Kapitel IV. Lineare Abbildungen. Inhalt: 13. Lineare Abbildungen 14. Matrix-Darstellung 15. Isomorphie von Vektorräumen

Transkript

1 Kapitel IV. Lineare Abbildungen Inhalt: 13. Lineare Abbildungen 14. Matrix-Darstellung 15. Isomorphie von Vektorräumen Wir wollen nun die Abbildungen F : V W zwischen Vektorräumen V und W untersuchen, die die Vektorraum-Struktur erhalten. Wir nennen solche Abbildungen Homomorphismen oder, zur Unterscheidung von den Gruppen- und Ring-Homomorphismen, meistens lineare Abbildungen. Die Struktur der Vektorräume, insbesondere der Basis- und der Dimensionsbegriff, erlauben eine genaue strukturelle Beschreibung der Eigenschaften linearer Abbildungen, wie z.b. der Injektivität, Surjektivität und Bijektivität. Diese Eigenschaften lassen sich auch ohne die Zuhilfenahme von Basen charakterisieren. Hierzu werden die Begriffe Kern, Bild und Rang einer linearen Abbildung eingeführt. Der rechnerische Umgang mit linearen Abbildungen wird mit Hilfe der Matrix-Darstellung in Abschnitt 14 begründet. Abschnitt 15 behandelt die bijektiven linearen Abbildungen, die Isomorphismen. Lineare Algebra, Teil I 19. Januar

2 Lineare Abbildungen Einführung: Linearität der Matrix-Vektor-Multiplikation 13 Lineare Abbildungen 13.1 Einführung: Linearität der Matrix-Vektor-Multiplikation Es sei A Mat K (m,n) eine Matrix. Wir definieren die Abbildung F A : K n K m, x Ax. Dann gilt für alle x,y K n und alle α K die Beziehung F A (x +y) = F A (x)+f A (y), F A (αx) = αf A (x); dies wird kurz zusammengefasst zu F A (αx +βy) = αf A (x)+βf A (y) für alle x,y K n und alle α,β K. Mit anderen Worten, die Abbildung F A ist eine lineare Abbildung im Sinne der folgenden Definition. Bemerkung: Man achte auf die Dimensionsangaben: Die Matrix A liegt in Mat(m, n) und die Abbildung F A hat den Definitionsbereich K n sowie den Wertevorrat K m. Lineare Algebra, Teil I 19. Januar

3 Lineare Abbildungen Definition: Lineare Abbildung 13.2 Definition: Lineare Abbildung Es sei K ein Körper, V und W zwei Vektorräume über K. Eine Abbildung F : V W heißt lineare Abbildung (oder Vektorraum-Homomorphismus), falls gilt: F(x +y) = F(x)+F(y) für alle x,y V F(αx) = αf(x) für alle x V, α K. Wir können beide Bedingungen auch zusammenfassen zu F(αx +βy) = αf(x)+βf(y) für alle x,y V, α,β K. Lineare Algebra, Teil I 19. Januar

4 Lineare Abbildungen Bemerkungen: 13.3 Bemerkungen: Es seien V,W Vektorräume und F : V W linear. Dann gilt: (a) F(0 V ) = 0 W. (b) Für beliebige Linearkombinationen in V gilt ( m ) F α k v k = k=1 m α k F(v k ). Hieraus folgt für jede Familie (v i ) i I von Vektoren v i V: Ist (v i) i I linear abhängig, so ist auch die Familie (F(v i)) i I linear abhängig (in W). Ist die Familie (F(v i)) i I linear unabhängig, so ist auch die Familie (v i) i I linear unabhängig. k=1 Lineare Algebra, Teil I 19. Januar

5 Lineare Abbildungen Satz: Eine lineare Abbildung ist durch die Festlegung der Bilder von Basisvektoren bereits vollständig definiert: 13.4 Satz: Es seien V,W Vektorräume, und (v i ) i I sei eine Basis von V. Weiterhin seien Vektoren w i W, i I, gegeben. Dann existiert genau eine lineare Abbildung F : V W mit F(v i ) = w i für alle i I; mit anderen Worten, die lineare Abbildung F ist durch die Bilder F(v i ) einer Basis von V eindeutig beschrieben Korollar: Gleichheit linearer Abbildungen Es seien V,W Vektorräume über K sowie (v i ) i I eine Basis von V. Zwei lineare Abbildungen F : V W und G : V W sind genau dann gleich, wenn die Bilder der Basiselemente gleich sind, also wenn F(v i ) = G(v i ) für alle i I gilt. Lineare Algebra, Teil I 19. Januar

