5.3 Darstellungsmatrizen affiner Abbildungen

Ähnliche Dokumente
Eigenwerte und Diagonalisierung

Lineare Algebra I Zusammenfassung

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

3.3 Eigenwerte und Eigenräume, Diagonalisierung

Übungen zur Linearen Algebra 1

Kapitel 2: Mathematische Grundlagen

Euklidische und unitäre Vektorräume

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

Lineare Abbildungen und Darstellungsmatrizen

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

Stichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

2 Die Dimension eines Vektorraums

1.4 Homomorphismen und Isomorphismen

6 Hauptachsentransformation

Drehung um einen Punkt um Winkel α.

Erweiterte Koordinaten

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Übungen zu Einführung in die Lineare Algebra und Geometrie

Kapitel III. Lineare Abbildungen

8 Die Riemannsche Zahlenkugel

Lineare Algebra und analytische Geometrie II

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Lineare Algebra I (WS 13/14)

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Lineare Algebra und analytische Geometrie I

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Kapitel VI. Euklidische Geometrie

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

1 Eingebettete Untermannigfaltigkeiten des R d

9 Vektorräume mit Skalarprodukt

Kap 5: Rang, Koordinatentransformationen

Affine Geometrie (Einfachere, konstruktive Version)

Technische Universität München Zentrum Mathematik. Übungsblatt 7

1 Rechnen mit 2 2 Matrizen

Einführung in die Mathematik für Informatiker

Symmetrien. Transformationen. Affine und euklidische Räume

1 0 1, V 3 = M, und λ A = λa

Musterlösung Klausur zur Linearen Algebra II

Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Computer-Graphik I Baryzentrische Koordinaten

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

3.6 Eigenwerte und Eigenvektoren

2.2 Kern und Bild; Basiswechsel

Vortrag 11: Der Satz von Mordell-Weil

2 Einführung in die lineare Algebra

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Übungen zur Linearen Algebra 1

Affine und projektive Räume

37 Gauß-Algorithmus und lineare Gleichungssysteme

Sesqui- und Bilinearformen

Vorkurs Mathematik B

1 Euklidische und unitäre Vektorräume

3.8. Lineare Abbildungen.

Vorkurs Mathematik Abbildungen

Lineare Abhängigkeit

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die

Proseminar Lineare Algebra II, SS 11. Blatt

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)

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

Lineare Algebra II 6. Übungsblatt

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

Lösungsskizzen zur Klausur

4 Lineare Algebra (Teil 2): Quadratische Matrizen

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Diagonalisieren. Nikolai Nowaczyk Lars Wallenborn

Geometrische Objekte im 3-dimensionalen affinen Raum oder,... wie nützlich ist ein zugehöriger Vektorraum der Verschiebungen

Komplexe Zahlen und konforme Abbildungen

6 Eigenwerte und Eigenvektoren

Lösungen - Serie 2 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie

Lineare Gleichungssysteme

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Das Banach-Tarski-Paradox

y = A(x) y + b(x). (1) y = A(x) y (2)

Lineare Algebra und analytische Geometrie I

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

Fakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen

Ein Fundamentalbereich der Modulgruppe. 1 Erzeugende

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

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Algebraische Kurven - Vorlesung 5. Homogene Komponenten

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Kapitel 1. Grundlagen

2 Die Darstellung linearer Abbildungen durch Matrizen

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

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

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Transkript:

5.3 Darstellungsmatrizen affiner Abbildungen Definition 5.3.1. Seien A und B endlich-dimensionale ARs mit dim A n, dim B m und KS E : (p 0,..., p n ) von A und KS F : (q 0,..., q m ) von B. Sei α : A B eine affine Abbildung. Seien ferner T (t ij ) M m n (K) und S (s i ) K m mit α( p 0 p j ) m i1 t ijq 0 q i q 0 α(p 0 ) m i1 s iq 0 q i (siehe auch 5.2.7). Die Darstellungsmatrix von α bzgl. der KS E und F ist definiert als ( ) T S MF E (α) : M (m+1) (n+1) (K) (hierbei sei also 0 ein Zeilenvektor bestehend aus n Nullen). Satz 5.3.2. Seien A, B, C endlich-dimensionale ARs mit KS E von A, KS F von B und KS G von C. Seien α : A B und β : B C affine Abbildungen. Dann gilt: M E G (β α) M F G (β)m E F (α). Bemerkung und Definition 5.3.3. (i) Die Matrix T in obiger Definition ist nichts anderes als die Darstellungsmatrix (im Sinne von Kapitel 3.2) der linearen Abbildung α : V A V B bzgl. der Vektorraumbasen Ê : p 0 p 1,..., p 0 p n und F : q 0 q 1,..., ( ) T q 0 q m : T M Ê F ( α). Sei nun entsprechend MG F (β) S mit T M FĜ ( β). Dann gilt: ( T MG E S (β α) ) ( T S ) ( ) T T T S + S Mittels β α β α erhält man so auch M ÊĜ ( β α) M ÊĜ ( β α) T T M FĜ ( β)m Ê F ( α), dies ist also nichts anderes als die Formel für Produkte von Darstellungsmatrizen linearer Abbildungen, die natürlich schon aus 3.2.1 bekannt ist. Man könnte also sagen, dass die Formel in 3.2.1 für Produkte von Darstellungsmatrizen linearer Abbildungen aus der obigen Formel für Produkte von Darstellungsmatrizen affiner Abbildungen folgt. (ii) Wir definieren die affinen (m + 1) (n + 1)-Matrizen als {( ) } T S AM m n (K) : T M m n(k), S K m M (m+1) (n+1) (K) 1

