Kurs:Lineare Algebra (Osnabrück 2017-2018)/Teil I/Vorlesung 14

„... der Vorwurf, das moderne Gedicht sei „unverständlich“. An ihm ist bemerkenswert, daß er nicht spezifisch, im Hinblick auf den einen oder anderen Text, sondern stets pauschal erhoben wird. Das legt den Verdacht nahe, daß er nicht in wirklichen Leseerfahrungen, sondern im Ressentiment gründet.“

Hans Magnus Enzensberger

Linearformen

Definition

Es sei $K$ ein Körper und sei $V$ ein $K$ -Vektorraum. Eine lineare Abbildung

V ⟶ K

heißt eine Linearform auf $V$ .

Beispiel

Eine Linearform auf dem $K^{n}$ ist von der Form

K^{n} ⟶ K, (x_{1}, \dots, x_{n}) ⟼ \sum_{i = 1}^{n} a_{i} x_{i},

zu einem Tupel $(a_{1}, \dots, a_{n})$ . Besonders einfache Linearformen sind die Projektionen

p_{j} : K^{n} ⟶ K, (x_{1}, \dots, x_{n}) ⟼ x_{j} .

Die Nullabbildung nach $K$ ist ebenfalls eine Linearform, die man auch die Nullform nennt.

Wir haben schon eine Vielzahl von Linearformen kennengelernt, beispielsweise die Preisfunktion bei einem Einkauf verschiedener Produkte oder der Vitamingehalt von Obstsalaten aus verschiedenen Obstsorten. Bezüglich einer Basis $v_{1}, \dots, v_{n}$ von $V$ und einer Basis $w$ von $K$ (dabei ist $w$ einfach ein von $0$ verschiedenes Element aus $K$ ) besteht die beschreibende Matrix zu einer Linearform einfach aus einer Zeile mit $n$ Einträgen.

Beispiel

Eine Reihe von prominenten Bespielen von Linearformen auf unendlichdimensionalen Vektorräumen finden sich in der Analysis. Zu einem reellen Intervall $[a, b]$ sind die Menge der Funktionen $Abb ([a, b], ℝ)$ bzw. die Menge der stetigen Funktionen $C ([a, b], ℝ)$ bzw. die Menge der stetig differenzierbaren Funktionen $C^{1} ([a, b], ℝ)$ reelle (ineinander enthaltene) Vektorräume. Zu einem Punkt $P \in [a, b]$ ist jeweils die Auswertung $f \mapsto f (P)$ eine Linearform (wegen der punktweise definierten Addition und Skalarmultiplikation auf diesen Räumen). Ebenso ist die Auswertung der Ableitung

C^{1} ([a, b], ℝ) ⟶ ℝ, f ⟼ f^{'} (P),

eine Linearform. Für $C ([a, b], ℝ)$ ist ferner das Integral, also die Abbildung

C ([a, b], ℝ) ⟶ ℝ, f ⟼ \int_{a}^{b} f (t) d t,

eine Linearform. Dies beruht auf der Linearität des Integrals.

Bemerkung

Es sei $K$ ein Körper und seien $V$ und $W$ Vektorräume über $K$ . Zu einer Linearform

f : V ⟶ K

und einem Vektor $w \in W$ ist die Abbildung

f w : V ⟶ W, v ⟼ f (v) w,

linear. Es handelt sich einfach um die Hintereinanderschaltung

V \overset{f}{⟶} K \overset{ι_{w}}{⟶} W,

wobei $ι_{w}$ die Abbildung $s \to s w$ bezeichnet.

Der Kern der Nullform ist der gesamte Raum, ansonsten besitzt der Kern einer jeden Linearform $f \in {Hom}_{K} (V, K)$ mit $f \neq 0$ die Dimension $\dim_{K} (V) - 1$ . Dies folgt aus der Dimensionsformel. Abgesehen von der Nullform ist eine Linearform stets surjektiv.

Lemma

Es sei $V$ ein $n$ -dimensionaler $K$ -Vektorraum und es sei $U \subseteq V$ ein $n - 1$ -dimensionaler Untervektorraum.

Dann gibt es eine Linearform $f : V \to K$ mit $U = kern f$ .

