linalg2020/notes/berechnungen_wk11.md

## §1. Linear oder nicht? ##

In folgenden Aufgaben wird eine Funktion φ : ℝ³ ⟶ ℝ² definiert.
Bestimme in jedem Falle, ob φ linear ist.

a)

    φ(x₁, x₂, x₃) = ( 4·x₁·x₃ )
                    ( 10·x₂   )

Wenn φ linear wäre, dann müsste φ(2, 0, 2) = 2·φ(1, 0, 1) gelten.
Aber:

    φ(2, 0, 2)   = (16, 0)ᵀ
    2·φ(1, 0, 1) = 2·(4, 0)ᵀ = (8, 0)ᵀ ≠  φ(2, 0, 2)

Also ist φ nicht linear, weil Homogenität verletzt wird.

b)

    φ(x₁, x₂, x₃) = ( x₃² )
                    (  0  )

Wenn φ linear wäre, dann müsste φ(0, 0, 8) = 8·φ(0, 0, 1) gelten.
Aber:

    φ(0, 0, 8)   = (64, 0)ᵀ
    8·φ(0, 0, 1) = 8·(1, 0)ᵀ = (8, 0)ᵀ ≠ φ(0, 0, 8)

Also ist φ nicht linear, weil Homogenität verletzt wird.

c)

    φ(x₁, x₂, x₃) = ( x₃ )
                    (  0 )

--> linear

d)

    φ(x₁, x₂, x₃) = ( 0 )
                    ( 0 )

--> linear

e)

    φ(x₁, x₂, x₃) = ( 4  )
                    ( 0  )

Wenn φ linear wäre, dann müsste φ(0) = 0 gelten. [Siehe Lemma 6.1.2]
Aber φ ist hier niemals der Nullvektor!
Also ist φ nicht linear.

f)

    φ(x₁, x₂, x₃) = ( 10·x₃     )
                    (  -x₂ + x₁ )

linear!

g)

    φ(x₁, x₂, x₃) = ( 1 - 10·x₃ )
                    (  -x₂ + x₁ )

Wenn φ linear wäre, dann müsste φ(0) = 0 gelten. [Siehe Lemma 6.1.2]
Aber φ(0) = (1, 0)ᵀ.
Also ist φ nicht linear.

h)

    φ(x₁, x₂, x₃) = ( exp(-(7·x₂ + 8·x₁)) )
                    ( 0                   )

Wenn φ linear wäre, dann müsste φ(0) = 0 gelten. [Siehe Lemma 6.1.2]
Aber φ(0) = (exp(0), 0)ᵀ = (1, 0)ᵀ.
Also ist φ nicht linear.

## §2. Aufgaben ähnlich zu ÜB 10-2 ##

Seien A = (u₁, u₂, u₃) und B = (v₁, v₂),
wobei

    u₁ = (3,  0, 1)ᵀ
    u₂ = (0, -1, 0)ᵀ
    u₃ = (4,  0, 0)ᵀ

    v₁ = (4, 5)ᵀ
    v₂ = (0, 1)ᵀ

Beachte:

- A bildet eine Basis für ℝ³
- B bildet eine Basis für ℝ²

Sei nun φ : ℝ³ ⟶ ℝ² definiert durch

    φ(x₁, x₂, x₃) = ( 4·x₁ - x₃  )
                    ( 10·x₂ + x₁ )

### Zur Linearität ###
Seien

    (x₁,x₂,x₃), (x₁',x₂',x₃') ∈ ℝ³
    c, c' ∈ ℝ

**Zu zeigen:**
    φ(c(x₁, x₂, x₃) +c'(x₁',x₂',x₃')) = c·φ(x₁, x₂, x₃) +c'·φ(x₁', x₂', x₃')

Es gilt

    l. S. = φ(c(x₁, x₂, x₃) +c'(x₁',x₂',x₃'))
          = φ(c(x₁·e1 + x₂·e2 + x₃·e3) +c'(x₁'·e1 + x₂'·e2 + x₃'·e3))
          = φ((c·x₁ + c'·x₁)·e1 + (c·x₂ + c'·x₂)·e2 + (c·x₃ + c'·x₃)·e3)
          = φ(c·x₁ + c'·x₁', c·x₂ + c'·x₂', c·x₃ + c'·x₃')

          = ( 4·(c·x₁ + c'·x₁') - (c·x₃ + c'·x₃')  )
            ( 10·(c·x₂ + c'·x₂') + (c·x₁ + c'·x₁') )

          = ( c·(4·x₁ - x₃)  + c'·(4·x₁' - x₃')  )
            ( c·(10·x₂ + x₁) + c'·(10·x₂' + x₁') )

          = c·( 4·x₁ - x₃  ) + c'·( 4·x₁' - x₃' )
              ( 10·x₂ + x₁ )      ( 10·x₂' + x₁' )

          = r. S.

