Lineare Abbildungen - I

Ähnliche Dokumente
09. Lineare Abbildungen und Koordinatentransformationen

02. Vektorräume und Untervektorräume

Summen und direkte Summen

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen

Euklidische und unitäre Vektorräume

Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

13 Partielle Ableitung und Richtungsableitung

2.4 Lineare Abbildungen und Matrizen

Lineare Abhängigkeit

1 Lineare Abbildungen

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

3 Bilinearformen und quadratische Formen

Lineare Algebra I. Probeklausur - Lösungshinweise

2 Die Dimension eines Vektorraums

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Eigenwerte und Diagonalisierung

Lineare Algebra I Lösung der Probeklausur

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG 15. Dezember 2007

Lineare Algebra I (WS 13/14)

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( )

Grundlagen der Mathematik 1

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

Ein Skript für Lineare Algebra I und II

Lineare Abbildungen und Matrizen

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.

Aufgaben zu Kapitel 20

Wiederholung: lineare Abbildungen

4 Lineare Abbildungen und Matrizen

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).

Einführung in die Mathematik für Informatiker

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

Vektorräume und lineare Abbildungen

Lösung 7: Bilinearformen

7 Vektorräume und Körperweiterungen

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

5 Lineare Algebra (Teil 3): Skalarprodukt

Äquivalenz von Matrizen

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall

6. Normale Abbildungen

Lineare Gleichungssysteme

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

3 Systeme linearer Gleichungen

Lösungsskizze zur Hauptklausur Lineare Algebra I

Mathematik I. Vorlesung 14. Rang von Matrizen

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

β 1 x :=., und b :=. K n β m

Determinanten. I. Permutationen

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Lineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching

Ferienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte

5 Lineare Abbildungen

Mathematik für Anwender I

Lineare Abbildungen. i=0 c ix i n. K n K m

1 Euklidische und unitäre Vektorräume

7 Lineare Abbildungen und Skalarprodukt

2 Euklidische Vektorräume

Kapitel III. Lineare Abbildungen

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

35 Matrixschreibweise für lineare Abbildungen

Determinanten. I. Permutationen

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

Mathematische Erfrischungen III - Vektoren und Matrizen

6.5 Lineare Abhängigkeit, Basis und Dimension

Kapitel 15. Aufgaben. Verständnisfragen

Skalarprodukt, Norm & Metrik

6 Hauptachsentransformation

5.7 Lineare Abhängigkeit, Basis und Dimension

5 Lineare Abbildungen

Aufgaben zu Kapitel 15

3. Übungsblatt zur Lineare Algebra I für Physiker

a 1 a 1 A = a n . det = λ det a i

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen

3 Vektorräume abstrakt

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

Transkript:

Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit ist eine lineare Abbildung verträglich mit den Vektorraumstrukturen. Man sieht leicht, dass die Bedingungen L1) und L2) gleichbedeutend sind mit L) F (λv + µw) = λf (v) + µf (w) v, w V, λ, µ K Mittels vollständiger Induktion kann man dann zeigen, dass aus der Linearität von F : V W folgt, dass F (λ 1 v 1 + λ 2 v 2 +... + λ n v n ) = λ 1 F (v 1 ) + λ 2 F (v 2 ) +... + λ n F (v n ) gilt für v 1,..., v n V und λ 1,..., λ n K. In anderen Worten: eine lineare Abbildung führt eine Linearkombination von Vektoren in V in die entsprechende Linearkombination der Bildvektoren über. Grundlegende Eigenschafen. Sei F : V W linear. F (0) = 0, F (v w) = F (v) F (w) v, w V Beweis: Wähle v V. Wegen 0 = 0 v gilt dann F (0) = F (0 v) = 0 F (v) = 0. Weiters ist F (v w) = F (v + ( 1)w) = F (v) + ( 1)F (w) = F (v) F (w). (v i ) linear abhängig in V (F (v i )) linear abhängig in W Beweis: folgt sofort aus λ 1 v i1 +... + λ k v ik = 0 λ 1 F (v i1 ) +... + λ k F (v ik ) = F (0) = 0. 1