Beweis

Siehe Aufgabe 14.5.

◻

Lemma

Es sei $V$ ein $K$ -Vektorraum und es sei $v \in V$ ein von $0$ verschiedener Vektor.

Dann gibt es eine Linearform $f : V \to K$ mit $f (v) \neq 0$ .

Beweis

Der eindimensionale $K$ -Untervektorraum $K v \subseteq V$ besitzt ein direktes Komplement, also

V = K v \oplus U

mit einem Untervektorraum $U \subseteq V$ . Die Projektion auf $K v$ zu dieser Zerlegung bildet $v$ auf $1$ ab.

◻

Lemma

Es sei $K$ ein Körper und $V$ ein $K$ -Vektorraum, und seien $v_{1}, \dots, v_{n} \in V$ . Zu jedem $k$ gebe es eine Linearform

φ_{k} : V ⟶ K

mit

φ_{k} (v_{k}) \neq 0 und φ_{k} (v_{i}) = 0 für i \neq k .

Dann sind die $v_{1}, \dots, v_{n}$ linear unabhängig.

Beweis

Siehe Aufgabe 14.7.

◻

Der Dualraum

Definition

Es sei $K$ ein Körper und $V$ ein $K$ -Vektorraum. Dann heißt der Homomorphismenraum

V^{*} = {Hom}_{K} (V, K)

der Dualraum zu $V$ .

Die Addition und die Skalarmultiplikation sind wie allgemein im Fall von Homomorphismenräumen definiert, also $(f + g) (v) := f (v) + g (v)$ und $(s f) (v) := s \cdot f (v)$ . Bei endlichdimensionalem $V$ ist nach Korollar 13.12 die Dimension des Dualraumes $V^{*}$ gleich der Dimension von $V$ .

Definition

Es sei $V$ ein endlichdimensionaler $K$ -Vektorraum mit einer Basis $v_{1}, \dots, v_{n}$ . Dann nennt man die Linearformen

v_{1}^{*}, \dots, v_{n}^{*} \in V^{*},

die durch^[1]

v_{i}^{*} (v_{j}) = δ_{i j} = {\begin{matrix} 1, falls i = j, \\ 0, falls i \neq j, \end{matrix}

festgelegt sind, die Dualbasis zur gegebenen Basis.

Wegen Satz 10.10 ist durch die Vorschrift in der Tat jeweils eine Linearform festgelegt. Die Linearform $v_{i}^{*}$ ordnet einem beliebigen Vektor $v \in V$ die $i$ -te Koordinate von $v$ bezüglich der gegebenen Basis zu. Zu $v = \sum_{j = 1}^{n} s_{j} v_{j}$ ist ja

v_{i}^{*} (v) = v_{i}^{*} (\sum_{j = 1}^{n} s_{j} v_{j}) = \sum_{j = 1}^{n} s_{j} v_{i}^{*} (v_{j}) = s_{i} .

Es ist wichtig zu betonen, dass $v_{i}^{*}$ nicht nur von dem Vektor $v_{i}$ , sondern von der gesamten Basis abhängt. Es gibt keinen „dualen Vektor“ zu einem Vektor. Dies sieht beispielsweise anders aus, wenn auf $V$ ein Skalarprodukt gegeben ist.

Beispiel

Zur Standardbasis $e_{1}, \dots, e_{n}$ im $K^{n}$ besteht die Dualbasis aus den Projektionen auf eine Komponente, also gleich $e_{i}^{*} = p_{i}$ mit

p_{i} : K^{n} ⟶ K, (x_{1}, \dots, x_{n}) ⟼ x_{i} .

Sie heißt die Standarddualbasis.

Lemma

Es sei $V$ ein endlichdimensionaler $K$ -Vektorraum mit einer Basis $v_{1}, \dots, v_{n}$ .

Dann bildet die Dualbasis

$v_{1}^{*}, \dots, v_{n}^{*} \in V^{*}$

eine Basis des Dualraums.

Beweis

Es sei

\sum_{j = 1}^{n} a_{j} v_{j}^{*} = 0

mit $a_{j} \in K$ . Wenn wir diese Linearform auf $v_{i}$ anwenden, so ergibt sich direkt

a_{i} = 0 .