Seien A, B endlich-dimensionale ARs mit dim A n, dim B m und fest gewählten KS E von A und KS F von B. Nach 5.2.7 ist die Zuordnung {affine Abbildungen A B} AM m n (K) α MF E(α) eine Bijektion. Unter dieser Bijektion enspricht nach 5.3.2 die Verknüpfung affiner Abbildungen auf der linken Seite der Matrizenmultiplikation auf der rechten Seite. Satz 5.3.4. Wir übernehmen die Notationen aus 5.3.1 und 5.3.2(i), wobei wir zusätzlich noch annehmen, dass n m, Insbesondere also M Ê F ( α) T ( ) T S M n (K) und MF E(α) AM n (K). Dann gilt det MF E(α) det M Ê F ( α) und folgende Aussagen sind äquivalent: (i) α ist bijektiv; (ii) α ist bijektiv; (iii) M Ê F ( α) GL n (K); (iv) M E F (α) GL n+1(k). In diesem Fall gilt M F E (α 1 ) M E F (α) 1 ( T 1 T 1 S ). Definition und Satz 5.3.5. (i) Sei {( ) } T S AGL n (K) : T GL n (K), S K n GL n+1 (K). Dann ist AGL n (K) eine Untergruppe von GL n+1 (K). Wir nennen sie die allgemeine affine Gruppe in Dimension (oder vom Grad) n über K. (ii) Sei A ein affiner Raum mit 0 dim A n < und sei E ein fest gewähltes KS von A. Dann ist die Abbildung ein Gruppenisomorphismus. ϕ A,E : Aff(A) AGL n (K) : α M E E (α) 2

Definition 5.3.6. Seien A und B ARs und α : A A, β : B B affine Abbildungen. Wir nennen α konjugiert zu β, in Zeichen α β, falls es eine bijektive affine Abbildung ϕ : A B gibt mit α ϕ 1 β ϕ. Bemerkung. (i) Damit α β überhaupt möglich ist, muss natürlich notwendigerweise dim A dim B gelten. (ii) α ϕ 1 β ϕ bedeutet, dass das folgende Diagramm kommutiert: A α A ϕ B β B Satz 5.3.7. Seien A und B ARs mit dim A dim B n <, und seien α : A A, β : B B affine Abbildungen. Dann gilt α β genau dann, wenn es C AGL n (K) gibt mit M E E (α) C 1 M F F (β)c. Ein generelles Ziel ist nun, affine Abbildungen bis auf Konjugation zu klassifizieren. Im Wesentlichen entspricht dies dem Problem, ein Koordinatensystem so zu wählen, dass die Darstellungsmatrix einer affinen Abbildung bzgl. dieser Basis eine gewisse Normalform annimmt, wobei diese Normalformen die Eigenschaft haben sollen, dass affine Abbildungen genau dann konjugiert sind, wenn ihre Normalformen in gewisser Weise übereinstimmen. Dies ist also ganz in Analogie zu unserem früheren Versuch, Normalformen für lineare Abbildungen zu finden (Stichwort: Jordansche Normalform). Wir erinnern uns daran, dass wir dazu bei linearen Abbildungen in der Lage waren, vorausgesetzt, ihre charakteristischen Polynome zerfielen in Linearfaktoren. Für affine Abbildungen ist das Problem noch ein bisschen schwieriger. Definition 5.3.8. (i) Für einen affinen Raum A definieren wir AEnd(A) : {affine Abbildungen α : A A}. Wir nennen die Elemente in AEnd(A) auch affine Endomorphismen von A. (ii) Wir nennen zwei Matrizen L 1, L 2 AM n (K) affin ähnlich, in Zeichen L 1 a L 2, wenn es C AGL n (K) gibt mit L 1 C 1 L 2 C. Bemerkung 5.3.9. (i) Konjugation definiert eine Äquivalenzrelation auf AEnd(A). (ii) Affine Ähnlichkeit definiert eine Äquivalenzrelation auf AM n(k). (iii) Falls dim A n <, α, β AEnd(A), E, F zwei KS auf A, dann gilt ϕ 1 α β M E E (α) a M F F (β) 3

