Lektion 3.6

Lineare Unabhängigkeit

40 min Lesezeit
Lesen anpassen

Nach dieser Lektion kannst du

  • die Definition der linearen Unabhängigkeit angeben und an Beispielen prüfen,

  • beweisen, dass lineare Unabhängigkeit gleichwertig dazu ist, dass kein Vektor überflüssig ist, und dazu, dass Darstellungen eindeutig sind,

  • lineare Unabhängigkeit im KnK^n mit einem homogenen Gleichungssystem testen,

  • Polynome durch Koeffizientenvergleich und Funktionen durch Einsetzen von Stellen auf lineare Unabhängigkeit untersuchen.

Vorausgesetzt: Erzeugendensysteme und lineare Hülle

Drei Vektoren können zusammen weniger leisten, als ihre Anzahl verspricht. In der Lektion über Erzeugendensysteme haben (1,0,0)(1, 0, 0), (0,1,0)(0, 1, 0) und (1,1,0)(1, 1, 0) nur eine Ebene erzeugt. Der Grund: (1,1,0)(1, 1, 0) ist die Summe der beiden anderen und bringt nichts Neues. Man kann ihn weglassen, ohne dass die Hülle kleiner wird.

Daraus ergibt sich die Frage dieser Lektion: Wann ist in einer Liste von Vektoren keiner überflüssig? Für zwei Vektoren ist das leicht zu sehen, keiner darf ein Vielfaches des anderen sein. Bei drei oder mehr Vektoren reicht es aber nicht, Paare anzuschauen. Im Beispiel ist kein Vektor ein Vielfaches eines anderen, und trotzdem ist einer überflüssig.

Die Antwort steckt in einer einzigen Gleichung. Ein Vektor ist überflüssig, wenn er eine Linearkombination der anderen ist, hier (1,1,0)=1⋅(1,0,0)+1⋅(0,1,0)(1, 1, 0) = 1 \cdot (1, 0, 0) + 1 \cdot (0, 1, 0). Bringt man alles auf eine Seite, steht da 1⋅(1,0,0)+1⋅(0,1,0)+(−1)⋅(1,1,0)=(0,0,0)1 \cdot (1, 0, 0) + 1 \cdot (0, 1, 0) + (-1) \cdot (1, 1, 0) = (0, 0, 0): eine Linearkombination, die den Nullvektor ergibt, obwohl nicht alle Koeffizienten null sind. Genau nach solchen Gleichungen sucht man.

Wie bisher ist KK ein Körper und VV ein KK-Vektorraum; Vektoren im KnK^n schreiben wir als Zeilen.

Vermute zuerst

Drei Vektoren im R3\mathbb{R}^3, von denen keiner ein Vielfaches eines anderen ist: Ist dann sicher keiner von ihnen eine Linearkombination der beiden anderen?

Definition

Lineare Unabhängigkeit

Vektoren v1,…,vk∈Vv_1, \dots, v_k \in V heißen linear unabhängig, wenn aus λ1v1+λ2v2+⋯+λkvk=0\lambda_1 v_1 + \lambda_2 v_2 + \dots + \lambda_k v_k = 0 mit λ1,…,λk∈K\lambda_1, \dots, \lambda_k \in K stets λ1=λ2=⋯=λk=0\lambda_1 = \lambda_2 = \dots = \lambda_k = 0 folgt. In Worten: Die einzige Linearkombination, die den Nullvektor ergibt, ist die mit lauter Nullen als Koeffizienten. Diese heißt die triviale Linearkombination.

Andernfalls heißen die Vektoren linear abhängig. Dann gibt es Koeffizienten λ1,…,λk\lambda_1, \dots, \lambda_k, nicht alle null, mit λ1v1+⋯+λkvk=0\lambda_1 v_1 + \dots + \lambda_k v_k = 0.

Genau genommen ist das eine Eigenschaft der Liste (v1,…,vk)(v_1, \dots, v_k), die man auch eine Familie von Vektoren nennt; in ihr darf ein Vektor mehrfach vorkommen. Eine Teilmenge M⊆VM \subseteq V, auch eine unendliche, heißt linear unabhängig, wenn je endlich viele verschiedene Vektoren aus MM linear unabhängig sind. Die leere Familie gilt als linear unabhängig.