(F (v i )) linear unabhängig in W (v i ) linear unabhängig in V Beweis: folgt sofort aus der vorigen Aussage. V V F (V ) W Beweis: Seien w 1, w 2 F (V ) und λ 1, λ 2 K. Dann existieren v 1, v 2 V mit F (v 1 ) = w 1 und F (v 2 ) = w 2. Nun gilt λ 1 w 1 + λ 2 w 2 = λ 1 F (v 1 ) + λ 2 F (v 2 ) = F (λ 1 v 1 + λ 2 v 2 ) F (V ), weil λ 1 v 1 + λ 2 v 2 V. W W F 1 (W ) V Beweis: Seien v 1, v 2 F 1 (W ) und λ 1, λ 2 K. Dann gilt F (v 1 ), F (v 2 ) W und damit auch F (λ 1 v 1 + λ 2 v 2 ) = λ 1 F (v 1 ) + λ 2 F (v 2 ) W. Dies bedeutet aber, dass λ 1 v 1 + λ 2 v 2 F 1 (W ). dimf (V ) dimv Beweis: folgt unmittelbar aus der dritten Aussage. Man beachte weiters, dass aus der linearen Unabhängigkeit von (v i ) i.a. nicht folgt, dass (F (v i )) linear unabhängig ist (siehe Nullabbildung). Beispiele. 1) Die Nullabbildung F : V W mit F (v) = 0 v V ist linear. 2) Die identische Abbildung F : V V mit F (v) = v v V ist linear. 3) Sei λ K fest. Dann ist die Abbildung F : V V mit F (v) = λ v linear. 4) Sei X eine beliebige Menge, V = Abb(X, R) und ϕ : X X eine beliebige Abbildung. Dann ist F : V V mit F (f) = f ϕ linear. 5) Die Abbildung D(R) Abb(R, R) mit f f ist linear. 2

6) Für festes x 0 R ist die Abbildung Abb(R, R) R mit f f(x 0 ) linear. Eine Schreibweise. : Für v = (v 1,..., v n ), w = (w 1,..., w n ) K n wir v, w = v 1 w 1 + v 2 w 2 +... + v n w n = n v j w j K Dann sind offenbar folgende Eigenschaften erfüllt: v, 0 = 0, v, w = w, v v, w K n v + v, w = v, w + v, w λv, w = v, λw = λ v, w v, v, w K n v, w K n, λ K setzen Mit dieser Notation können nun folgende wichtige Beispiele für lineare Abbildungen angegeben werden. 1) Für jedes feste w K n ist die Abbildung F : K n K mit F (v) = v, w = n v j w j linear. 2) Sei A M(m n; K). Wir wollen damit eine Abbildung F : K n K m definieren. Für v = (x 1,..., x n ) K n sei F (v) = ( n n a 1j x j,..., a mj x j ) = ( a 1, v, a 2, v,..., a m, v ) wobei a 1, a 2,..., a m die Zeilenvektoren von A bezeichnen. Dann ist F : K n K m linear und somit kann jeder m n Matrix auf natürliche Weise eine lineare Abbildung F : K n K m zugeordnet werden! F (v + v ) = ( a 1, v + v, a 2, v + v,..., a m, v + v ) = ( a 1, v + a 1, v, a 2, v + a 2, v,..., a m, v + a m, v ) = ( a 1, v, a 2, v,..., a m, v ) + ( a 1, v, a 2, v,..., a m, v ) = F (v) + F (v ) F (λv) = ( a 1, λv, a 2, λv,..., a m, λv ) = (λ a 1, v, λ a 2, v,..., λ a m, v ) = λ( a 1, v, a 2, v,..., a m, v ) = λf (v) 3