Darum ist φ linear.

### Darstellung ###
Zunächst beobachten wir:

    φ(x₁, x₂, x₃) = ( 4   0   -1 ) ( x₁ )
                    ( 1   10   0 ) ( x₂ )
                                   ( x₃ )
                  = C·x
                  = φ_C(x)   siehe [Skript, Bsp 6.2.2],

wobei C die Matrix

    C = ( 4   0   -1 )
        ( 1   10   0 )

ist.

**Bemerkung.** Den vorherigen Teil konnten wir hiermit viel einfacher machen:
Da φ_C linear ist (siehe [Skript, Bsp 6.2.2]), ist φ = φ_C linear.

_Zurück zur Berechnung der Darstellung..._

Die zu berechnende Matrix M := M_A^B(φ), ist diejenige, die erfüllt:

- ist x der Form x = ∑ α_j·u_j = (α_j) <--- als Vektor über Basis A
- und ist M·(α_j) = (β_i) für einen Vektor (β_i) ∈ ℝ²
- dann gilt φ(x) = y, wobei y = ∑ β_i·v_i

Zusammengefasst ist M genau die Matrix, für die gilt:

    B·M·α = φ(A·α)

für alle α ∈ ℝ³. Da φ = φ_C, ist die äquivalent zu

    B·M·α = C·A·α

Kurzgesagt: M_A^B(φ) = B^-1 · C · A.
Um dies zu bestimmen, wenden wir das Gaußverfahren
auf folgendes augmentiertes System an

    ( B | C·A )

und reduzieren die linke Hälfte auf die Identitätsmatrix.
Die resultierende Matrix in der rechten Hälfte wir dann M sein.
Es gilt

    C·A = ( 4   0   -1 ) (3   0   4)
          ( 1   10   0 ) (0  -1   0)
                         (1   0   0)
        = ( 11    0   16 )
          (  3  -10    4 )

Also ist das augmentiere System

    ( B | C·A )

     = ( 4    0  |  11    0   16 )
       ( 5    1  |   3  -10    4 )
       Zeile2 <- 4*Zeile2 - 5*Zeile1

    ~> ( 4    0  |   11    0   16 )
       ( 0    4  |  -43  -40  -64 )
       Zeile1 <- Zeile1 : 4
       Zeile2 <- Zeile2 : 4

    ~> ( 1    0  |   11/4    0    4 )
       ( 0    1  |  -43/4  -10  -16 )

Darum gilt

    M_A^B(φ) = (  11/4    0    4 )
               ( -43/4  -10  -16 )



## §3. Lineare Fortsetzung von partiell definierten Funktionen ##

Sei φ : ℝ⁵ ⟶ ℝ³


Seien u₁, u₂, u₃, u₄, u₅ eine Basis für ℝ⁵.
Seien v₁, v₂, v₃ Vektoren in ℝ³.
Definiert werden

    φ(u₁) = v₁, φ(u₂) = v₂, φ(u₄) = v₃

**Aufgabe:** Gibt es eine lineare Abbildung, die die o. s. Gleichungen erfüllen?

**Antwort:** Ja.

**Beweis:**
Setze
        φ(u₃) := 0 (Nullvektor)
        φ(u₅) := 0 (Nullvektor)

Da u₁, u₂, u₃, u₄, u₅ eine Basis ist,
können wir für beliebiges x ∈ ℝ⁵

    φ(x) = ∑ c_i · φ(ui)

wobei c_1, c_2, .... die eindeutigen Werte im Körper ℝ sind,
so dass

    x = ∑ c_i · ui

gilt.
Dann ist φ linear (zeige die Axiome!!).
**QED**