4.1 Lineare Abbildungen
Definition 4.1. Es seien V , W K-Vektorr¨ aume. Eine Abbildung f : V → W heißt linear oder Homomorphismus, wenn f¨ ur alle u, v ∈ V und λ ∈ K gilt
L1 f (u + v ) = f (u) + f(v), L2 f(λu) = λf(u).
Beispiel 4.2.
Satz 4.3. Die Menge aller linearen Abbildungen von V nach W wird mit Lin(V, W ) bezeichnet und ist ein Untervektorraum des Vektorraums X = Abb(V, W ) aller Abbil- dungen von V nach W .
Beweis.
4 Lineare Abbildungen und Matrizen
Satz 4.4. (i) Sind f : V → W und g : W → Z lineare Abbildungen, so ist auch die Verkettung f ◦ g : V → Z (mit (f ◦ g)(v) = f (g(v))) eine lineare Abbildung.
(ii) Ist f : V → W eine lineare Abbildung und besitzt f eine Umkehrfunktion f
−1, so ist auch die Umkehrfunktion linear.
Satz 4.5. Es sei V ein Vektorraum mit einem Skalarprodukt und U ein Untervektorraum von V . Die orthogonale Projektion P
U: V → U aus 3.15 ist linear.
Definition 4.6. Es sei f : V → W eine lineare Abbildung. Dann ist Im(f ) = f (V ) = {f (v) | v ∈ V }
das Bild von f, und
Ker(f) = {v ∈ V | f(v) = 0}
der Kern von f . Beispiel 4.7.
Satz 4.8. Ist f : V → W eine lineare Abbildung, so ist Im(f ) ein Untervektorraum von W , und Ker(f ) ein Untervektorraum von V .
Beweis.
4.2 Isomorphismen
Definition 4.9. Besitzt eine lineare Funktion f : V → W eine Umkehrfunktion f
−1: W → V , so heißt f Isomorphismus. Die Vektorr¨ aume V , W heißen zueinander isomorph, falls es einen Isomorphismus f : V → W gibt.
Beispiel 4.10.
Satz 4.11. Ist V ein Vektorraum mit der Basis B = {b
1, b
2, . . . , b
n}, so kann man eine lineare Abbildung f definieren, indem man die Bilder der Basisvektoren festlegt. D.h. f¨ ur f : V → W w¨ ahlt man w
1, w
2, . . . , w
n∈ W , und setzt f (b
i) = w
i. Dann ist f definiert durch
f (v) = f
n
X
i=1
λ
ib
i!
=
n
X
i=1
λ
if (b
i) =
n
X
i=1
λ
iw
i. Beispiel 4.12.
Satz 4.13. Es seien V , W K-Vektorr¨ aume, und f : V → W sei eine lineare Abbildung.
(i) Schr¨ ankt man den Bildbereich von f auf f (V ) ein, so ist die Abbildung f ˜ : V → f (V ) mit f(v) = ˜ f(v) invertierbar, genau dann, wenn Ker(f) = {0}.
(ii) Es sei B = {b
1, b
2, . . . , b
n} eine Basis von V . f ist ein Isomorphismus, genau dann wenn die Menge {f(b
1), f(b
2), . . . , f (b
n)} eine Basis von W ist.
(iii) Gilt Dim(V ) = Dim(W ), so ist f invertierbar, genau dann wenn Ker(f ) = {0}.
4 Lineare Abbildungen und Matrizen
Satz 4.14. Es sei V ein K -Vektorraum der Dimension n. Dann ist V isomorph zum Vektorraum K
n.
Beweis.
4.3 Matrizen
Es sei V ein Vektorraum mit der geordneten Basis B = (b
1, b
2, . . . , b
n), W sei ein Vek- torraum mit der geordneten Basis C = (c
1, c
2, . . . , c
m), und f : V → W sei eine lineare Abbildung. Denkt man an Satz 4.11, so ist f bereits vollst¨ andig gegeben durch die Definition von
f(b
1) = w
1, f (b
2) = w
2, . . . f (b
n) = w
n.
Stellt man die Vektoren w
ials Linearkombinationen in der Basis C dar (vgl. Satz 2.16), so bekommt man das Schema
f (b
1) = a
11c
1+ a
21c
2+ . . . a
m1c
m, f (b
2) = a
12c
1+ a
22c
2+ . . . a
m2c
m,
.. . .. .
f (b
n) = a
1nc
1+ a
2nc
2+ . . . a
mnc
m. Die lineare Abbildung f ist also durch das Zahlenschema
A =
a
11a
12. . . a
1na
21a
22. . . a
2n.. . .. . .. . .. . a
m1a
m2. . . a
mn
(?)
eindeutig definiert.
Definition 4.15. Ein Zahlenschema der Form (?) heißt m × n-Matrix. Die Menge aller solcher Zahlenschemata wird mit K
m×nbezeichnet. Man kann zwei m × n-Matrizen addieren wie folgt,
a
11a
12. . . a
1na
21a
22. . . a
2n.. . .. . .. . .. . a
m1a
m2. . . a
mn
+
b
11b
12. . . b
1nb
21b
22. . . b
2n.. . .. . .. . .. . b
m1b
m2. . . b
mn
=
a
11+b
11a
12+b
12. . . a
1n+b
1na
21+b
21a
22+b
22. . . a
2n+b
2n.. . .. . .. . .. . a
m1+b
m1a
m2+b
m2. . . a
mn+b
mn
und mit einer Zahl λ ∈ K multiplizieren,
λ ·
a
11a
12. . . a
1na
21a
22. . . a
2n.. . .. . .. . .. . a
m1a
m2. . . a
mn
=
λa
11λa
12. . . λa
1nλa
21λa
22. . . λa
2n.. . .. . .. . .. . λa
m1λa
m2. . . λa
mn.
Mit diesen Operationen + und · ist die Menge K
m×nein K-Vektorraum.
Definition 4.16. Es sei A ∈ K
m×nund B ∈ K
n×p. Man kann das Produkt C = A · B ∈ K
m×pdefinieren wie folgt,
a
11a
12. . . a
1na
21a
22. . . a
2n.. . .. . .. . .. . a
m1a
m2. . . a
mn
·
b
11b
12. . . b
1pb
21b
22. . . b
2p.. . .. . .. . .. . b
n1b
n2. . . b
np
=
c
11c
12. . . c
1pc
21c
22. . . c
2p.. . .. . .. . .. . c
m1c
m2. . . c
mp
,
wobei c
kj= P
ni=1