Beispiel

Erste Beispiele

Einige Fälle lassen sich sofort entscheiden:

  • Ein einzelner Vektor vv ist genau dann linear unabhängig, wenn v≠0v \neq 0 ist. Denn 1⋅0=01 \cdot 0 = 0 ist eine nichttriviale Darstellung der Null. Ist dagegen v≠0v \neq 0 und λv=0\lambda v = 0, dann ist λ=0\lambda = 0, sonst wäre v=λ−1(λv)=λ−1⋅0=0v = \lambda^{-1}(\lambda v) = \lambda^{-1} \cdot 0 = 0.
  • Enthält eine Familie den Nullvektor, ist sie linear abhängig: 1⋅0+0⋅v2+⋯+0⋅vk=01 \cdot 0 + 0 \cdot v_2 + \dots + 0 \cdot v_k = 0.
  • Enthält eine Familie denselben Vektor vv zweimal, ist sie linear abhängig: 1⋅v+(−1)⋅v=01 \cdot v + (-1) \cdot v = 0.
  • Die Standardvektoren e1,…,ene_1, \dots, e_n im KnK^n sind linear unabhängig. Denn λ1e1+⋯+λnen=(λ1,…,λn)\lambda_1 e_1 + \dots + \lambda_n e_n = (\lambda_1, \dots, \lambda_n), und das ist nur dann der Nullvektor, wenn alle λi=0\lambda_i = 0 sind.

Gegenbeispiel zur Definition: (1,0,0),(0,1,0),(1,1,0)(1, 0, 0), (0, 1, 0), (1, 1, 0) sind linear abhängig, denn 1⋅(1,0,0)+1⋅(0,1,0)+(−1)⋅(1,1,0)=01 \cdot (1, 0, 0) + 1 \cdot (0, 1, 0) + (-1) \cdot (1, 1, 0) = 0 ist eine Darstellung der Null, deren Koeffizienten nicht alle null sind.

Kurz geprüft

Sind (2,−1)(2, -1) und (−6,3)(-6, 3) im R2\mathbb{R}^2 linear unabhängig?

Satz

Gleichwertige Formulierungen

Seien v1,…,vk∈Vv_1, \dots, v_k \in V mit k≥1k \geq 1. Dann sind gleichwertig:
(a) v1,…,vkv_1, \dots, v_k sind linear unabhängig.
(b) Keiner der Vektoren ist eine Linearkombination der übrigen: Für jedes jj ist vj∉span⁡(v1,…,vj−1,vj+1,…,vk)v_j \notin \operatorname{span}(v_1, \dots, v_{j-1}, v_{j+1}, \dots, v_k).
(c) Jeder Vektor x∈span⁡(v1,…,vk)x \in \operatorname{span}(v_1, \dots, v_k) lässt sich auf genau eine Weise als x=λ1v1+⋯+λkvkx = \lambda_1 v_1 + \dots + \lambda_k v_k schreiben.
Für k=1k = 1 ist die Hülle der übrigen Vektoren span⁡(∅)={0}\operatorname{span}(\emptyset) = \{0\}, und (b) sagt einfach v1≠0v_1 \neq 0.

Häufige Fehler

Die triviale Lösung beweist nichts

Man rechnet 0⋅v1+0⋅v2+0⋅v3=00 \cdot v_1 + 0 \cdot v_2 + 0 \cdot v_3 = 0 nach und schließt: Die Gleichung λ1v1+λ2v2+λ3v3=0\lambda_1 v_1 + \lambda_2 v_2 + \lambda_3 v_3 = 0 ist lösbar, also sind die Vektoren linear unabhängig.

Richtig ist

Lösbar ist diese Gleichung immer, nämlich mit lauter Nullen. Entscheidend ist, ob das die einzige Lösung ist. Linear unabhängig: Es gibt nur die triviale Lösung. Linear abhängig: Es gibt außerdem eine Lösung, in der mindestens ein λi≠0\lambda_i \neq 0 ist.