6 Lineare Abbildungen Satz: Lineare Abbildungen F : K n K m 13.7 Satz: Lineare Abbildungen F : K n K m Zu jeder linearen Abbildung F : K n K m (mit m,n N) existiert eine eindeutig bestimmte Matrix A Mat(m,n) mit F(x) = F A (x) = Ax für alle x K n. Lineare Algebra, Teil I 19. Januar

7 Lineare Abbildungen Satz: Verkettung linearer Abbildungen 13.8 Satz: Verkettung linearer Abbildungen Es seien U,V,W Vektorräume über K und F : U V sowie G : V W lineare Abbildungen. Dann ist die Verkettung G F : U W, u G(F(u)) linear. Lineare Algebra, Teil I 19. Januar

8 Lineare Abbildungen Definition Die folgenden Begriffe treten bei der Beschreibung linearer Abbildungen häufig auf. Deshalb sollte man sie sich merken Definition Eine lineare Abbildung F : V W heißt Monomorphismus, wenn F injektiv ist, Epimorphismus, wenn F surjektiv ist, Isomorphismus, wenn F bijektiv ist, Endomorphismus, wenn V = W gilt, also F : V V vorliegt, Automorphismus, wenn V = W gilt und F bijektiv ist. Lineare Algebra, Teil I 19. Januar

9 Lineare Abbildungen Satz: Charakterisierung anhand einer Basis von V Satz: Charakterisierung anhand einer Basis von V Es seien V,W Vektorräume über K sowie (v i ) i I eine Basis von V. Weiter sei F : V W linear und w i = F(v i ). Dann gilt: (a) F ist ein Monomorphismus genau dann, wenn (w i ) i I linear unabhängig ist. (b) F ist ein Epimorphismus genau dann, wenn (w i ) i I ein Erzeugendensystem von W ist. (c) F ist ein Isomorphismus genau dann, wenn (w i ) i I eine Basis von W ist. Bemerkung: Wir halten als wichtiges Resultat fest: ein Isomorphismus F : V W bildet jede Basis (v i ) i I von V in eine Basis (F(v i )) i I von W ab. Lineare Algebra, Teil I 19. Januar

10 Lineare Abbildungen Korollar: Charakterisierung bei gleicher endlicher Dimension Durch Einsatz des Dimensionsbegriffs für endlich-dimensionale Vektorräume folgt sofort (siehe 8.21): Korollar: Charakterisierung bei gleicher endlicher Dimension Es seien V,W Vektorräume über K mit dimv = dimw <. Für eine lineare Abbildung F : V W sind dann äquivalent: (i) F ist ein Monomorphismus (d.h. injektiv). (ii) F ist ein Epimorphismus (d.h. surjektiv). (iii) F ist ein Isomorphismus (d.h. bijektiv). Lineare Algebra, Teil I 19. Januar

11 Lineare Abbildungen Korollar: Schlussfolgerungen über die Dimension Korollar: Schlussfolgerungen über die Dimension Es seien V,W Vektorräume über K und F : V W linear. (i) Falls F ein Monomorphismus ist, so folgt dimv dimw. (ii) Falls F ein Epimorphismus ist, so folgt dimv dimw. (iii) Falls F ein Isomorphismus ist, so folgt dimv = dimw. Hierbei sind dimv = und dimw = zugelassen Korollar: Schlussfolgerungen aus der Dimension Es seien V,W Vektorräume über K. (i) Falls dimv dimw und dimv < gilt, so existiert ein Monomorphismus F : V W. (ii) Falls dimv dimw und dimw < gilt, so existiert ein Epimorphismus F : V W. (iii) Falls dimv = dimw < gilt, so existiert ein Isomorphismus F : V W. Lineare Algebra, Teil I 19. Januar

