Erinnerung/Zusammenfassung zu Abbildungsmatrizen



Ähnliche Dokumente
Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

2 Die Darstellung linearer Abbildungen durch Matrizen

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Einführung in die Algebra

Lineare Gleichungssysteme

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester gehalten von Harald Baum

0, v 6 = , v 4 = span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

Musterlösungen zur Linearen Algebra II Blatt 5

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Rekursionen. Georg Anegg 25. November Methoden und Techniken an Beispielen erklärt

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

3.3 Eigenwerte und Eigenräume, Diagonalisierung

Bestimmung einer ersten

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Kapitel 15. Lösung linearer Gleichungssysteme

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

Primzahlen und RSA-Verschlüsselung

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

4. Übungsblatt Matrikelnr.:

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

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

Definition 27 Affiner Raum über Vektorraum V

WS 2008/09. Diskrete Strukturen

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Professionelle Seminare im Bereich MS-Office

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Was meinen die Leute eigentlich mit: Grexit?

Lineare Gleichungssysteme

Lösungen zum 3. Aufgabenblatt

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse Lösung 10 Punkte

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

7 Die Determinante einer Matrix

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

3.2 Spiegelungen an zwei Spiegeln

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Lineare Algebra - alles was man wissen muß

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

Korrelation (II) Korrelation und Kausalität

7 Rechnen mit Polynomen

1 Aussagenlogik und Mengenlehre

Lineare Gleichungssysteme I (Matrixgleichungen)

Übung zur Algebra WiSe 2008/2009, Blatt 1

5 Eigenwerte und die Jordansche Normalform

Der Zwei-Quadrate-Satz von Fermat

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Informationsblatt Induktionsbeweis

1 Mathematische Grundlagen

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

Rekursionen (Teschl/Teschl )

4 Vorlesung: Matrix und Determinante

3.1. Die komplexen Zahlen

Lineare Gleichungssysteme

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.

Eigenwerte und Eigenvektoren von Matrizen

a n auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

Mathematischer Vorbereitungskurs für Ökonomen

Theoretische Grundlagen der Informatik

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Repetitionsaufgaben Wurzelgleichungen

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Absolute Stetigkeit von Maßen

3. Zusammenhang. 22 Andreas Gathmann

Lineare Funktionen. 1 Proportionale Funktionen Definition Eigenschaften Steigungsdreieck 3

Simulation LIF5000. Abbildung 1

Leitfaden Lineare Algebra: Determinanten

Prozentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

Schranken für zulässige Lösungen

5. Bildauflösung ICT-Komp 10

6.2 Perfekte Sicherheit

OPERATIONS-RESEARCH (OR)

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Umgekehrte Kurvendiskussion

Beweisbar sichere Verschlüsselung

Lineare Algebra und analytische Geometrie II (Unterrichtsfach)

Grundbegriffe der Informatik

Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht.

Lineare Gleichungssysteme

3. LINEARE GLEICHUNGSSYSTEME

Übungen lineare Gleichungssysteme - Lösungen 1. Bestimme die Lösungsmenge und führe eine Probe durch! a)

Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)

Abschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:

Outlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang

Die Post hat eine Umfrage gemacht

7. Ringe und Körper. 7. Ringe und Körper 49

11. Das RSA Verfahren und andere Verfahren

Einführung in die Kodierungstheorie

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Erstellen von x-y-diagrammen in OpenOffice.calc

Berechnungen in Access Teil I

Zeichen bei Zahlen entschlüsseln

Beispiel Zusammengesetzte Zufallsvariablen

Transkript:

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend ein Körper, z.b. K = R oder C). Wenn V ein K-Vektorraum der Dimension n ist und B = (b,..., b n ) eine Basis von V, so ist die Koordinatenabbildung bezüglich B die nach Satz 3. (siehe unten) eindeutig bestimmte bijektive lineare Abbildung K B V K n für welche K B (b i ) = e i ( i n) gilt (K B ist bijektiv weil (e,..., e n ) eine Basis von K n ist). Damit ist K B (λ b + + λ n b n ) = wobei λ i K ( i n). K B ordnet einem Vektor v V das n-tupel K B (v), seine B- Koordinaten, zu. Beachte dass K E = id K n. Als allererstes sehen wir ein dass jede (m n)-matrix A = (a ij ) K m n eine lineare Abbildung L A K n K m, x A x = a... a n a m... a mn λ λ 2 λ n induziert. Beachte dass in den Spalten von A genau die Bilder der Standardbasisvektoren von K n unter L A stehen. Umgekehrt, gegeben eine lineare Abbildung F V W zwischen K- Vektorräumen V, W der Dimensionen dim V = n, dim W = m können wir diese vollständig durch eine (m n)-matrix ausdrücken; dafür müssen wir aber eine Basis A = (a,..., a n ) in V und eine Basis B = (b,..., b m ) in W wählen! Diese Matrix heisst Abbildungsmatrix von F bzgl. der Basis A im Startraum V und der Basis B im Zielraum W, und ist definiert durch M BA (F ) (f ij ) wobei 2 F (a j ) = f kj b k ( j n). () Es bezeichne e i =, x x n = j= x j a j a mj K n, wobei die an der i-ten Stelle steht ( i n). (e,..., e n) ist die Standardbasis von K n. 2 Beachte die Stellung von A (Startraumbasis) und B (Zielraumbasis) im Index!,