Schritt für Schritt

Ein Test im R3\mathbb{R}^3

Sind v1=(1,2,1)v_1 = (1, 2, 1), v2=(0,1,1)v_2 = (0, 1, 1) und v3=(1,3,2)v_3 = (1, 3, 2) linear unabhängig? Wir setzen λ1v1+λ2v2+λ3v3=0\lambda_1 v_1 + \lambda_2 v_2 + \lambda_3 v_3 = 0 an. Ein Gleichungssystem, in dem rechts überall 00 steht, heißt homogen. Es hat immer die Lösung λ1=λ2=λ3=0\lambda_1 = \lambda_2 = \lambda_3 = 0; die Frage ist, ob es weitere gibt.

  1. Komponentenweise ergibt sich ein homogenes System aus drei Gleichungen:

    λ1+λ3=02λ1+λ2+3λ3=0λ1+λ2+2λ3=0\begin{aligned} \lambda_1 + \lambda_3 &= 0 \\ 2\lambda_1 + \lambda_2 + 3\lambda_3 &= 0 \\ \lambda_1 + \lambda_2 + 2\lambda_3 &= 0 \end{aligned}
Schritt 1 von 4
Beispiel

Ein unabhängiges Tripel, und warum der Körper zählt

Für w1=(1,1,0)w_1 = (1, 1, 0), w2=(0,1,1)w_2 = (0, 1, 1) und w3=(1,0,1)w_3 = (1, 0, 1) liefert λ1w1+λ2w2+λ3w3=0\lambda_1 w_1 + \lambda_2 w_2 + \lambda_3 w_3 = 0 das homogene System λ1+λ3=0\lambda_1 + \lambda_3 = 0, λ1+λ2=0\lambda_1 + \lambda_2 = 0, λ2+λ3=0\lambda_2 + \lambda_3 = 0. Aus den ersten beiden Gleichungen folgen λ3=−λ1\lambda_3 = -\lambda_1 und λ2=−λ1\lambda_2 = -\lambda_1. Die dritte Gleichung wird damit −2λ1=0-2\lambda_1 = 0:

−2λ1=0⟹λ1=0⟹λ2=λ3=0-2\lambda_1 = 0 \quad\Longrightarrow\quad \lambda_1 = 0 \quad\Longrightarrow\quad \lambda_2 = \lambda_3 = 0

Über R\mathbb{R} (ebenso über Q\mathbb{Q} oder C\mathbb{C}) gibt es also nur die triviale Lösung, und w1,w2,w3w_1, w_2, w_3 sind linear unabhängig. Der Schluss von −2λ1=0-2\lambda_1 = 0 auf λ1=0\lambda_1 = 0 benutzt aber 2≠02 \neq 0. Im Körper F2={0,1}\mathbb{F}_2 = \{0, 1\} gilt 1+1=01 + 1 = 0, und dort ist w1+w2+w3=(2,2,2)=(0,0,0)w_1 + w_2 + w_3 = (2, 2, 2) = (0, 0, 0). Im F2\mathbb{F}_2-Vektorraum F23\mathbb{F}_2^3 sind dieselben drei Vektoren also linear abhängig. Lineare Unabhängigkeit hängt vom Körper ab.

Kurz geprüft

Für welche reelle Zahl tt sind (1,0,2)(1, 0, 2), (0,1,1)(0, 1, 1) und (1,1,t)(1, 1, t) linear abhängig?

Beispiel

Polynome: Koeffizientenvergleich

Im Polynomraum K[x]K[x] sind 1,x,x2,…,xd1, x, x^2, \dots, x^d linear unabhängig. Ist nämlich λ0⋅1+λ1x+⋯+λdxd\lambda_0 \cdot 1 + \lambda_1 x + \dots + \lambda_d x^d das Nullpolynom, dann sind alle Koeffizienten null; genau das bedeutet Gleichheit von Polynomen (Koeffizientenvergleich). Ebenso ist die unendliche Menge {1,x,x2,… }\{1, x, x^2, \dots\} linear unabhängig, denn je endlich viele verschiedene Potenzen sind es.