12 Lineare Abbildungen Satz: Inverse Satz: Inverse Es seien V,W Vektorräume über K. Ist F : V W ein Isomorphismus, so ist die Umkehrabbildung F 1 : W V ebenfalls linear und bijektiv, also ein Isomorphismus. Bemerkung: (a) Existiert zwischen zwei Vektorräumen V, W ein Isomorphismus, so heißen V und W isomorph. Hier wurde begründet, dass der Isomorphie-Begriff eine symmetrische Relation darstellt. Wir betrachten ihn genauer in Abschnitt 15. (b) Für einen Isomorphismus F : V W gelten natürlich die Beziehungen F F 1 = id W, F 1 F = id V. (c) Man beachte die allgemeine Definition und den Satz 2.23 aus Kapitel I: Die lineare Abbildung F : V W ist genau dann ein Isomorphismus, wenn es eine Abbildung X : W V gibt mit F X = id W, X F = id V. Die Linearität dieser Abbildung X wurde hier zusätzlich bewiesen. Lineare Algebra, Teil I 19. Januar

13 Lineare Abbildungen Definition und Satz: Kern, Bild und Rang Die Injektivität, Surjektivität und Bijektivität kann man auch ohne Zuhilfenahme einer Basis ausdrücken Definition und Satz: Kern, Bild und Rang Es seien V,W Vektorräume über K sowie F : V W linear. (a) Das Urbild des Nullvektors 0 W heißt der Kern von F, Kern(F) := F 1 ({0 W }) = {v V F(v) = 0 W }. Es gilt: Kern(F) ist ein Untervektorraum von V. (b) Das Bild von F ist die Menge Bild(F) = F(V) = {F(v) v V}. Es gilt: Bild(F) ist ein Untervektorraum von W. (c) Der Rang von F ist definiert als Rang(F) = dim(bild(f)). Lineare Algebra, Teil I 19. Januar

14 Lineare Abbildungen Satz: Charakterisierung anhand von Kern und Bild Satz: Charakterisierung anhand von Kern und Bild Es seien V,W Vektorräume über K. Weiter sei F : V W linear. Dann gilt: (a) F ist ein Monomorphismus genau dann, wenn Kern(F) = {0 V } gilt. (b) F ist ein Epimorphismus genau dann, wenn Bild(F) = W gilt. (c) F ist ein Isomorphismus genau dann, wenn Kern(F) = {0 V } und Bild(F) = W gilt. Nur die Aussage (a) muss bewiesen werden, weil (b) die Definition der Surjektivität ist (siehe 2.18(b)) und (c) die Aussagen (a) und (b) zusammenfasst. Der Beweis von (a) beruht im Wesentlichen auf der folgenden Aussage. Lineare Algebra, Teil I 19. Januar

15 Lineare Abbildungen Lemma: Urbilder einpunktiger Mengen Lemma: Urbilder einpunktiger Mengen Es seien V,W Vektorräume über K. Weiter sei F : V W linear. Für ein beliebiges w W ist die Menge F 1 ({w}) entweder leer, oder sie hat die Form F 1 ({w}) = p +Kern(F) mit einem beliebigen p V, für das F(p) = w gilt. Bemerkung: Das Lemma besagt, dass F 1 ({w}) ein Element des Faktorraums V/Kern(F) ist; dies verallgemeinert unsere Aussage zur Lösung inhomogener LGS in Satz 11.5: Die Lösungsmenge der Gleichung F(v) = w mit w W ist entweder leer, oder sie ist ein affiner Unterraum von V mit dem Aufpunkt p (partikuläre Lösung, spezielle Lösung F(p) = w) und dem Differenzenraum Kern(F). Lineare Algebra, Teil I 19. Januar

16 Lineare Abbildungen Homomorphiesatz Wir erhalten nun den ersten Hauptsatz über lineare Abbildungen sowie die Dimensionsformel Homomorphiesatz Es seien V,W Vektorräume über K und F : V W linear. Weiter sei U = Kern(F). Dann sind der Faktorraum V/U und der Bildraum Bild(F) isomorph; ein Isomorphismus ist gegeben durch H F : V/U Bild(F), p +U F(p) Satz: Dimensionsformel Es seien V,W Vektorräume über K und F : V W linear. Dann gilt dimv = dim(kern(f))+dim(bild(f)) = dim(kern(f))+rang(f). Lineare Algebra, Teil I 19. Januar

