Lineare Abbildungen und Algebraische Strukturen
Ubersicht¨
Sei K ein K¨orper1. Ferner seien V, W Vektorr¨aume ¨uber K. Dann heißt die Abbildung f:V →W linear, falls die Linearit¨atsbedingungen gelten:
(i) f ist additiv: f(x+y) =f(x) +f(y) f¨ur alle x, y∈V, (ii) f ist homogen: f(λx) =λf(x) f¨ur alle x∈V, λ∈K. Eine lineare Abbildung f:V →W heißt
a) Monomorphismus, fallsf injektiv ist, b) Epimorphismus, fallsf surjektiv ist,
c) Endomorphismus, fallsV =W gilt,
d) Automorphismus, fallsV =W gilt und f bijektiv ist, e) Isomorphismus, fallsf bijektiv ist.
Beispiele: Die Abbildung
f1:R2→R2, f1
x y
:=
x−y 1 +y
ist nicht linear, da f1(000) = 0
1
6= 000 gilt, wobei 000 der Nullvektor ist. F¨ur jede lineare Abbildungf gilt n¨amlich
f(0) =f(0 + 0) =f(0) +f(0), also f(0) = 0.
Die Abbildung
f2:R3 →R2, f2
x y z
:=
x−y x−y
ist hingegen linear (leichte ¨Ubung - interessant:z geht gar nicht in den Funktionswert ein).
Ferner sei noch ein Beispiel daf¨ur angegeben, dass die Linearit¨at vom zugrundeliegenden K¨orperKabh¨angt:
f3:C→C, f3(z) :=z f¨urK∈ {R,C}.
Die Additivit¨at ist unabh¨angig vom K¨orper und immer erf¨ullt, jedoch gilt f¨ur die Homoge- nit¨at
f3(λz) =λz=λf3(z).
Nur f¨ur λ ∈ R gilt λ = λ und damit auch die Homogenit¨at. f3 ist also nur f¨ur K = R linear.
Weitere Beispiele:f¨ur den VektorraumV der Polynomep=p(x) ¨uberRsind f:V →V mit
f1(p:) =p0 = dp
dx und f2(p) :=
x
Z
0
p(t) dt
lineare Abbildungen nach Rechenregeln f¨ur Ableitungen und Integrale. Es handelt sich jedoch nicht um Automorphismen, denn f1 ist nicht injektiv wegen f1(x) = f1(x+ 1) (p(x) =x undq(x) =x+ 1 sind Polynome) undf2ist nicht surjektiv, da KonstantenC 6= 0 nicht als Bild angenommen werden (C kann nicht Stammfunktion sein).
Satz: Eine lineare Abbildung f: V → W ist durch die Angabe auf einer Basis von V eindeutig bestimmt. Genauer: Sei {v1, . . . , vn} eine Basis von V , f:V → W linear und f(v1), . . . , f(vn) bekannt. Dann ist f(v) f¨ur alle v ∈V eindeutig bestimmt und berechen- bar.
Dieser Satz l¨asst sich leicht zeigen, in dem man v als Linearkombination durch die Basis schreibt und die Linearit¨ats-Rechenregeln anwendet. Wir verdeutlichen das an einem Beispiel: Seif:R2→R3 linear und gegeben durch
f 1
1
:=
1 0
−2
, f 1
2
:=
0 1
−1
.
Die Vektoren (1,1)T,(1,2)T bilden eine Basis vonR2und deren Bilder unterf sind gegeben.
Der Satz findet also Anwendung. Wir bestimmen zun¨achst exemplarisch f 5
8
. Man sieht leicht (oder erh¨alt durch L¨osen des entsprechenden linearen Gleichungssystems)
5 8
= 2 1
1
+ 3 1
2 und man erh¨alt durch die Linearit¨atsbedingungen von f:
f 1
1
=f
2 1
1
+ 3 1
2
= 2f 1
1
+ 3f 1
1
=
3 2
−8
.