Die $v_{1}^{*}, \dots, v_{n}^{*}$ sind also linear unabhängig. Nach Korollar 13.12 besitzt der Dualraum die Dimension $n$ , daher muss bereits eine Basis vorliegen.

◻

Lemma

Es sei $V$ ein endlichdimensionaler $K$ -Vektorraum mit einer Basis $v_{1}, \dots, v_{n}$ und der Dualbasis

v_{1}^{*}, \dots, v_{n}^{*} \in V^{*} .

Dann gilt für jeden Vektor $v \in V$ die Gleichheit

$v = \sum_{i = 1}^{n} v_{i}^{*} (v) v_{i} .$

D.h. die Linearformen $v_{i}^{*}$ ergeben die Skalare (Koordinaten) eines Vektors bezüglich einer Basis.

Beweis

Der Vektor $v$ hat eine eindeutige Darstellung

v = \sum_{j = 1}^{n} s_{j} v_{j}

mit $s_{j} \in K$ . Die rechte Seite der behaupteten Gleichheit ist somit

\sum_{i = 1}^{n} v_{i}^{*} (v) v_{i} = \sum_{i = 1}^{n} v_{i}^{*} (\sum_{j = 1}^{n} s_{j} v_{j}) v_{i} = \sum_{i = 1}^{n} s_{i} v_{i} = v .

◻

Lemma

Es sei $V$ ein endlichdimensionaler $K$ -Vektorraum und sei $v_{1}, \dots, v_{n}$ eine Basis von $V$ mit der Dualbasis $v_{1}^{*}, \dots, v_{n}^{*}$ . Es sei $w_{1}, \dots, w_{n}$ eine weitere Basis mit der Dualbasis $w_{1}^{*}, \dots, w_{n}^{*}$ und mit

w_{r} = \sum_{k = 1}^{n} a_{k r} v_{k} .

Dann ist

$w_{j}^{*} = \sum_{i = 1}^{n} b_{i j} v_{i}^{*},$

wobei ${(b_{i j})}_{i j} = {(A^{- 1})}^{tr}$ die Transponierte der inversen Matrix von $A = {(a_{k r})}_{k r}$ ist.

Beweis

Es ist

\begin{matrix} (\sum_{i = 1}^{n} b_{i j} v_{i}^{*}) (w_{r}) & = (\sum_{i = 1}^{n} b_{i j} v_{i}^{*}) (\sum_{k = 1}^{n} a_{k r} v_{k}) \\ = \sum_{1 \leq i, k \leq n} b_{i j} a_{k r} v_{i}^{*} (v_{k}) \\ = \sum_{i = 1}^{n} b_{i j} a_{i r} . \end{matrix}

Hier steht das „Produkt“ aus der $j$ -ten Spalte von $B$ und der $r$ -ten Spalte von $A$ , also das Produkt aus der $j$ -ten Zeile von $B^{tr} = A^{- 1}$ und der $r$ -ten Spalte von $A$ . Bei $r = j$ ist dies $1$ und bei $r \neq j$ ist dies $0$ . Daher stimmt die angegebene Linearform mit $w_{j}^{*}$ überein.

◻

Mit Basiswechselmatrizen kann man dies auch als

M_{𝔳^{*}}^{𝔴^{*}} = ({(M_{𝔳}^{𝔴})}^{- 1})^{tr} = (M_{𝔴}^{𝔳})^{tr}

ausdrücken.

Beispiel

Wir betrachten den $ℝ^{2}$ mit der Standardbasis $e_{1}, e_{2}$ , seiner Dualbasis $e_{1}^{*}, e_{2}^{*}$ und die Basis bestehend aus $u_{1} = (\begin{matrix} 2 \\ 1 \end{matrix})$ und $u_{2} = (\begin{matrix} - 1 \\ 3 \end{matrix})$ . Wir wollen die Dualbasis $u_{1}^{*}$ und $u_{2}^{*}$ als Linearkombinationen der Standarddualbasis ausdrücken, also in