17 Lineare Abbildungen Bemerkung Bemerkung: Der Homomorphiesatz ermöglicht es, jede lineare Abbildung nach ihrem Kern zu faktorisieren, um dadurch einen Isomorphismus zu erzeugen: aus F : V W wird zuerst der Monomorphismus H 1 : V/Kern(F) W, [v] Kern(F) F(v), und daraus durch Einschränkung des Wertevorrats der Isomorphismus H F : V/Kern(F) Bild(F), [v] Kern(F) F(v). Wenn man dann noch einen komplementären Untervektorraum M V von Kern(F) findet, der ja ein vollständiges Repräsentantensystem von V/Kern(F) ist, so kann man H F ersetzen durch den Isomorphismus H F : M Bild(F), v F(v). Lineare Algebra, Teil I 19. Januar

18 Lineare Abbildungen Satz: Die Vektorräume Abb(V, W) und Hom(V, W) Wir betrachten nun Strukturen auf der Menge aller Abbildungen Abb(V,W) = {f : V W f ist eine Abbildung} sowie der Teilmenge aller linearen Abbildungen Hom(V,W) = {f : V W f ist eine lineare Abbildung}. Wegen der Vektorraum-Eigenschaft des Wertevorrats W können wir beliebige Abbildungen f,g : V W addieren und mit Skalaren multiplizieren: f +g : V W, v f(v)+g(v) W, αf : V W, v αf(v) W. Lineare Algebra, Teil I 19. Januar

19 Lineare Abbildungen Satz: Die Vektorräume Abb(V, W) und Hom(V, W) Satz: Die Vektorräume Abb(V,W) und Hom(V,W) Es seien V,W Vektorräume über K. (a) Die Menge Abb(V,W) = {f : V W f ist eine Abbildung} mit der obigen Addition und Skalarmultiplikation ist ein K-Vektorraum. Sein Nullelement ist die Abbildung N : V W mit N(v) = 0 W für alle v V, die sog. Null-Abbildung. (b) Die Menge Hom(V,W) = {f : V W f ist eine lineare Abbildung} ist ein Untervektorraum von Abb(V,W); d.h. mit F : V W linear und G : V W linear ist auch F +G und αf linear. Lineare Algebra, Teil I 19. Januar

20 Lineare Abbildungen Satz: Dimension von Hom(V, W) Satz: Dimension von Hom(V,W) Falls dimv > 0 und dimw > 0 gilt, so ist dim(hom(v,w)) = (dimv) (dimw), mit der Vereinbarung n = m =, =. Falls dimv = 0 oder dimw = 0 ist, so gilt dim(hom(v,w)) = 0. Bemerkung: Hom(K n,k m ) hat die gleiche Struktur wie der Vektorraum Mat K (m,n) der m n-matrizen: Für Matrizen A,B Mat K (m,n) ist (F A +F B )(x) = (A+B)x und αf A (x) = (αa)x. Tatsächlich ist durch A F A ein Vektorraum-Isomorphismus zwischen Mat K (m,n) und Hom(K n,k m ) gegeben. Die Dimension dim(mat K (m,n)) = mn wurde in 10.2 angegeben. Die obige Dimensionsformel liefert das gleiche Ergebnis! Im Fall endlich-dimensionaler Vektorräume V und W wird im Beweis eine Basis von Hom(V,W) konstruiert, die mit den Elementarmatrizen E k,l in 10.2 vergleichbar ist. Lineare Algebra, Teil I 19. Januar

21 Lineare Abbildungen Satz: Der Endomorphismenring Hom(V) Im Spezialfall V = W sind die linearen Abbildungen F : V V genau die Endomorphismen; anstatt Hom(V, V) schreibt man oft Hom(V). Die Endomorphismen können wie üblich addiert und mit Skalaren multipliziert werden. Zusätzlich können sie mit der Verkettung (=Hintereinanderausführung) verknüpft werden: F,G Hom(V) F G Hom(V), denn die Linearität von F G wurde ja in Satz 13.8 gezeigt. Mit Addition und Verkettung ergibt sich die Struktur eines Rings, und zusammen mit der Skalarmultiplikation sogar die Struktur einer Algebra, wie wir sie bei den quadratischen Matrizen schon kennengelernt haben. Lineare Algebra, Teil I 19. Januar