M¨ochte man von ganz allgemeinen Vektoren (x, y)T ∈R2 das Bild bestimmen, so bietet es sich an, zun¨achst die Bilder der kanonischen Basisvektoren (1,0)T und (0,1)T wie eben f¨ur (5,8)T zu bestimmen:
1 0
= 2 1
1
− 1
2
, also:f 1
0
=
2
−1 3
0
1
=− 1
1
+ 1
2
, also: f 0
1
=
−1 1 1
.
Dann erh¨alt man f¨ur beliebige x, y ∈ R durch die Koordinatendarstellung und die eben berechneten Werte f¨ur die Basisvektoren:
f x
y
=f
x· 1
0
+y· 0
1
=x·f 1
0
+y·f 0
1
=
2x−y
−x+y
−3x+y
.
Darstellungsmatrix einer linearen Abbildung: Betrachten wir eine m×n Matrix A mit Eintr¨agen aus einem K¨orper K(beispielsweise reell), also A∈Km×n mit
a11 . . . a1n ... ... am1 . . . amn
. Dann k¨onnen wir eine lineare Abbildung definieren durch
F:Kn→Km, F(x) :=Ax (∗)
mitx= (x1, . . . , xn)T ∈Kn und F(x) =:y= (y1, . . . , ym)T ∈Km. Dann gilt
yi =
n
X
i=1
aijxj f¨uri= 1, . . . , m.
Man kann zeigen: jede lineare Abbildung F:Kn →Km l¨asst sich darstellen wie in (∗) mit einer geeigneten Matrix A. Die Spaltenvektoren von A sind die Bilder F(ej) der in Kn kanonischen Basisvektorenej und es gilt
F(ej) =
m
X
i=1
aije0i, j= 1, . . . , n
mite0i, i= 1, . . . , mkanonische Basisvektoren inKm.2
Satz ¨uber die Eigenschaften von linearen Abbildungen: Sei F:V → W beliebige lineare Abbildung. Mit den Bezeichnungen
ImF :=F(V) :={w∈W|∃v∈V :F(v) =w}
f¨ur dasBild von F und
kerF :={v∈V|F(v) = 000}=F−1(000)⊆V f¨ur den Kern vonF gelten folgende Eigenschaften f¨urF:
(i) F(000) = 000,
(ii) F(v1−v2) =F(v1)−F(v2) f¨ur alle v1, v2 ∈V, (iii) F
n P
i=1
λivi
=
n
P
i=1
λiF(vi) f¨ur alle v1, . . . , vn∈V, λ1, . . . , λn∈K, (iv) kerF bzw.F(V) sind Unterr¨aume von V bzw.W,
(v) AusV = span{v1, . . . , vn}folgt F(V) = span{F(v1), . . . , F(vn)},
(vi) Aus{v1, . . . , vn}linear abh¨angig inV folgt:{F(v1), . . . , F(vn)}linear abh¨angig inW, (vii) Aus{F(v1), . . . , F(vn)} linear unabh¨angig in W folgt:{v1, . . . , vn}linear unabh¨angig
inV,
(viii) Ist F injektiv, dann gilt: aus {v1, . . . , vn} linear unabh¨angig in V folgt:
{F(v1), . . . , F(vn)} linear unabh¨angig in W, (ix) dimF(V)≤min{dimV,dimW},
(x) Ist kerF ={000}, so ist F injektiv,
(xi) IstF bijektiv, so ist auchF−1:W →V linear.
2Das ganze geht nat¨urlich noch allgemeiner f¨ur beliebige Basisvektoren im Urbild- und Bildraum, siehe Abbildungsmatrix f¨ur Koordinatenvektoren in der Literatur.
Weiterhin gilt die wichtigeKern-Bild-Dimensionsformel: IstF:V →W linear mit dimV <
∞, dann ist dimF(V)<∞und es gilt
dimV = dimF(V) + dim kerF.