2 KOORDINATEN-TRANSFORMATIONSMATRIZEN 2 (Für jedes j n sind die Koeffizienten f kj ( k m) durch () wohldefiniert, denn da B eine Basis von W ist lässt sich F (a j ) W als eindeutige Linearkombination der b k darstellen.) Diese Definition ist so gewählt dass in den Spalten von M BA (F ) genau die Bilder der Startraum- Basisvektoren unter der Abbildung F ausgedrückt in Zielraumbasis-Koordinaten stehen, d.h. es gilt M BA (F ) = (K B (F (a )) K B (F (a n ))), (2) und insbesondere M EmE n (L A ) = A, wobei A eine beliebige (m n)-matrix ist und E n = (e,..., e n ) die Standardbasis von K n. Aus obiger Definition () von M BA (F ) bekommt man direkt die folgenden drei fundamentalen Identitäten Wenn F V W und G W Z lineare Abbildungen sind (V, W, Z endlichdimensionale K-Vektorräume) und A, B bzw. C Basen von V, W bzw. Z sind, so gilt M CA (G F ) = M CB (G) M BA (F ) und M AA (id V ) = I n, (3) (hier bezeichnet I n K n n die Einheitsmatrix) sowie K B (F (v)) = M BA (F )K A (v). (4) Beweis von (3). Es seien A = (a,, a n ), B = (b,, b m ) und C = (c,, c l ). M BA (F ) (f ij ) ist gegeben durch () und M CB (G) (g ij ) durch G(b k ) = l i= g ikc i ( k m). Es gilt G F (a j ) = G( f kj b k ) = f kj G(b k ) = f kj i= l g ik c i = l ( g ik f kj )c i i= für j n, und m g ikf kj ist nach Definition der Matrizenmultiplikation gerade der Eintrag von M CB (G)M BA (F ) an der Stelle (i, j). Mit der Definition von M CA (G F ) ergibt sich die Behauptung. Die zweite Identität in (3) ist offensichtlich. Beweis von (4). Wenn K A (v) = (λ λ n ) T so folgt mit (2) und der Linearität von K B und F, M BA (F )K A (v) = n i= λ ik B (F (a i )) = K B (v). Die zwei Identitäten in (3) haben sehr nützliche Konsequenzen. Zum Beispiel wenn F bijektiv ist (dann gilt m = n), dann folgt aus (3) dass M AB (F )M BA (F ) = M AA (id V ) = I n, also M BA (F ) = M AB (F ). (5) Oder wenn A, A Basen von V und B, B Basen von W sind so folgt durch zweifache Ausführung von (3) die folgende Transformationsformel M B A (F ) = M B B(id W ) M BA (F ) M AA (id V ). (6) 2 Koordinaten-Transformationsmatrizen Obige Diskussion lässt sich auf den Spezialfall V = W, F = id V V V reduzieren. Wenn A, B Basen von V sind, so folgt aus (3) dass M AB (id V )M BA (id V ) = M AA (id V ) = I n, also M BA (id V ) = M AB (id V ). (7)