22 Lineare Abbildungen Satz: Der Endomorphismenring Hom(V) Satz: Der Endomorphismenring Hom(V) Es sei V ein Vektorraum über K. Der Vektorraum Hom(V) = {F : V V f ist eine lineare Abbildung} ist mit der Addition, Skalarmultiplikation und Verkettung eine K-Algebra. Sie ist (in der Regel) nicht-kommutativ. Ihr Einselement ist die identische Abbildung id V : V V; denn id V F = F id V = F gilt für alle F Hom(V). Ihre Einheiten (d.h. die Elemente mit einem Inversen bzgl. der Verkettung) sind genau die Automorphismen: sie bilden die Automorphismengruppe Aut(V) = {F : V V f ist eine bijektive lineare Abbildung}. Lineare Algebra, Teil I 19. Januar

23 Lineare Abbildungen Bemerkung Bemerkung Im Fall V = K n lässt sich Hom(V) mit dem Vektorraum der quadratischen Matrizen Mat K (n,n) vergleichen. Die Verkettung in Hom(V) entspricht der Matrix-Multiplikation in Mat K (n,n). Die Automorphismengruppe Aut(V) entspricht dabei der allgemeinen linearen Gruppe Gl(n). Lineare Algebra, Teil I 19. Januar

24 Matrix-Darstellung Definition und Satz: Koordinatenabbildung 14 Matrix-Darstellung In diesem Abschnitt sind alle Vektorräume endlich-dimensional. Zur praktischen Rechnung mit linearen Abbildungen greifen wir auf Basen der Vektorräume zurück Definition und Satz: Koordinatenabbildung Es sei V ein Vektorraum über K mit dimv = n N. Weiter sei A = (v 1,...,v n ) eine Basis von V. (a) Durch Φ A : V K n, v = n α i v i (α 1,...,α n ) ist eine Abbildung definiert; wir nennen Φ A die zur Basis A gehörende Koordinatenabbildung von V. (b) Die Koordinatenabbildung Φ A ist linear und bijektiv, also ein Isomorphismus. Ihre Umkehrabbildung lautet i=1 Φ 1 A : Kn V, n (α 1,...,α n ) α i v i. i=1 Lineare Algebra, Teil I 19. Januar

25 Matrix-Darstellung Definition und Satz: Koordinatenabbildung Bemerkung: Die Koordinatenabbildung Φ A ist wohldefiniert: nach Satz 8.11 existiert für jedes v V eine Darstellung v = α 1 v 1 +α 2 v α n v n mit eindeutigen Skalaren α 1,α 2,...,α n K. Lineare Algebra, Teil I 19. Januar

26 Matrix-Darstellung Vorüberlegung zur Matrix-Darstellung 14.3 Vorüberlegung zur Matrix-Darstellung: Es seien V, W Vektorräume über dem Körper K mit dimv = n und dimw = m, m,n N. Weiter sei A = (v 1,...,v n ) eine Basis von V und B = (w 1,...,w m ) eine Basis von W. Die Koordinatenabbildungen bezeichnen wir mit Φ A : V K n und Ψ B : W K m. Nun sei F : V W eine lineare Abbildung. Durch Verkettung erhalten wir die lineare Abbildung F = Ψ B F Φ 1 A : Kn K m. Zur Abbildung F gibt es nach Satz 13.7 eine eindeutig bestimmte Matrix A Mat K (m,n) mit F = F A, also F(x) = Ax. Wegen F = Ψ 1 B F A Φ A (und der Isomorphie von Ψ B und Φ A ) sind die wichtigen Eigenschaften von F gleichbedeutend mit den Eigenschaften von F A, also auch mit den Eigenschaften der Matrix A. Dies liefert praktische Berechnungsmethoden z.b. für Kern, Bild und Rang von F. Lineare Algebra, Teil I 19. Januar