Für andere Polynome führt der Koeffizientenvergleich auf ein homogenes Gleichungssystem. Für p1=1+xp_1 = 1 + x, p2=x+x2p_2 = x + x^2 und p3=1−x2p_3 = 1 - x^2 ist λ1p1+λ2p2+λ3p3=(λ1+λ3)+(λ1+λ2)x+(λ2−λ3)x2\lambda_1 p_1 + \lambda_2 p_2 + \lambda_3 p_3 = (\lambda_1 + \lambda_3) + (\lambda_1 + \lambda_2) x + (\lambda_2 - \lambda_3) x^2. Das ist das Nullpolynom genau dann, wenn λ3=−λ1\lambda_3 = -\lambda_1, λ2=−λ1\lambda_2 = -\lambda_1 und λ2=λ3\lambda_2 = \lambda_3; die letzte Bedingung folgt aus den ersten beiden. Mit λ1=1\lambda_1 = 1 ergibt sich p1−p2−p3=0p_1 - p_2 - p_3 = 0. Die drei Polynome sind linear abhängig, tatsächlich ist p3=p1−p2p_3 = p_1 - p_2.

Über R\mathbb{R} darf man Polynome auch als Funktionen ansehen, ohne dass sich etwas ändert: Ein Polynom vom Grad höchstens dd, das an mehr als dd Stellen null ist, ist das Nullpolynom. Über einem endlichen Körper ist das anders. Über F2\mathbb{F}_2 ist x2+xx^2 + x nicht das Nullpolynom, aber als Funktion F2→F2\mathbb{F}_2 \to \mathbb{F}_2 überall null, denn 02+0=00^2 + 0 = 0 und 12+1=01^2 + 1 = 0. Darum rechnen wir in K[x]K[x] immer mit Koeffizienten.

Beispiel

Funktionen: Stellen einsetzen

Im Raum Abb⁡(R,R)\operatorname{Abb}(\mathbb{R}, \mathbb{R}) ist der Nullvektor die Nullfunktion, die überall den Wert 00 hat. Eine Gleichung λf+μg=0\lambda f + \mu g = 0 bedeutet also λf(x)+μg(x)=0\lambda f(x) + \mu g(x) = 0 für alle x∈Rx \in \mathbb{R}. Daraus darf man für jede einzelne Stelle eine Gleichung ablesen.

Sinus und Kosinus. Aus λsin⁡x+μcos⁡x=0\lambda \sin x + \mu \cos x = 0 für alle xx folgt bei x=0x = 0, dass μ=0\mu = 0 ist, und bei x=π2x = \frac{\pi}{2}, dass λ=0\lambda = 0 ist. Also sind sin⁡\sin und cos⁡\cos linear unabhängig.

Exponentialfunktionen. Aus λex+μe2x=0\lambda e^{x} + \mu e^{2x} = 0 für alle xx folgt bei x=0x = 0, dass λ+μ=0\lambda + \mu = 0, und bei x=ln⁡2x = \ln 2, dass 2λ+4μ=02\lambda + 4\mu = 0. Mit λ=−μ\lambda = -\mu wird die zweite Gleichung 2μ=02\mu = 0, also μ=0\mu = 0 und λ=0\lambda = 0. Die Funktionen x↦exx \mapsto e^x und x↦e2xx \mapsto e^{2x} sind linear unabhängig.

Eine Abhängigkeit. Die Funktionen 11, sin⁡2\sin^2 und cos⁡2\cos^2 (mit sin⁡2x=(sin⁡x)2\sin^2 x = (\sin x)^2) sind linear abhängig, denn sin⁡2x+cos⁡2x−1=0\sin^2 x + \cos^2 x - 1 = 0 für alle xx. Hier hilft Einsetzen nicht: Eine Abhängigkeit muss an jeder Stelle gelten, man braucht eine Identität wie den trigonometrischen Pythagoras.