3 BEMERKUNGEN 3 Die Matrix M BA (id V ) heisst Koordinaten-Transformationsmatrix von der Basis A in die Basis B (beachte die Reihenfolge!). Nach (4) führt M BA (id V ) genau A-Koordinaten in B-Koordinaten über K B (v) = M BA (id V )K A (v). (8) Die Komponenten c ij von M BA (id V ) (c ij ) sind nach () durch die Gleichungen a j = c kj b k ( j n) (9) gegeben. Anders ausgedrückt gilt wegen (2) dass M BA (F ) = (K B (a ) K B (a n )). Für praktische Zwecke besonders nützlich ist die Beobachtung dass im Fall V = K n die Matrix M EA (id K n) die besonders einfache Form M EA (id K n) = (a a n ) () annimmt, wobei E = (e,..., e n ) die Standardbasis von K n ist und A = (a,..., a n ). Die Matrix M AE (id K n) hat keine so einfache Form, nach (7) ist sie aber einfach das Inverse der schnell bestimmbaren Matrix M EA (id K n) in (). Der einfachste Weg um die Einträge der Koordinatentransformationsmatrix M BA (id K n) zu bestimmen ist im Allgemeinen die Formel M BA (id K n) = [M EB (id K n)] M EA (id K n) welche aus (3) und (7) folgt 3. (Wenn n klein ist kann man die Komponenten c kj in (9) eventuell direkt raten.) 3 Bemerkungen 3. Satz (Konstruktion linearer Abbildungen). Es seien V, W Vektorräume über einem Körper K. Gegeben eine Basis (v i ) i I von V (I Indexmenge) und eine durch I indizierte Familie {w i i I} W, so existiert genau eine lineare Abbildung F V W so dass F (v i ) = w i für alle i I. Wenn (w i ) i I eine Basis von W ist, dann ist F ein Isomorphismus. Hier sind wir nur an der Situation interessiert wo die Vektorräume V, W endlich dimensional sind; sei n = dim V und m = dim W. Im Abschnitt über Abbildungsmatrizen haben wir gesehen dass jede Matrix D = (d ij ) K m n eine lineare Abbildung L D K n K m induziert. Dieser Sachverhalt lässt sich noch ein wenig verallgemeinern. Sei A = (a,..., a n ) eine Basis von V, B = (b,..., b m ) eine Basis von W und sei D = (d ij ) K m n. Dann existiert nach Satz 3. genau eine lineare Abbildung F = L BA (D) V W so dass F (a j ) = 3 Es gilt M BA(id K n) (3) = M BE(id K n)m EA(id K n) (7) = M EB(id K n) M EA(id K n). d kj b k ( j n). ()

4 BEISPIELE 4 Es gilt L EmE n (D) = L D. Wir kennen nun die Abbildungen 4 M BA Hom(V, W ) K m n, F M BA (F ) L BA K m n Hom(V, W ), D L BA (D). Beide sind linear, und aufgrund von () und () sogar invers zueinander. Damit haben wir gezeigt dass Hom(V, W ) = K m n für endlich dimensionale Vektorräume V, W mit dim V = n und dim W = m. Die Transformationsformel (6) lässt sich auch graphisch veranschaulichen. Es gilt das folgende kommutative Diagramm K n L MBA (F ) K m K A K B L MAA (F ) V F W L MB B (id) K n K A L MB A (F ) K B K m 4 Beispiele Aufgabe 4.. Betrachte die Basen P = (p, p 2, p 3 ) und Q = (q, q 2, q 3 ) von R 2 [X] gegeben durch p = X, p 2 = + X + 2X 2, p 3 = + X + 3X 2, q = 2 + X 2, q 2 = + X, q 3 = + X 2. sowie die lineare Abbildung F R 2 [X] R 3 [X], s (X 3 + X)s + (X 2 )s + (X + 2)s a) Bestimme die Transformationsmatrix M QP (id) von der Basis P in die Basis Q. b) Berechne die Q-Koordinaten des Polynoms w = 3p + p 2 p 3 und schreibe w als Linearkombination der Polynome q, q 2, q 3. c) Bestimme die Abbildungsmatrix M BA (F ) von F bezüglich der Standardbasen A = (, X, X 2 ) und B = (, X, X 2, X 3 ) von R 2 [X] bzw. R 3 [X]. d) Bestimme die Abbildungsmatrix M BP (F ) von F bezüglich der Basis P im Startraum und der Basis B im Zielraum. e) Bestimme das Polynom F (w) R 3 [X]. Lösung. a) Wir sehen sofort dass 2 M AP (id) = und M AQ (id) =, 2 3 4 Hom(V, W ) bezeichnet den Vektorraum aller linearen Abbildungen von V nach W.

4 BEISPIELE 5 wobei A = (, X, X 2 ) die Standardbasis von R 2 [X] bezeichnet. Wir wollen die Transformationsmatrix M QP (id) = M QA (id)m AP (id) = [M AQ (id)] M AP (id) bestimmen. Dazu berechnen wir das Inverse von M AQ (id) 2 M AQ (id). 2 =[M AQ (id)] Wir bekommen 2 3 M QP (id) = [M AQ (id)] M AP (id) = =. 2 2 3 4 6 b) Die P-Koordinaten von w sind K P (w) = (3 ) T. Mit dem Ergebnis aus (a) erhalten wir die Q-Koordinaten von w 2 3 3 2 K Q (w) = M QP (id)k P (w) = = 3. 4 6 Es gilt also w = 2q + 3q 2 + q 3. c) Es gilt F () = (X 3 + X) + (X 2 ) + (X + 2) = 2 + X, F (X) = (X 3 + X) + (X 2 ) + (X + 2)X = + 2X + 2X 2, F (X 2 ) = (X 3 + X)2 + (X 2 )2X + (X + 2)X 2 = 2X 2 + 5X 3. Damit bekommen wir die Abbildungsmatrix M BA (F ) von F bezüglich der Basis A = (, X, X 2 ) in R 2 [X] und der B = (, X, X 2, X 3 ) in R 3 [X] 2 M BA (F ) = ( K B (F ()) K B (F (X)) K B (F (X 2 )) ) = 2 2 2. 5 d) Die Abbildungsmatrix M BP (F ) von F bezüglich der Basis P im Startraum und der Basis B im Zielraum erhalten wir unter Benutzung von (c) 2 M BP (F ) = M BA (F ) M AP (id) = 2 2 2 = 2 3 3 2 6 8. 2 3 5 5 e) Das Polynom F (w) R 3 [X] könnten wir natürlich auch direkt berechnen, aber mithilfe von (d) geht es schneller Die B-Koordinaten von F (w) sind 3 K B (F (w)) = M BP (F )K P (v) = 2 3 3 3 2 6 8 = 6 4, 5 5 also gilt F (w) = 3 + 6X + 4X 2 5X 3.

