Lektion 4.4

Isomorphismen und Koordinaten

40 min Lesezeit
Lesen anpassen

Nach dieser Lektion kannst du

  • erklären, was ein Isomorphismus ist und wann zwei Vektorräume isomorph heißen,

  • mit den Bildern einer Basis prüfen, ob eine lineare Abbildung injektiv, surjektiv oder ein Isomorphismus ist,

  • beweisen, dass endlichdimensionale Vektorräume gleicher Dimension isomorph sind,

  • die Koordinaten eines Vektors bezüglich einer geordneten Basis berechnen,

  • Fragen über einen abstrakten Vektorraum mit der Koordinatenabbildung in Fragen über KnK^n übersetzen.

Vorausgesetzt: Die Dimensionsformel, Basis und Dimension

Ein Polynom vom Grad höchstens 22 ist durch seine drei Koeffizienten festgelegt: Zu a0+a1x+a2x2a_0 + a_1 x + a_2 x^2 gehört das Zahlentripel (a0,a1,a2)(a_0, a_1, a_2). Addierst du zwei Polynome, addieren sich die Tripel. Multiplizierst du ein Polynom mit λ\lambda, wird das Tripel mit λ\lambda multipliziert. Jede Rechnung in R[x]≤2\mathbb{R}[x]_{\le 2} lässt sich also in eine Rechnung in R3\mathbb{R}^3 übersetzen und das Ergebnis zurückübersetzen. Bis auf die Namen der Elemente sind die beiden Räume gleich gebaut.

Dasselbe gilt für die Ebene E={(x,y,z)∣x+2y−z=0}E = \{ (x, y, z) \mid x + 2y - z = 0 \} im Raum, den Kern aus der Lektion über Kern und Bild. Jeder ihrer Punkte ist auf genau eine Weise s (1,0,1)+t (0,1,2)s\,(1, 0, 1) + t\,(0, 1, 2), und zum Punkt gehört das Zahlenpaar (s,t)(s, t). So wird aus EE eine Kopie von R2\mathbb{R}^2.

Drei Fragen stehen im Raum: Wann sind zwei Vektorräume in diesem Sinn gleich gebaut? Reicht es, die Dimensionen zu vergleichen? Und wie rechnet man in einem beliebigen endlichdimensionalen Raum mit Zahlentupeln, so wie oben mit den Koeffizienten?

Vermute zuerst

Welcher der folgenden reellen Vektorräume lässt sich bijektiv und linear auf R3\mathbb{R}^3 abbilden?

Definition

Isomorphismus

Eine lineare Abbildung f ⁣:V→Wf\colon V \to W, die bijektiv ist, heißt Isomorphismus. Gibt es einen Isomorphismus von VV nach WW, heißen VV und WW isomorph, geschrieben V≅WV \cong W. Ein Isomorphismus V→VV \to V heißt Automorphismus von VV.

Das Wort kommt aus dem Griechischen: gleiche Gestalt. Ein Isomorphismus benennt die Elemente um, ohne etwas an Addition und Skalarmultiplikation zu ändern. Alles, was sich nur mit diesen beiden Operationen ausdrücken lässt (lineare Unabhängigkeit, Erzeugendensysteme, Basen, Untervektorräume, Dimension), überträgt sich.

Beispiel

Isomorphismen und Nicht-Isomorphismen

AbbildungIsomorphismus?Grund
R[x]≤2→R3\mathbb{R}[x]_{\le 2} \to \mathbb{R}^3, a0+a1x+a2x2↦(a0,a1,a2)a_0 + a_1 x + a_2 x^2 \mapsto (a_0, a_1, a_2)jaDie Umkehrabbildung ist (a0,a1,a2)↦a0+a1x+a2x2(a_0, a_1, a_2) \mapsto a_0 + a_1 x + a_2 x^2.
R2→E\mathbb{R}^2 \to E, (s,t)↦s (1,0,1)+t (0,1,2)(s, t) \mapsto s\,(1, 0, 1) + t\,(0, 1, 2)ja(1,0,1)(1, 0, 1) und (0,1,2)(0, 1, 2) sind eine Basis von EE.
Drehung dφd_\varphi der EbenejaZurückdrehen mit d−φd_{-\varphi} macht sie rückgängig.
Streckung v↦c vv \mapsto c\,v mit c≠0c \neq 0jaStrecken mit c−1c^{-1} macht sie rückgängig.
Projektion (x,y,z)↦(x,y,0)(x, y, z) \mapsto (x, y, 0)neinnicht injektiv: (0,0,1)↦0(0, 0, 1) \mapsto 0
R2→R3\mathbb{R}^2 \to \mathbb{R}^3, (x,y)↦(x,y,0)(x, y) \mapsto (x, y, 0)neininjektiv, aber nicht surjektiv

Dass die Abbildung R2→E\mathbb{R}^2 \to E bijektiv ist, zeigt der folgende Satz: Sie bildet die Standardbasis e1,e2e_1, e_2 auf eine Basis von EE ab.