Genauer: istB1={w1, . . . , wl}eine Basis von F(V) und B2 ={v1, . . . , vk} eine Basis von kerF sowie ˜vi ∈F−1(wi) beliebig f¨ur i= 1, . . . , l, dann ist B= (v1, . . . , vk,v˜1, . . . ,v˜l} eine Basis von V.
Im Falle dimV = dimW < ∞ sind außerdem f¨ur eine lineare Abbildung F: V → W
¨aquivalent:
F ist injektiv ⇐⇒ F ist surjektiv ⇐⇒F ist bijektiv.
Beispiel: Wir bestimmen die Dimension und eine Basis von kerF bzw. ImF f¨urF:R3 → R3 mit
F
x y z
=
2x+y+ 3z x+ 4y−z
−7y+ 5z
.
Um kerF zu bestimmen l¨ost man das homogene lineare Gleichungssystem
F
x y z
=
0 0 0
.
Dazu bringt man die das Gleichungssystem beschreibende Matrix auf Zeilenstufenform (wir vertauschen zu Beginn die ersten beiden Gleichungen), in dem wir von der zweiten Zeile 2·(I) abziehen:
1 4 −1
2 1 3
0 −7 5
⇒
1 4 −1
0 −7 5 0 −7 5
und anschließend eine Nullzeile in (III) erzeugen. Damit ist kerF = span
−13 5 7
, also
ein Unterraum mit Basis
−13 5 7
und hat Dimension 1. Nach Kern-Bild-Satz hat ImF Dimension 2. Eine Basis vom Bild erh¨alt man, in dem man eine Basis des Urbildraums R3 (z.B. die kanonischen Basisvektoren e1, e2, e3) ¨uber F abbildet und aus den daraus resultierenden Bildvektoren (die ja das Bild ImF aufspannen) eine Basis bestimmt. Man braucht hier nur zwei Basisvektoren abbilden, insofern die Bildvektoren linear unabh¨angig sind, da ja dim ImF = 2 gilt. Man erh¨alt als Basis von ImF
F
1 0 0
=
2 1 0
und F
0 1 0
=
1 4
−7
.
Anhang: Algebraische Strukturen (Gruppen, Ringe, K¨orper, Vektorr¨aume) Eine Menge G zusammen mit einer assoziativen Verkn¨upfung ◦:G×G → G heißt Halb- gruppe. Gibt es zus¨atzlich noch ein eindeutig bestimmtes Elemente∈Gderart, dass
a◦e=e◦a=af¨ur alle a∈G (eheißt neutrales Element) gilt sowie zu jedem a∈Gein eindeutig bestimmtes Elementa−1∈Gexistiert mit
a◦a−1 =a−1◦a=e, (a−1 heißt inverses Element zua)
dann heißt (G,◦) Gruppe und abelsche Gruppe, falls ◦ kommutativ ist, also a◦b = b◦a f¨ur alle a, b ∈ G gilt. Beispielsweise sind (Z,+),(Q,+) und (Rn,+) abelsche Gruppen.
Bei der Addition + als Verkn¨upfung setzt man stets die Kommutatitivit¨at voraus. Man schreibt dann die 0 f¨ur das neutrale Element, also a+ 0 = 0 + a = a, und −a f¨ur das Inverse vona∈G. Allgemein schreibt man statt◦bei einer beliebigen Verkn¨upfung oft den Multiplikationspunkt · (den man auch verwendet, wenn man wirklich die Multiplikation meint) und schreibt oft kurz ab f¨ur a·b und bezeichnet das neutrale Element mit 1, also 1·a=a·1 = 1, und dass Inverse zu a∈Gmita−1.
In Gruppen gelten folgende Rechenregeln:
(i) (a−1)−1 =aund (a·b)−1=a−1·b−1,
(ii) Ausa·x=a·y folgt x=y und ebenso ausx·a=y·amitx, y∈G, a∈G\{0}, (iii) Die Gleichungen a·x = b und y·a =b sind eindeutig l¨osbar durch x = a−1·b und
y=b·a−1.