27 Matrix-Darstellung Definition und Satz: Matrix-Darstellung 14.4 Definition und Satz: Matrix-Darstellung Es seien V,W Vektorräume über K mit dimv = n, dimw = m und m,n N. Weiter sei A = (v 1,...,v n ) eine Basis von V und B = (w 1,...,w m ) eine Basis von W. Die Koordinatenabbildungen bezeichnen wir mit Φ A : V K n und Ψ B : W K m. Es sei F : V W eine lineare Abbildung. (a) Die eindeutig bestimmte Matrix A Mat K (m,n) mit F = Ψ 1 B F A Φ A heißt die darstellende Matrix von F bzgl. der Basen A und B. (b) Die k-te Spalte a k = (a j,k ) 1 j m der darstellenden Matrix A von F ist gegeben durch m F(v k ) = a j,k w j, k = 1,...,n. j=1 Anders ausgedrückt: a k = Ψ B (F(v k )) ist der Koordinatenvektor (bzgl. der Basis B) von F(v k ). Lineare Algebra, Teil I 19. Januar

28 Matrix-Darstellung Satz 14.6 Satz Mit den Bezeichnungen in 14.4 sei A Mat K (m,n) die darstellende Matrix zur linearen Abbildung F : V W. Dann gilt Rang(F) = Rang(A). Insbesondere folgt: F ist ein Monomorphismus genau dann, wenn Rang(A) = n gilt. F ist ein Epimorphismus genau dann, wenn Rang(A) = m gilt. F ist ein Isomorphismus genau dann, wenn m = n und Rang(A) = n gilt, d.h. wenn A Gl(n,K) gilt. Lineare Algebra, Teil I 19. Januar

29 Matrix-Darstellung Praktischer Aspekt: Lösung der Gleichung L(v) = w 14.7 Praktischer Aspekt: Lösung der Gleichung L(v) = w Gegeben sei eine lineare Abbildung F : V W und ein Vektor w W. 1. Wähle geeignete Basen (v 1,...,v n ) von V und (w 1,...,w m ) von W. 2a. Stelle die darstellende Matrix A von F auf. 2b. Berechne den Koordinatenvektor y von w. 3. Bestimme alle Lösungen des linearen Gleichungssystems A x = y. 3a. Falls keine Lösung existiert, hat auch F(v) = w keine Lösung. 3b. Andernfalls: Für jede Lösung x = (α 1,...,α n ) K n von A x = y ist v = eine Lösung von F(v) = w. n α k v k k=1 Lineare Algebra, Teil I 19. Januar

30 Matrix-Darstellung Satz: Verkettung Die Verkettung linearer Abbildungen wurde bereits in Satz 13.8 behandelt. Wir wollen hier den Zusammenhang zum Matrixprodukt ergänzen Satz: Verkettung Es seien U, V, W endlich-dimensionale Vektorräume über K (und keiner sei der Nullraum). Weiter seien A eine Basis von U, B eine Basis von V und C eine Basis von W. Außerdem sei A die darstellende Matrix der linearen Abbildung F : U V bzgl. der Basen A und B, und es sei B die darstellende Matrix der linearen Abbildung G : V W bzgl. der Basen B und C. Dann ist das Matrixprodukt C = BA definiert und C ist die darstellende Matrix von G F bzgl. der Basen A und C. Bemerkung: Das Bindeglied ist hier nicht nur der Vektorraum W, sondern auch die Basis B von W, die sowohl für den Wertevorrat von F als auch für den Definitionsbereich von G verwendet wird. Lineare Algebra, Teil I 19. Januar

31 Matrix-Darstellung Satz: Basiswechsel Wir wollen noch überlegen, welchen Einfluss der Übergang zu einer anderen Basis von V (oder W) auf die darstellende Matrix hat Satz: Basiswechsel Mit den Bezeichnungen in 14.4 sei A Mat K (m,n) die darstellende Matrix zur linearen Abbildung F : V W. (a) Es sei A = (v 1,...,v n ) eine weitere Basis von V. Die Matrix T Gl(n,K) sei die darstellende Matrix von id V : V V bzgl. der Basen A und A, also n v k = t j,k v j, 1 k n. j=1 Dann ist B = AT die darstellende Matrix von F bzgl. der Basen A und B. Lineare Algebra, Teil I 19. Januar