u_{1}^{*} = a e_{1}^{*} + b e_{2}^{*}

(bzw. in $u_{2}^{*} = c e_{1}^{*} + d e_{2}^{*}$ ) die Koeffizienten $a$ und $b$ (bzw. $c$ und $d$ ) bestimmen. Dabei ist $a = u_{1}^{*} (e_{1})$ und $b = u_{1}^{*} (e_{2})$ . Um dies berechnen zu können, müssen wir $e_{1}$ und $e_{2}$ als Linearkombination der $u_{1}$ und $u_{2}$ ausdrücken. Dies ist

e_{1} = \frac{3}{7} (\begin{matrix} 2 \\ 1 \end{matrix}) - \frac{1}{7} (\begin{matrix} - 1 \\ 3 \end{matrix})

und

e_{2} = \frac{1}{7} (\begin{matrix} 2 \\ 1 \end{matrix}) + \frac{2}{7} (\begin{matrix} - 1 \\ 3 \end{matrix}) .

Also ist

a = u_{1}^{*} (e_{1}) = u_{1}^{*} (\frac{3}{7} u_{1} - \frac{1}{7} u_{2}) = \frac{3}{7}

und entsprechend

b = u_{1}^{*} (e_{2}) = u_{1}^{*} (\frac{1}{7} u_{1} + \frac{2}{7} u_{2}) = \frac{1}{7}

und somit ist

u_{1}^{*} = \frac{3}{7} e_{1}^{*} + \frac{1}{7} e_{2}^{*} .

Mit den gleichen Rechnungen ergibt sich

u_{2}^{*} = - \frac{1}{7} e_{1}^{*} + \frac{2}{7} e_{2}^{*} .

Die Übergangsmatrix von $u^{*}$ zu $e^{*}$ ist daher

M_{𝔢^{*}}^{𝔲^{*}} = (\begin{matrix} \frac{3}{7} & - \frac{1}{7} \\ \frac{1}{7} & \frac{2}{7} \end{matrix}) .

Die transponierte Matrix davon ist

{(M_{𝔢^{*}}^{𝔲^{*}})}^{tr} = (\begin{matrix} \frac{3}{7} & \frac{1}{7} \\ - \frac{1}{7} & \frac{2}{7} \end{matrix}) = {(\begin{matrix} 2 & - 1 \\ 1 & 3 \end{matrix})}^{- 1} = {(M_{𝔢}^{𝔲})}^{- 1} .

Die umgekehrte Aufgabe, die Standarddualbasis durch $u_{1}^{*}$ und $u_{2}^{*}$ auszudrücken, ist einfacher zu lösen, da man dies aus der Darstellung der $u_{i}$ bezüglich der Standardbasis direkt ablesen kann. Es ist

e_{1}^{*} = 2 u_{1}^{*} + u_{2}^{*}

und

e_{2}^{*} = - u_{1}^{*} + 3 u_{2}^{*},

wie man überprüft, wenn man beidseitig an $u_{1}, u_{2}$ auswertet.

Die Spur

Definition

Es sei $K$ ein Körper und sei $M = {(a_{i j})}_{i j}$ eine $n \times n$ -Matrix über $K$ . Dann heißt

Spur (M) := \sum_{i = 1}^{n} a_{i i}

die Spur von $M$ .

Definition

Es sei $K$ ein Körper und sei $V$ ein endlichdimensionaler $K$ -Vektorraum. Es sei $φ : V \to V$ eine lineare Abbildung, die bezüglich einer Basis durch die Matrix $M$ beschrieben werde. Dann nennt man $Spur (M)$ die Spur von $φ$ , geschrieben $Spur (φ)$ .

Nach Aufgabe 14.15 ist dies unabhängig von der gewählten Basis. Die Spur ist eine Linearform auf dem Vektorraum der quadratischen Matrizen bzw. auf dem Vektorraum der Endomorphismen.

Fußnoten

↑ Das so definierte Symbol heißt Kronecker-Delta.

<< | Kurs:Lineare Algebra (Osnabrück 2017-2018)/Teil I | >>

PDF-Version dieser Vorlesung

Arbeitsblatt zur Vorlesung (PDF)

[1] Das so definierte Symbol heißt Kronecker-Delta.

[1]