3) Sei nun F : K n K m linear und (e 1, e 2,..., e n ) die kanonische Basis von K n. Für j = 1,.., n sei F (e j ) = (a 1j, a 2j,..., a mj ) und bilde damit eine m n- Matrix A, wobei offenbar die j-te Spalte von A gleich F (e j ) ist. Damit kann einer linearen Abbildung F : K n K m eine m n Matrix A zugeordnet werden. auf natürliche Weise Für v = (x 1,..., x n ) K n gilt v = x 1 e 1 +... + x n e n und damit F (v) = x 1 F (e 1 ) +... + x n F (e n ) = x 1 (a 11,..., a m1 ) + x 2 (a 12,..., a m2 ) +... + x n (a 1n,..., a mn ) = ( n n n a 1j x j, a 2j x j,..., a mj x j ) Dies bedeutet aber, dass die dieser Matrix A nach 2) zugeordnete lineare Abbildung genau jene Abbildung ist, von der wir gestartet sind! Zur Bestimmung von linearen Abbildungen F : V W ist folgende Aussage von Bedeutung, welche besagt, dass eine lineare Abbildung bereits dadurch eindeutig bestimmt ist, wenn die Bilder von Basisvektoren bekannt sind. Satz. Seien V und W K-Vektorräume, (v i ) eine Basis in V und (w i ) eine beliebige Familie in W. mit der Eigen- Dann gibt es genau eine lineare Abbildung F : V W schaft F (v i ) = w i i I. Beweis. (Verwende die Schreibweise v = λ i v i ) i) Eindeutigkeit: Seien F, G : V W mit F (v i ) = G(v i ) = w i i I. Für v = λ i v i gilt dann G( λ i v i ) = G(v). Also ist F = G. F (v) = F ( λ i v i ) = λ i F (v i ) = λ i w i = λ i G(v i ) = 4

ii) Existenz: Sei v V. Dann ist v = λ i v i. Definiere nun F (v) = λ i w i. Für v, v V seien v = λ i v i und v = µ i v i. Dann ist v+v = (λ i + µ i )v i und damit F (v+v ) = F ( (λ i + µ i )v i ) = (λ i + µ i )w i = λ i w i + µ i w i = F (v) + F (v ). Analog zeigt man, dass F (λv) = λf (v). F ist somit linear und hat offenbar die Eigenschaft, dass F (v i ) = w i alle i I. für Bemerkung. Ist dimv = n und (v 1, v 2,..., v n ) eine Basis von V, (w 1, w 2,..., w n ) eine beliebige Familie aus W, dann gilt für v V mit v = n λ i v i damit F (v) = n λ i w i. i=1 i=1 Bemerkung. Unter den Voraussetzungen des vorigen Satzes gilt weiters a) F (V ) = Span(w i ) b) F ist injektiv (w i ) ist linear unabhängig Beweis. zu a) : Offenbar ist F (V ) Span(w i ). Sei nun w Span(w i ), etwa w = λ i w i. Setze v = λ i v i V. Dann ist F (v) = w, also ist auch Span(w i ) F (V ) und damit F (V ) = Span(w i ). zu b) : : Sei λ 1 w i1 +... + λ r w ir = 0. Setze v = λ 1 v i1 +... + λ r v ir. Dann ist F (v) = 0. Weil F injektiv ist und bereits F (0) = 0 ist, muß v = 0 sein. Weil (v i1,..., v ir ) linear unabhängig ist, muß λ 1 =... = λ r = 0 sein. Also ist (w i ) linear unabhängig. : Sei F (v) = 0 und v = λ 1 v i1 +... + λ r v ir. Dann ist λ 1 w i1 +... + λ r w ir = 0, und laut Voraussetzung folgt damit λ 1 =... = λ r = 0. Somit 5

gilt v = 0. Ist nun F (v) = F (v ), dann F (v v ) = 0 und somit v v = 0 bzw. v = v. Dies heißt, dass F injektiv ist. Beispiel. Sei V = W = R 2. v 1 = (1, 1), v 2 = (0, 1) bilden eine Basis von V. Sei w 1 = (2, 3), w 2 = (1, 2). Dann gibt es gemäß vorher genau eine lineare Abbildung F : R 2 R 2 mit F (v 1 ) = w 1 und F (v 2 ) = w 2. Frage: F (v) =? für beliebiges v R 2 Sei v = (x 1, x 2 ) = λ 1 v 1 + λ 2 v 2 = λ 1 (1, 1) + λ 2 (0, 1) = (λ 1, λ 1 + λ 2 ). Dann gilt λ 1 = x 1 und λ 1 + λ 2 = x 2 bzw. λ 2 = x 2 x 1. F (v) = λ 1 w 1 + λ 2 w 2, also F (x 1, x 2 ) = x 1 (2, 3) + (x 2 x 1 )(1, 2) = (x 1 + x 2, 5x 1 + 2x 2 ). 6