sungsskizzen zu den Aufgaben im 3. Kapitel o o

35

Zu 2) Seien Bild d.h. es existieren Zu zeigen: Bild.

mit

Nun weil

a Linearitt ein Vektorraum ist, ist auch in , sodass in Bild liegt.

Zu 3) Seien

Bild (d.h. es existiert

mit

) und . Es gilt:

a Linearitt

mit

, sodass

Bild gilt.

Die drei Teilraumkriterien sind erf llt und damit ist Bild ein Teilraum des . u 9. Aufgabe a) Die Komposition ist gegeben durch

b) Die zu zugeh rige Matrix lautet o Das gesuchte Produkt ist

( ), sodass und nicht deniert sind. Der Bildraum von ( ) ist nicht im Urbildraum von ( ) enthalten, sodass Der Bildraum von ( ) ist im Urbildraum von ( ) enthalten und damit ist

10. Aufgabe Der Bildraum von ( ) ist weder im Urbildraum von ( ) noch im Urbildraum von

nicht deniert ist. deniert.

You might also like