Insbesondere gilt: M E E (α) a M F F (α). Sind fernen Ê und F die zu E bzw. F gehörende Basen von V A, so gilt: Sind α und β konjugiert dann sind M ÊÊ ( α) und M F F ( α) ähnlich zueinander im Sinne von 3.2.9, d.h. es gibt C GL n (K) mit M ÊÊ ( α) C 1 M F F ( α)c. Die Umkehrung gilt i.a. nicht. (iv) Falls dim A n <, α AEnd(A), dann sind äquivalent: (a) α ist Translation; ( (b) Es gibt ein KS E von A sodass ME E(α) In S S K n ; ) für ein geeignetes (c) Für jedes KS E von A hat ME E (α) die Gestalt wie in (b) (mit von E abhängigem S). Falls in (b) das KS E durch (p 0,..., p n ) gegeben ist, und S (s i ) K n, so ist der Translationsvektor gegeben durch n i1 s ip 0 p i. (v) Falls dim A n < (, α ) AEnd(A), und E : (p 0,..., p n ) ein KS von T 0 A, dann gilt: ME E(α) für ein geeignetes T M n (K) genau dann wenn p 0 Fixpunkt von α ist. ( (vi) Sei dim ) A n < und seien E, F zwei KS von A und MF E(id A) T S, die Koordinatensystemtransformationsmatrix von E nach F. Es gilt sicher ( ) ( ) ( ) T S In S T 0 Gilt ebenfalls für T M n (K) und S K n, dass ( ) ( ) ( ) T S In S T 0 dann gilt notwendigerweise T T und S S. ( ) T 0 Die Matrix entspricht hierbei nach (v) einer KS-Transformation vom ( ) KS E zu einem KS E In S, die den Ursprung p 0 festlässt, und die Matrix entspricht hierbei einer Translation ( Verschiebung ) vom KS E zum KS F. 4

Jede KS-Transformation lässt sich also auf eindeutige Weise zerlegen in zwei Schritte, wobei im ersten Schritt eine KS-Transformation durchgeführt werden soll, die den Ursprung festlässt, und im zweiten Schritt eine Translation durchgeführt werden soll. Man vergleiche diese Aussage mit Satz 5.2.11! Definition und Lemma 5.3.10. Sei A ein nicht-leerer AR, α AEnd(A). Man definiert Fix(α) {p A α(p) p}, die Menge aller Fixpunkte von α. Es gilt: Fix(α) ist ein AUR von A. Satz 5.3.11. Seien A und B ARs, α AEnd(A), β AEnd(B). Angenommen α und β sind konjugiert zueinander, d.h. es gibt eine bijektive affine Abbildung ϕ : A B mit α ϕ 1 β ϕ. Dann gilt ϕ(fix(α)) Fix(β). Insbesondere ist ϕ Fix(α) : Fix(α) Fix(β) eine bijektive affine Abbildung und dim Fix(α) dim Fix(β). Bemerkung 5.3.12. Sei A ein AR mit dim A n, E : (p 0,..., p n ) ein KS auf A, und sei α AEnd(A). Wir wollen die Fixpunkte von α bestimmen. Mit anderen Worten, wir wollen die Koordinaten (bzgl. E) der Punkte q A bestimmen für die α(q) q. Sei zunächst q A ein beliebiger Punkt mir Koordinaten x 1,..., x n, d.h. p 0 q n i1 x ip 0 p i. Seien ferner y 1,..., y n die Koordinaten von α(q): p 0 α(q) n i1 y ( ) T S ip 0 p i. Sei ferner ME E(α) AM n (K) die zu α gehörende Darstellungsmatrix bzgl. E. Sei X : x 1. x n und Y : y 1. y n. Nach 5.2.7 gilt dann: Y T X + S. Dies lässt sich auch als Matrizenmultiplikation ausdrücken: ( ) ( ) ( ) Y T S X 1 1 (auch hier muss man die Koordinatenvektoren X, Y um eine 1 erweitern, damit die Multiplikation funktioniert). Damit gilt für q A mit Koordinatenvektor X: q ist Fixpunkt T X + S X (T I n )X S X ist Lösung des LGS (T I n S). Für endlich-dimensionale ARs liefert dieses Argument zusammen mit 5.1.17 einen neuen Beweis, dass Fix(α) ein AUR ist. 5

Außerdem folgt aus der Theorie der LGS (insbesondere 2.2.4 und 2.5.8): Falls α einen Fixpunkt hat, d.h. falls das LGS (T I n S) eine Lösung hat, so gilt: dim Fix(α) n Rang(T I n ). 6