32 Matrix-Darstellung Satz: Basiswechsel (b) Es sei B = (w 1,...,w m) eine weitere Basis von W. Die Matrix S Gl(m,K) sei die darstellende Matrix von id W : W W bzgl. der Basen B und B, also m w k = s j,k w j, 1 k m. j=1 Dann ist C = S 1 A die darstellende Matrix von F bzgl. der Basen A und B. Bemerkung: Der Rang der darstellenden Matrizen A, B, und C im obigen Satz bleibt erhalten; man vergleiche hierzu Satz Übrigens gilt S Gl(n,K), weil id V (offensichtlich) ein Isomorphismus ist; ebenso ist T Gl(m,K). Lineare Algebra, Teil I 19. Januar

33 Matrix-Darstellung Satz: Basiswechsel Um sich die Gestalt der Transformations-Matrizen T und S besser merken zu können, beachte man das folgende kommutative Diagramm. Die Spalten von T und S entstehen, indem man die neuen Basisvektoren in A bzw. B als Linearkombination der alten Basisvektoren in A bzw. B schreibt. Die verwendete Basis wird jeweils mit angegeben: V F W id V (V,A ) (V,A) Φ A F (W,B) id W (W,B ) Φ A Ψ B Ψ B K n T K n A K m S 1 K m Die Aussage zum Basiswechsel folgt direkt aus Satz Lineare Algebra, Teil I 19. Januar

34 Matrix-Darstellung Spezialfall: Endomorphismen Spezialfall: Endomorphismen Es sei V ein Vektorraum über K mit dimv = n N. Weiter sei A = (v 1,...,v n ) eine Basis von V. Verwendet man im Definitions- und Wertebereich des Endomorphismus F : V V die gleiche Basis A, so besitzt F als darstellende Matrix die quadratische Matrix A Mat K (n,n) mit den Spaltenvektoren a k = (a j,k ) 1 j n, wobei m F(v k ) = a j,k v j, k = 1,...,n gilt. j=1 Ersetzt man A durch eine neue Basis A im Definitions- und Wertebereich V, so ergibt Satz als neue Darstellungsmatrix von F die Matrix B = T 1 AT. Hierbei ist T Gl(n, K) die invertierbare quadratische Matrix in 14.10(a). Beachte: Die darstellenden Matrizen A und B = T 1 AT von F : V V sind ähnlich, vgl. Satz Lineare Algebra, Teil I 19. Januar

35 Matrix-Darstellung Bemerkung Bemerkung Es seien V,W endlich-dimensionale Vektorräume über K, dimv = n N und dimw = m N. Wir geben feste Basen A von V und B von W vor. (a) Die Vektorräume Hom(V,W) und Mat K (m,n) sind isomorph. Der Isomorphismus ist erklärt durch die Abbildung Θ : Hom(V,W) Mat K (m,n), F A, wobei A die darstellende Matrix von F bzgl. der gegebenen Basen ist. (b) Im Spezialfall V = W und A = B gilt sogar: Θ : Hom(V) Mat K (n,n) ist ein Ring-Isomorphismus: zur Abbildung id V gehört die Einheitsmatrix, zur Verkettung G F gehört das Matrixprodukt, etc. Weiterhin bildet Θ die Automorphismengruppe Aut(V) bijektiv auf GL(n, K) ab; diese Abbildung ist ein Gruppen-Isomorphismus. Lineare Algebra, Teil I 19. Januar

36 Isomorphie von Vektorräumen Satz 15 Isomorphie von Vektorräumen Dieser kurze Abschnitt dient nur als Zusammenfassung von Aussagen über Isomorphismen. Wir verwenden die Sprechweise aus Bemerkung 13.15: Zwei Vektorräume V, W heißen isomorph, wenn es einen Isomorphismus F : V W gibt. Satz hat dann die folgende Formulierung Satz Zwei endlich-dimensionale Vektorräume V, W über dem Körper K sind genau dann isomorph, wenn dimv = dimw gilt. Lineare Algebra, Teil I 19. Januar

