Study Guides / Lineare Algebra / Übungsstunde 6
ÜBUNGSSTUNDE 6 · ETH ZURICH · HS19 · linalg

Vektorräume, Basis und lineare Unabhängigkeit

Vektorräume, Untervektorraum, abgeschlossen, Linearkombination, Span, Erzeugendensystem, orthogonales Komplement, lineare Un-/Abhängigkeit, Basis

SB
Steven Battilana Quant · ex-ETH

Vektorräume

Definition

Eine Menge E\mathbb{E} zusammen mit zwei Verknüpfungen

+:E×E→E,(x,y)↦x+y(Addition)⋅:E×E→E,(x,y)↦x⋅y(Multiplikation)\begin{aligned} +:& \quad \mathbb{E} \times \mathbb{E} \to \mathbb{E}, \quad (x,y) \mapsto x + y \quad\quad &\text{(Addition)}\\ \cdot:& \quad \mathbb{E} \times \mathbb{E} \to \mathbb{E}, \quad (x,y) \mapsto x \cdot y \quad\quad &\text{(Multiplikation)} \end{aligned}

heisst Körper, wenn ∀x,y,z∈E\forall x,y,z \in \mathbb{E} folgendes gilt:

K1 E\mathbb{E} zusammen mit der Addition ++ ist eine abelsche Gruppe.
(Ihr neutrales Element wird mit 00, das zu a∈Ea \in \mathbb{E} inverse Element mit −a-a bezeichnet; vgl. Diskrete Mathematik, 5. Algebra, Definition 5.7 und 5.8: ⟨E;+⟩\langle \mathbb{E}; + \rangle is an abelian group):

  • (i) (Assoziativität) (x+y)+z=x+(y+z)\quad (x+y)+z = x+(y+z)
  • (ii) (Neutrales Element) ∃e∈E:x+e=e+x=x\quad \exists e \in \mathbb{E}: \quad x + e = e + x = x
  • (iii) (Inverses Element) ∃x′∈E:x+x′=x′+x=e\quad \exists x' \in \mathbb{E}: \quad x+x'=x'+x= e
  • (iv) (Abelsch ⇔\Leftrightarrow Kommutativität) x+y=y+x\quad x+y = y+x

K2 Bezeichnet E∗:=E∖{0}\mathbb{E}^* := \mathbb{E} \setminus \{0\}, so gilt für x,y∈E∗x,y \in \mathbb{E}^* auch x⋅y∈E∗x\cdot y \in \mathbb{E}^*, und E∗\mathbb{E}^* zusammen mit der so erhaltenen Multiplikation ist eine abelsche Gruppe.
(Ihr neutrales Element wird mit 11, das zu x∈E∗x \in \mathbb{E}^* inverse Element mit x−1x^{-1} oder 1/x1/x bezeichnet. Man schreibt y/x=x−1y=yx−1y/x =x^{-1}y=yx^{-1}.
Vgl. Diskrete Mathematik, 5. Algebra, Definition 5.7 und 5.8: ⟨E;⋅⟩\langle \mathbb{E}; \cdot \rangle is an abelian group)

(vgl. Diskrete Mathematik, 5. Algebra: Definition 5.26 und Theorem 5.23)

Bemerkung

Meistens werden wir mit den Körpern R\mathbb{R} oder C\mathbb{C} arbeiten. Ein weiterer Körper der für uns Informatiker bekannt ist, ist der kleinste endliche Körper Z2\mathbb{Z}_2, der nur {0,1}\{0,1\} enthält.

Definition

Ein Vektorraum VV über E\mathbb{E} (oder auch E\mathbb{E}-Vektorraum; VR) ist eine nichtleere Menge VV zusammen mit zwei Operationen:

+:V×V→V,(x,y)↦x+y(Addition)⋅:E×V→V,(α,x)↦αx(Skalarmultiplikation)\begin{aligned} +:& \quad V \times V \to V, \quad (x,y) \mapsto x + y \quad\quad &\text{(Addition)}\\ \cdot:& \quad \mathbb{E} \times V \to V, \quad (\alpha,x) \mapsto \alpha x \quad\quad &\text{(Skalarmultiplikation)} \end{aligned}

so dass ∀x,y,z∈V\forall x,y,z \in V und ∀α,β∈E\forall \alpha, \beta \in \mathbb{E} gilt:

V1 VV zusammen mit der Addition ist eine abelsche (kommutative) Gruppe (das neutrale Element heißt Nullvektor, es wird mit 0\boldsymbol{0}, und das Negative wird mit −x-x bezeichnet; vgl. Diskrete Mathematik, 5. Algebra: ⟨V;+⟩\langle V; + \rangle is an abelian group):

  • (i) (Assoziativität) (x+y)+z=x+(y+z)\quad (x+y)+z = x+(y+z)
  • (ii) (Neutrales Element) ∃e∈V:x+e=e+x=x\quad \exists e \in V: \quad x + e = e + x = x
  • (iii) (Inverses Element) ∃x′∈V:x+x′=x′+x=e\quad \exists x' \in V: \quad x+x'=x'+x= e
  • (iv) (Abelsch ⇔\Leftrightarrow Kommutativität) x+y=y+x\quad x+y = y+x