Satz

Was die Bilder einer Basis verraten

Sei f ⁣:V→Wf\colon V \to W linear und b1,…,bnb_1, \dots, b_n eine Basis von VV. Dann gilt:

ff ist injektiv genau dann, wenn f(b1),…,f(bn)f(b_1), \dots, f(b_n) linear unabhängig sind.
ff ist surjektiv genau dann, wenn f(b1),…,f(bn)f(b_1), \dots, f(b_n) den Raum WW erzeugen.
ff ist ein Isomorphismus genau dann, wenn f(b1),…,f(bn)f(b_1), \dots, f(b_n) eine Basis von WW ist.

Satz

Isomorph heißt gleiche Dimension

Seien VV und WW endlichdimensionale Vektorräume über demselben Körper KK. Dann gilt V≅WV \cong W genau dann, wenn dim⁡V=dim⁡W\dim V = \dim W ist. Insbesondere ist jeder KK-Vektorraum der Dimension nn isomorph zu KnK^n.

Kurz geprüft

Für welche natürliche Zahl nn ist R[x]≤n≅R7\mathbb{R}[x]_{\le n} \cong \mathbb{R}^7?

Definition

Koordinaten und Koordinatenabbildung

Sei VV ein KK-Vektorraum und B=(b1,…,bn)B = (b_1, \dots, b_n) eine geordnete Basis, also eine Basis, bei der die Reihenfolge der Vektoren festgelegt ist. Jedes v∈Vv \in V hat genau eine Darstellung

v=λ1b1+⋯+λnbnv = \lambda_1 b_1 + \dots + \lambda_n b_n mit λ1,…,λn∈K\lambda_1, \dots, \lambda_n \in K.

Wie in der Lektion über Basis und Dimension heißen λ1,…,λn\lambda_1, \dots, \lambda_n die Koordinaten von vv bezüglich BB. Neu ist, die Zuordnung von Vektor zu Koordinatenvektor als Abbildung zu betrachten. Die Abbildung

κB ⁣:V→Kn,v↦(λ1,…,λn)\kappa_B\colon V \to K^n, \quad v \mapsto (\lambda_1, \dots, \lambda_n)

heißt Koordinatenabbildung zu BB (das Zeichen κ\kappa ist ein kleines griechisches Kappa). Sie ist eine Abbildung, weil die Darstellung eindeutig ist; das liegt an der linearen Unabhängigkeit der Basis.

Satz

Die Koordinatenabbildung ist ein Isomorphismus

Für jede geordnete Basis B=(b1,…,bn)B = (b_1, \dots, b_n) von VV ist κB ⁣:V→Kn\kappa_B\colon V \to K^n ein Isomorphismus. Seine Umkehrabbildung ist

κB−1 ⁣:Kn→V,(λ1,…,λn)↦λ1b1+⋯+λnbn\kappa_B^{-1}\colon K^n \to V, \quad (\lambda_1, \dots, \lambda_n) \mapsto \lambda_1 b_1 + \dots + \lambda_n b_n
Schritt für Schritt

Koordinaten berechnen

Drei Beispiele. Es kommt jeweils darauf an, vv als Linearkombination der Basis zu schreiben.

  1. In R[x]≤2\mathbb{R}[x]_{\le 2} mit B=(1,x,x2)B = (1, x, x^2) sind die Koordinaten die Koeffizienten.

    κB(3−x+5x2)=(3,−1,5)\kappa_B(3 - x + 5x^2) = (3, -1, 5)
Schritt 1 von 3
Kurz geprüft

Welche erste Koordinate hat (4,5)(4, 5) bezüglich der geordneten Basis C=((1,2),(1,−1))C = ((1, 2), (1, -1)) des R2\mathbb{R}^2?

Beispiel

Eine Frage über Polynome in R3\mathbb{R}^3 beantworten

Sind die Polynome 1+x1 + x, x+x2x + x^2 und 1+x21 + x^2 in R[x]≤2\mathbb{R}[x]_{\le 2} linear unabhängig? Eine injektive lineare Abbildung bildet linear unabhängige Vektoren auf linear unabhängige Vektoren ab (mit demselben Argument wie im Beweis des Satzes über die Bilder einer Basis). Wendet man das auf κB\kappa_B und auf κB−1\kappa_B^{-1} an, sieht man: Vektoren in VV sind genau dann linear unabhängig, wenn ihre Koordinatentupel es sind. Also darf man die Frage für die Koordinaten bezüglich B=(1,x,x2)B = (1, x, x^2) stellen:

(1,1,0),(0,1,1),(1,0,1)(1, 1, 0), \quad (0, 1, 1), \quad (1, 0, 1).

Aus a(1,1,0)+b(0,1,1)+c(1,0,1)=0a(1, 1, 0) + b(0, 1, 1) + c(1, 0, 1) = 0 folgt a+c=0a + c = 0, a+b=0a + b = 0, b+c=0b + c = 0. Die ersten beiden Gleichungen geben c=−ac = -a und b=−ab = -a, die dritte dann −2a=0-2a = 0, also a=b=c=0a = b = c = 0.