4 BEISPIELE 6 Aufgabe 4.2. Betrachte die Basis C = (c, c 2, c 3, c 4, c 5 ) von R 5 gegeben durch c = () T, c 2 = ( ) T, c 3 = ( ) T, c 4 = ( ) T, c 5 = () T, sowie die durch 2 3 A = R5 5 induzierte lineare Abbildung F = L A R 5 R 5. Berechne die Abbildungsmatrix M CC (F ) von F bezüglich der Basis C (in Start- und Zielraum). Lösung. Wir haben sofort M EC (id) =, wobei E = (e,..., e 5 ) die kanonische Basis von R 5 bezeichnet, und berechnen das Inverse dieser Matrix M EC (id) =[M EC (id)] Wir bekommen M CC (F ) = M CE (id) M EE (F ) M EC (id) = [M EC (id)] M EE (L A ) =A M EC (id) 2 3 = = 2. 2 = 2 2 2

5 DUALRAUM UND KOORDINATEN 7 5 Dualraum und Koordinaten Gegeben sei ein beliebiger K-Vektorraum V. Der Vektorraum V = Hom(V, K) aller linearen Abbildungen V K heisst der Dualraum von V. Wenn A = (a i ) i I eine Basis von V ist, so sei für jedes i I a i V die eindeutig bestimmte lineare Abbildung welche a i (a k ) = δ ik (k I) (2) erfüllt. Wenn V endlich-dimensional ist und A = (a,..., a n ), so ist A = (a,..., a n) eine Basis von V und heisst die zu A duale Basis. Es gilt dim V = dim V. (Erinnerungswürdig ist dass man eine Basis von V wählen muss um einen Isomorphismus V V angeben zu können; Φ A V V, a i a i ( i n) ist ein solcher Isomorphismus. Allerdings sind V und V = (V ) kanonisch isomorph; Ψ V V, v (f f(v)), ist der kanonische Isomorphismus.) In Koordinaten bzgl. einer Basis B von V bedeutet (2) (unter Benutzung von (4)) genau dass M B (a i ) K B (a k ) = δ ik ( i, k n). (3) Mit ist die kanonische Basis () von K gemeint. Beachte dass M B (f) für f V ein Zeilenvektor ist. (3) ist äquivalent zu M B (a ) ( K B (a ) K B (a n ) ) = I n, M B (a n) bzw. nach (2) zu M B (a ) M B (a n) = [M BA (id V )]. (4) Im Fall V = K n ist oft der Fall B = E = (e,, e n ) von Interesse. Allgemein nützlich ist noch der Zusammenhang zwischen der Abbildungsmatrix M A (f) von f V und den A -Koordinaten von f. Es gilt M A (f) T = K A (f) (f V ). (5) (Falls diese Formel unbekannt ist, ist der Beweis eine gute Übung!) Gegeben eine lineare Abbildung F V W und Basen A von V bzw. B von W, so gilt für die Abbildungsmatrix der dualen Abbildung F W V, g F (g) = g F, (beachte die Reihenfolge von W nach V, nicht umgekehrt) die Identität Trivial aber nützlich ist noch die Beobachtung dass (id V ) = id V. M A B (F ) = M BA (F ) T. (6) Beweis von (6). Es sei A = (a,..., a n ) und B = (b,..., b m ). M A B (F ) (α ij ) ist gegeben durch ( ) F (b j ) = n i= α ija i ( j m) und M BA (F ) (ν ij ) durch ( ) F (a k ) = m l= ν lkb l ( k n). Die linken Seiten von ( ) und ( ) lassen sich mithilfe der Definition von F verknüpfen (F (b j ))(a k) = b j (F (a k)) ( j m, k n). Damit folgt mithilfe von (2) α kj = α ij a i (a k ) = (F (b j))(a k ) = b j(f (a k )) = b j( ν lk b l ) = i= für j m und k n, wodurch die Behauptung gezeigt ist. l= ν lk b j(b l ) = ν jk, l=