V2 Die Multiplikation mit Skalaren muss in folgender Weise mit den anderen Verknüpfungen verträglich sein:

  • (i) (Distributivität I) (α+β)x=αx+βx\quad (\alpha + \beta) x = \alpha x + \beta x
  • (ii) (Distributivität II) α(x+y)=αx+αy\quad \alpha (x+y) = \alpha x + \alpha y
  • (iii) (Assoziativität) (αβ)x=α(βx)\quad (\alpha \beta) x = \alpha (\beta x)
  • (iv) (Verträglichkeit mit 11) 1x=x\quad 1x = x
Beispiel 1
  1. nn-dimensionale Vektoren bilden über E\mathbb{E} einen Vektorraum.
  2. m×nm \times n-Matrizen bilden über E\mathbb{E} einen Vektorraum.
  3. Pn:={\mathcal{P}_n := \{Polynome in einer Variablen mit Koeffizienten in E\mathbb{E} von max. Grad n}n \} bilden über E\mathbb{E} einen Vektorraum.
Definition

Sei VV ein Vektorraum, U⊆V, U≠{}U \subseteq V, \, U \neq \{\}. UU heisst Untervektorraum, Unterraum, linearer Teilraum (UVR), falls sie bezüglich Addition und skalarer Multiplikation abgeschlossen ist, d.h. wenn ∀x,y∈U\forall x,y \in U und ∀α∈E\forall \alpha \in \mathbb{E} gilt:

U1 x+y∈Ux + y \in U

U2 αx∈U\alpha x \in U.

Bemerkung

Jeder Untervektorraum UU enthält den Nullvektor, d.h.

U0 0∈U\boldsymbol{0} \in U.

Satz

Jeder Untervektorraum ist ein Vektorraum.

Beispiel 2

Zu zeigen: W={(x1x2x3)∈R3∣x1+x2+x3=0}W = \left\{ \left. \begin{pmatrix} x_1\\ x_2\\ x_3 \end{pmatrix} \in \mathbb{R}^3 \right| x_1+x_2+x_3 = 0 \right\} ist ein Vektorraum.

Bemerkung
Wir haben zwei Optionen:

  1. Überprüfe ob V1 und V2 von der Vektorraum Definition erfüllt sind
  2. Verwende den Satz von oben und zeige nur U1 und U2
Lösung anzeigenLösung ausblenden

Beweis:
Wir führen den Beweis mit der zweiten Option durch. Also genügt es nach dem Satz zu zeigen, dass WW ein Untervektorraum ist.
Seien x=(x1x2x3),y=(y1y2y3)∈W,λ∈Ex = \begin{pmatrix} x_1\\ x_2\\ x_3 \end{pmatrix}, y = \begin{pmatrix} y_1\\ y_2\\ y_3 \end{pmatrix} \in W, \lambda \in \mathbb{E}

U0 (000)∈W\begin{pmatrix} 0\\ 0\\ 0 \end{pmatrix} \in W, da 0+0+0=00+0+0=0, (U0 folgt trivialerweise)

U1 x+y=(x1+y1x2+y2x3+y3)∈Wx+y = \begin{pmatrix} x_1+y_1\\ x_2+y_2\\ x_3+y_3 \end{pmatrix} \in W,
da (x1+y1)+(x2+y2)+(x3+y3)=(x1+x2+x3)⏟x1+x2+x3=0+(y1+y2+y3)⏟y1+y2+y3=0=0(x_1+y_1)+(x_2+y_2)+(x_3+y_3) = \underbrace{(x_1+x_2+x_3)}_{x_1+x_2+x_3=0} + \underbrace{(y_1+y_2+y_3)}_{y_1+y_2+y_3 = 0} = 0

U2 λx=(λx1λx2λx3)∈W\lambda x = \begin{pmatrix} \lambda x_1\\ \lambda x_2\\ \lambda x_3 \end{pmatrix} \in W, da λx1+λx2+λx3=λ(x1+x2+x3)⏟x1+x2+x3=0=0\lambda x_1 + \lambda x_2 + \lambda x_3 = \lambda \underbrace{(x_1+x_2+x_3)}_{x_1+x_2+x_3=0} = 0

Oder statt, dass ihr U1 und U2 separat zeigt könnt ihr auch die "all in one" Variante zeigen:

U1/U2 x−λy=(x1−λy1x2−λy2x3−λy3)∈Wx-\lambda y = \begin{pmatrix} x_1 - \lambda y_1\\ x_2 - \lambda y_2\\ x_3 - \lambda y_3 \end{pmatrix} \in W,
da (x1−λy1)+(x2−λy2)+(x3−λy3)=(x1+x2+x3)⏟x1+x2+x3=0−λ(y1+y2+y3)⏟y1+y2+y3=0=0□(x_1 - \lambda y_1) + (x_2 - \lambda y_2) + (x_3 - \lambda y_3) = \underbrace{(x_1+x_2+x_3)}_{x_1+x_2+x_3=0} - \lambda \underbrace{(y_1+y_2+y_3)}_{y_1+y_2+y_3 = 0} = 0 \quad\quad\quad\quad \square

Basen, Dimensionen und lineare (Un-)Abhängigkeit

Bemerkung

Für diesen Abschnitt werden wir folgendes annehmen. Sei VV ein Vektorraum über einem Körper E\mathbb{E} und eine Familie (Menge) (vi)i∈I(v_i)_{i \in I} von Vektoren vi∈Vv_i \in V. Ist I={1,...,r}I = \{1, ..., r\}, so hat man Vektoren v1,...,vrv_1, ..., v_r.