37 Isomorphie von Vektorräumen Satz Was kann über unendlich-dimensionale Vektorräume (oder in voller Allgemeinheit) gesagt werden? Eigentlich brauchen wir nur die Aussage in 13.11(c) zusammen mit dem Basis-Begriff anzuschauen Satz Zwei Vektorräume V und W (egal, ob endlich- oder unendlich-dimensional) sind genau dann isomorph, wenn es Basen A von V und B von W gibt, die die gleiche Mächtigkeit haben. Einen Isomorphismus F : V W erhält man dann wie folgt: jede bijektive Abbildung f : A B zwischen den Basen definiert nach Satz 13.4 genau eine lineare Abbildung von V nach W. Lineare Algebra, Teil I 19. Januar

38 Isomorphie von Vektorräumen Satz Als Notation für Isomorphie von Vektorräumen verwendet man häufig V W (V und W sind isomorph). Als strukturelle Aussage halten wir fest: 15.3 Satz Die Isomorphie ist eine Äquivalenzrelation auf der Menge aller K-Vektorräume. Beweis: Reflexivität: V V mittels des Isomorphismus id V : V V. Symmetrie: Aus V W mittels des Isomorphismus F : V W folgt auch W V mittels des Isomorphismus F 1. Transitivität: Aus U V und V W mittels der Isomorphismen F : U V bzw. G : V W folgt auch U W mittels des Isomorphismus G F. Lineare Algebra, Teil I 19. Januar

39 Isomorphie von Vektorräumen Beispiele 15.4 Beispiele: (a) Jeder endlich-dimensionale K-Vektorraum V mit dimv = n ist isomorph zu K n : ein passender Isomorphismus ist die Koordinatenabbildung Φ A : V K n zu einer Basis A von V. (b) Der Polynomraum R[t] ist isomorph zum Vektorraum der reellen Zahlenfolgen mit höchstens endlich vielen von Null verschiedenen Gliedern V = {(a n) n N0 a n R für n N 0, a n 0 für höchstens endlich viele n}. Die Basis der Monome A = (1,t,t 2,t 3,...) ist abzählbar, also gleichmächtig zu N 0. Als Basis B = ( e j ) j N0 von V betrachten wir die Folgen e 0 = (1,0,0,0,...), e 1 = (0,1,0,0,...), allgemein e j = (0,0,...,0,1,0,0,0,...) mit genau einer 1 an der Stelle n = j. Auch diese Basis ist abzählbar, also sind K[t] und V isomorph. Als Isomorphismus bietet sich an f = n a j t j (a 0,a 1,...,a n,0,0,0,...). k=0 Lineare Algebra, Teil I 19. Januar

40 Isomorphie von Vektorräumen Beispiele (c) Der Polynomraum R[t] ist NICHT isomorph zum Vektorraum aller reellen Zahlenfolgen W = {(a n) n N0 a n R für n N 0 }. Dafür genügt es zu zeigen, dass in W eine überabzählbare Familie linear unabhängiger Elemente existiert. Denn dann ist auch jede Basis von W überabzählbar, hat also eine größere Mächtigkeit als N 0. (Vgl. hierzu Definition 2.27 im Grundlagenkapitel.) Als überabzählbare Indexmenge verwenden wir die Menge R. (Dass R nicht abzählbar ist, findet man z.b. in G. Fischer, Lineare Algebra (17. Aufl.), Seite 42.) Wir definieren für jedes x R die Folge e x = (1,x,x 2,x 3,...) W. Behauptung: Die Familie ( e x) x R ist linear unabhängig. Beweis: Es sei C = {x 1,x 2,...,x m} R eine endliche Menge paarweise verschiedener Zahlen x i. Wir müssen zeigen, dass die Familie ( e x1, e x2,..., e xm ) linear unabhängig ist. Dafür genügt es, dass die Anfangsstücke dieser Folgen linear unabhängig sind, z.b. (1, x 1, x1 2,..., xm 1 1 ) (1, x 2, x2 2,..., xm 1 2 ). (1, x m, xm, 2..., xm m 1 ) Diese Vektoren sind die Zeilen einer Vandermonde-Matrix. Weil die betreffende Matrix invertierbar ist (siehe Beispiel 14.5), sind die Zeilenvektoren linear unabhängig. Lineare Algebra, Teil I 19. Januar