Eine MengeKzusammen mit zwei Verkn¨upfungen
+ :K×K→K und ·:K×K→K heißtK¨orper, wenn gelten:
(K1) (K,+) ist eine abelsche Gruppe, (K2) (K,·) ist eine abelsche Gruppe, (K3) Es gelten die Distributivgesetze:
a·(b+c) =a·b+a·c und (a+b)·c=a·c+b·c.
Ist (K,·) nur eine Halbgruppe, so spricht man von einemRing bzw. falls die Multiplikation zus¨atzlich kommutativ ist von einemkommutativen Ring.
IstK(also (K,+,·)) ein K¨orper, so gelten:
(i) 16= 0,
(ii) a+ (−a) = 0 f¨ura∈K, (iii) a·a−1= 1 f¨ura∈K\{0},
(iv) Ausa·b = 0 folgta= 0 oderb= 0 f¨ura, b∈K, (v) a·(−b) =−(a·b) und (−a)·(−b) =a·b,
(vi) Ausx·a=y·amita∈K\0, x, y∈K folgtx=y.
zum Beispiel bilden Q,R und C mit der gew¨ohnlichen Addition und Multiplikation einen K¨orper, jedochNbzw.Znicht, da beispielsweise kein Inverses Element zu + bzw.·existiert, was zuN bzw.Zgeh¨ort.
W¨ahrend man es gewohnt ist, bei Vektorr¨aumen automatisch an den Rn zu denken, kann man stattRnat¨urlich auch jeden beliebigen K¨orperKzulassen und nennt die Elemente von KSkalare. Die Rechenregeln aus demRn stellen dabei die Grundlage f¨ur die axiomatische Definition dar:
Ein Vektorraum ¨uber einen K¨orper K besteht aus einer Menge V zusammen mit einer Addition +++ :V ×V →V und einer Multiplikation mit Skalaren •:K×V →V derart, dass gilt:
(V1) (V,+++) ist eine abelsche Gruppe mit Nullelement 000 (genanntNullvektor). Der zuv∈V negative Vektor werde mit−−−v bezeichnet.
(V2) F¨ur alle µ, λ∈Kund v, w∈V gelten:
(λ·µ)•v=λ•(µ•v), 1•v=v,
(λ+µ)•v=λ•v+++µ•v, λ•(v+++w) =λ•v+++λ•w.
Es gelten in einem VektorraumV (genauer: (V,+++,•)) f¨urv∈V und λ∈K: (i) 0•v= 000,
(ii) λ•000 = 000,
(iii) Aus λ•v= 000 folgt λ= 0 oderv = 000, (iv) (−1)•v=−−−v.
Da die Unterscheidung zwischen +,−,·und +++,−−−,•offensichtlich vernachl¨assigt werden kann (man denke beispielsweise anRn), schreiben wir jetzt auch nur +,−,·und unterstellen das klar ist, was gemeint ist. Ein weiteres sch¨ones Beispiel f¨ur einenK-Vektorraum ist die Menge aller Abbildungen von einer nichtleeren MengeM in einen K¨orperK, also
VK:=Abb(M,K) ={f:M →K}, zusammen mit
(f +g)(x) :=f(x) +g(x), und (λ·f)(x) :=λ·f(x) f¨ur alle f, g∈VK, λ∈K. Eine TeilmengeU ⊆V heißt Untervektorraum, wenn gilt:
(U1) U 6=∅,
(U2) v+w∈U f¨ur alle v, w∈U, (U3) λv ∈U
Beispiele von Untervektorr¨aumen zum Rn haben wir in der Zusammenfassung zum euklidi- schen Vektorraum und den ¨Ubungen. Unterr¨aume von VR=Abb(I,R) mit einem Intervall
I ⊆R sind beispielsweise
B:={f ∈VR|f ist beschr¨ankt}, C0 :={f ∈VR|f ist stetig},
D:={f ∈VR|f ist differenzierbar}, C1 :={f ∈VR|f ist stetig differenzierbar},
I :={f ∈VR|f ist integrierbar}.