297 lines
7.5 KiB
Markdown
297 lines
7.5 KiB
Markdown
# Woche 10 #
|
||
|
||
## §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 ##
|
||
|
||
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, φ : ℝ⁵ ⟶ ℝ³, die die o. s. Gleichungen erfüllen?
|
||
|
||
**Antwort:** Ja.
|
||
|
||
**Beweis:**
|
||
Da eine (u₁, u₂, u₃, u₄, u₅) Basis für ℝ⁵ ist,
|
||
können wir [Skript, Satz 6.1.13] anwenden.
|
||
Setze
|
||
|
||
φ(u₃) := 0 (Nullvektor)
|
||
φ(u₅) := 0 (Nullvektor)
|
||
|
||
Mit der partiellen Definition von φ auf der Basis (u₁, u₂, u₃, u₄, u₅),
|
||
existiert laut [Skript, Satz 6.1.13] eine **lineare Ausdehnung**
|
||
(auch _Fortsetzung_ od. _Erweiterung_ in der Literatur genannt)
|
||
φ : ℝ⁵ ⟶ ℝ³, so dass
|
||
|
||
φ(u₁) = v₁, φ(u₂) = v₂, φ(u₄) = v₃, φ(u₃) = 0, φ(u₅) = 0.
|
||
**QED**
|
||
|
||
**Bemerkung 1.**
|
||
Konkret, da u₁, u₂, u₃, u₄, u₅ eine Basis ist,
|
||
existiert für jedes x ∈ ℝ⁵ eindeutige Werte
|
||
c₁, c₂, c₃, c₄, c₅ im Körper ℝ,
|
||
so dass
|
||
|
||
x = ∑ c_i · ui
|
||
|
||
gilt, und man setzt
|
||
|
||
φ(x) := ∑ c_i · φ(u_i).
|
||
|
||
Mit dieser Definition ist es einfach, die Axiome durchzugehen,
|
||
und zu beweisen, dass dies eine lineare Abbildung definiert.
|
||
|
||
**Bemerkung 2.**
|
||
Beachte, dass die _Wahl_ von den φ(u₃), φ(u₅) im o. s. Beispiel beliebig sein kann. Es ist nur entscheidend, dass in der partiellen
|
||
Definition wir es mit linear unabhängigen Elementen zu tun haben.
|
||
Falls es zu Abhängigkeiten zwischen den Inputvektoren kommt,
|
||
müssen wir wie gewohnt auf eine maximale linear unabhängige Teilmenge
|
||
reduzieren, und zeigen, dass für die restlichen Inputs,
|
||
die Definition kompatibel ist.
|
||
|
||
Als Beispiel nehmen wir
|
||
|
||
u₁ = (1, 0, 1, 0, 0)ᵀ
|
||
u₂ = (1, 2, 1, 0, 0)ᵀ
|
||
u₃ = (0, 1, 0, 0, 0)ᵀ
|
||
|
||
und φ : ℝ⁵ ⟶ ℝ³ partiell definiert auf {u₁, u₂, u₃}.
|
||
Aus (u₁, u₂, u₃) können wir sehen (etwa durch den Gaußalgorithmus),
|
||
dass (u₁, u₂) ein maximales linear unabhängiges Teilsystem ist
|
||
und
|
||
|
||
u₃ = -½u₁ + ½u₂.
|
||
|
||
Darum können φ(u₁), φ(u₂) beliebig gewählt werden,
|
||
umd es muss
|
||
|
||
φ(u₃) = -½φ(u₁) + ½φ(u₂)
|
||
|
||
gelten (entsprechend dem o. s. Verhältnis).
|
||
|
||
Wenn wir zum Beispiel
|
||
|
||
φ(u₁) = ( 4, 2)ᵀ
|
||
φ(u₂) = (-2, 8)ᵀ
|
||
φ(u₃) = (-3, 3)ᵀ
|
||
|
||
wählen ist, dies erfüllt.
|
||
Man kann das l. u. Teilsystem (u₁, u₂)
|
||
durch 3 weitere Vektoren zu einer Basis ergänzen
|
||
und φ zu einer linearen Abb ausdehnen.
|
||
|
||
Wenn wir aber
|
||
|
||
φ(u₁) = ( 8, 1)ᵀ
|
||
φ(u₂) = (-4, 8)ᵀ
|
||
φ(u₃) = ( 0, 1)ᵀ
|
||
|
||
wählen ist, ist φ(u₃) = -½φ(u₁) + ½φ(u₂) nicht erfüllt.
|
||
Darum lässt sich hier φ **nicht** zu einer linearen Abbildung erweitern.
|