Die drei Polynome sind linear unabhängig, also eine Basis von R[x]≤2\mathbb{R}[x]_{\le 2}. Die Koordinatenabbildung macht aus jeder Frage über einen nn-dimensionalen Raum eine Rechnung mit Zahlentupeln. Darauf beruht das nächste Kapitel, in dem lineare Abbildungen durch Zahlenschemata beschrieben werden.

Häufige Fehler

Isomorph ist nicht dasselbe wie gleich

Man sagt: "R2\mathbb{R}^2 ist ein Untervektorraum des R3\mathbb{R}^3", weil die xyxy-Ebene so aussieht wie R2\mathbb{R}^2.

Richtig ist

Die Elemente von R2\mathbb{R}^2 sind Paare, die des R3\mathbb{R}^3 Tripel. R2\mathbb{R}^2 ist also keine Teilmenge des R3\mathbb{R}^3. Richtig ist: R2\mathbb{R}^2 ist isomorph zur xyxy-Ebene {(x,y,0)}\{ (x, y, 0) \}, über (x,y)↦(x,y,0)(x, y) \mapsto (x, y, 0). Genauso ist R2\mathbb{R}^2 isomorph zur Ebene EE und zu jeder anderen Ebene durch den Ursprung. Ein Isomorphismus ist eine Übersetzung, und es gibt meist viele verschiedene.

Häufige Fehler

Gleiche Dimension macht nicht jede Abbildung zum Isomorphismus

Weil dim⁡V=dim⁡W\dim V = \dim W ist, hält man eine gegebene lineare Abbildung f ⁣:V→Wf\colon V \to W für einen Isomorphismus.

Richtig ist

Gleiche Dimension sagt nur, dass es einen Isomorphismus gibt. Die Nullabbildung R3→R3\mathbb{R}^3 \to \mathbb{R}^3 ist keiner. Für eine konkrete Abbildung prüft man, ob sie eine Basis auf eine Basis abbildet, oder (bei gleicher endlicher Dimension) nur, ob ihr Kern {0}\{0\} ist.

Zusammenfassung

  • Ein Isomorphismus ist eine bijektive lineare Abbildung. V≅WV \cong W heißt, dass es einen gibt.

  • Für eine Basis b1,…,bnb_1, \dots, b_n von VV gilt: ff ist injektiv, surjektiv oder ein Isomorphismus genau dann, wenn f(b1),…,f(bn)f(b_1), \dots, f(b_n) linear unabhängig, erzeugend oder eine Basis von WW sind.

  • Endlichdimensionale Räume über demselben Körper sind genau dann isomorph, wenn sie dieselbe Dimension haben. Jeder nn-dimensionale Raum ist isomorph zu KnK^n.

  • Die Koordinaten von vv bezüglich einer geordneten Basis BB sind die eindeutigen Koeffizienten in v=λ1b1+⋯+λnbnv = \lambda_1 b_1 + \dots + \lambda_n b_n.

  • Die Koordinatenabbildung κB ⁣:V→Kn\kappa_B\colon V \to K^n ist ein Isomorphismus. Sie hängt von der Basis und ihrer Reihenfolge ab.

  • Mit κB\kappa_B übersetzt man Fragen nach linearer Unabhängigkeit, Erzeugung oder Dimension in Rechnungen mit Zahlentupeln.

Übungen

Aufgabe 1Multiple Choice

Welcher reelle Vektorraum ist isomorph zu R4\mathbb{R}^4?

Aufgabe 2Numerisch

Welche zweite Koordinate hat (3,5)(3, 5) bezüglich der geordneten Basis ((1,2),(0,1))((1, 2), (0, 1)) des R2\mathbb{R}^2?

Aufgabe 3Numerisch

Welche erste Koordinate hat p=4+2x+x2p = 4 + 2x + x^2 bezüglich der geordneten Basis B=(1+x,  1−x,  x2)B = (1 + x,\; 1 - x,\; x^2) von R[x]≤2\mathbb{R}[x]_{\le 2}?

Aufgabe 4Multiple Choice

Die lineare Abbildung f ⁣:R3→R3f\colon \mathbb{R}^3 \to \mathbb{R}^3 erfüllt f(e1)=(1,0,0)f(e_1) = (1, 0, 0), f(e2)=(1,1,0)f(e_2) = (1, 1, 0) und f(e3)=(2,1,0)f(e_3) = (2, 1, 0). Ist ff ein Isomorphismus?

Aufgabe 5Freitext

Sei f ⁣:V→Wf\colon V \to W ein Isomorphismus und UU ein Untervektorraum von VV mit dim⁡U=k\dim U = k. Zeige, dass f(U)={f(u)∣u∈U}f(U) = \{ f(u) \mid u \in U \} ein Untervektorraum von WW mit dim⁡f(U)=k\dim f(U) = k ist.

Aufgabe 6Freitext

Sei VV endlichdimensional und UU ein Untervektorraum von VV mit U≅VU \cong V. Zeige U=VU = V. Gilt das auch, wenn VV unendlichdimensional ist? Untersuche dazu V=R[x]V = \mathbb{R}[x] und U={x⋅p∣p∈R[x]}U = \{ x \cdot p \mid p \in \mathbb{R}[x] \}.