Häufige Fehler

Zu wenige Stellen eingesetzt

Für sin⁡\sin und cos⁡\cos setzt man nur x=0x = 0 ein und erhält λ⋅0+μ⋅1=0\lambda \cdot 0 + \mu \cdot 1 = 0, also μ=0\mu = 0, während λ\lambda beliebig bleibt. Man schließt: Es gibt Lösungen mit λ≠0\lambda \neq 0, also sind die Funktionen linear abhängig.

Richtig ist

Eine einzelne Stelle liefert nur eine notwendige Bedingung. Dass λ\lambda danach noch frei ist, heißt nur, dass diese Stelle zu wenig Information enthält; die Stelle x=π2x = \frac{\pi}{2} legt λ=0\lambda = 0 fest. Für Unabhängigkeit genügt es, Stellen zu finden, die alle Koeffizienten zu null zwingen. Für Abhängigkeit muss man eine nichttriviale Kombination angeben und zeigen, dass sie an allen Stellen null ist.

Satz

Einen Vektor hinzunehmen

Seien v1,…,vk∈Vv_1, \dots, v_k \in V linear unabhängig und w∈Vw \in V mit w∉span⁡(v1,…,vk)w \notin \operatorname{span}(v_1, \dots, v_k). Dann sind auch v1,…,vk,wv_1, \dots, v_k, w linear unabhängig.

Zusammenfassung

  • v1,…,vkv_1, \dots, v_k sind linear unabhängig, wenn aus λ1v1+⋯+λkvk=0\lambda_1 v_1 + \dots + \lambda_k v_k = 0 folgt, dass alle λi=0\lambda_i = 0 sind. Die triviale Lösung gibt es immer; es geht darum, ob es die einzige ist.

  • Gleichwertig: Kein vjv_j ist Linearkombination der übrigen. Ebenfalls gleichwertig: Jeder Vektor der Hülle hat genau eine Darstellung.

  • Ein Vektor allein ist genau dann unabhängig, wenn er nicht der Nullvektor ist; zwei Vektoren genau dann, wenn keiner ein Vielfaches des anderen ist. Ab drei Vektoren genügen paarweise Vergleiche nicht.

  • Im KnK^n testet man mit einem homogenen Gleichungssystem für die Koeffizienten, gelöst durch Einsetzen oder Addieren.

  • Polynome untersucht man mit Koeffizientenvergleich; 1,x,…,xd1, x, \dots, x^d sind linear unabhängig.

  • Bei Funktionen liefern einzelne Stellen Gleichungen: Genug Stellen beweisen Unabhängigkeit, eine Abhängigkeit muss an allen Stellen gelten.

  • Lineare Unabhängigkeit hängt vom Körper ab: (1,1,0),(0,1,1),(1,0,1)(1, 1, 0), (0, 1, 1), (1, 0, 1) sind über R\mathbb{R} unabhängig, über F2\mathbb{F}_2 abhängig.

  • Ist ww nicht in der Hülle unabhängiger Vektoren, bleibt die Familie nach Hinzunehmen von ww unabhängig.

Übungen

Aufgabe 1Multiple Choice

Welche Familie im R3\mathbb{R}^3 ist linear unabhängig?

Aufgabe 2Numerisch

Für welche reelle Zahl tt sind (1,2)(1, 2) und (3,t)(3, t) linear abhängig?

Aufgabe 3Numerisch

Für welche reelle Zahl tt sind (2,1,0)(2, 1, 0), (1,0,1)(1, 0, 1) und (0,1,t)(0, 1, t) linear abhängig?

Aufgabe 4Multiple Choice

Welche Familie im Raum Abb⁡(R,R)\operatorname{Abb}(\mathbb{R}, \mathbb{R}) ist linear abhängig?

Aufgabe 5Freitext

Seien v1,v2,v3∈Vv_1, v_2, v_3 \in V linear unabhängig. Beweise, dass auch v1v_1, v1+v2v_1 + v_2 und v1+v2+v3v_1 + v_2 + v_3 linear unabhängig sind.

Aufgabe 6Freitext

Seien p0,p1,…,pd∈K[x]p_0, p_1, \dots, p_d \in K[x] Polynome, wobei pkp_k genau den Grad kk hat. Beweise, dass p0,…,pdp_0, \dots, p_d linear unabhängig sind.