Definition

Seien v1,...,vr∈Vv_1, ..., v_r \in V ausgewählte Vektoren. Ein Vektor der Form

x:=λ1v1+...+λrvr=∑k=1rλkvkx := \lambda_1 v_1+ ...+ \lambda_r v_r = \sum_{k=1}^r \lambda_k v_k

mit λ1,...,λr∈E\lambda_1, ..., \lambda_r \in \mathbb{E} heisst Linearkombination von v1,...,vrv_1, ..., v_r.

Definition

Für allgemeines II definiert man

spanE(vi)i∈I\text{span}_\mathbb{E} (v_i)_{i \in I}

als die Menge all der v∈Vv \in V die sich aus einer (von vv abhängigen) endlichen Teilfamilie (Teilmenge) von (vi)i∈I(v_i)_{i \in I} linear kombinieren lassen.
Man nennt spanE(vi)i∈I\text{span}_\mathbb{E} (v_i)_{i \in I} den von der Familie (Menge) aufgespannten (oder erzeugten) Raum. Für eine endliche Familie (v1,...,vr)(v_1, ..., v_r) verwendet man oft die suggestivere Notation:

spanE(v1,...,vr):=Ev1+...+Evn={v∈V∣∃λ1,...,λr∈E mit v=λ1v1+...+λrvr}.\begin{aligned} \text{span}_\mathbb{E}(v_1, ..., v_r) :&= \mathbb{E} v_1 + ... + \mathbb{E} v_n\\ &= \{ v \in V \quad | \quad \exists \lambda_1, ..., \lambda_r \in \mathbb{E} \text{ mit } v = \lambda_1 v_1+ ...+ \lambda_r v_r \}. \end{aligned}
Bemerkung

Die folgenden Notationen sind äquivalent: spanE(v1,...,vr)⇔spanE{v1,...,vr}⇔⟨v1,...,vr⟩\text{span}_\mathbb{E}(v_1, ..., v_r) \Leftrightarrow \text{span}_\mathbb{E}\{v_1, ..., v_r\} \Leftrightarrow \langle v_1, ..., v_r \rangle.

Definition

Eine Familie B=(vi)i∈I\mathcal{B} = (v_i)_{i \in I} in einem Vektorraum VV heisst Erzeugendensystem von VV, wenn

V=span(vi)i∈I,V = \text{span}(v_i)_{i \in I},

d.h. wenn jedes v∈Vv \in V Linearkombination von endlich vielen viv_i ist.

Bemerkung

Falls klar ist, welcher Körper gemeint ist, schreibt man nur span statt spanE\text{span}_\mathbb{E}.

Bemerkung

Sei V ein E\mathbb{E}-Vektorraum und (vi)i∈I(v_i)_{i \in I} eine Familie (Menge) von Elementen aus V mit I={1,...,r}I = \{1, ..., r\}. Dann gilt:

  1. span(v1,...,vr)\text{span}(v_1, ..., v_r) ist ein Untervektorraum
  2. Ist W⊂VW \subset V ein Untervektorraum und gilt vi∈Wv_i \in W für alle i∈{1,...,r}i \in \{1, ..., r\} so ist span(v1,...,vr)⊂W\text{span}(v_1, ..., v_r) \subset W.
Beispiel 3
  • span(1,x,x2,x3)=P3\text{span}(1, x, x^2, x^3) = \mathcal{P}_3
  • span(x3+x2,x2−1,x,x−1,1000)=P3\text{span}(x^3+x^2, x^2-1, x, x-1, 1000) = \mathcal{P}_3

⇒\Rightarrow ein Erzeugendensystem ist nicht eindeutig.

Definition

v1,...,vr∈Vv_1, ..., v_r \in V heissen linear unabhängig, wenn:

∑k=1rλkvk=λ1v1+...+λrvr=0⇒λ1=...=λr=0\sum_{k=1}^r \lambda_k v_k = \lambda_1 v_1 + ... + \lambda_r v_r = 0 \quad \Rightarrow \quad \lambda_1 = ... = \lambda_r = 0

und sonst heissen sie linear abhängig.

Bemerkung

v1,...,vr∈Vv_1, ..., v_r \in V heissen linear unabhängig genau dann, wenn kein viv_i sich als Linearkombination der anderen vjv_j mit j≠ij\neq i schreiben lässt. (z.B. v1v_1 lässt sich nicht als Linearkombination von v2,...,vrv_2, ..., v_r schreiben).

Beispiel 4
  • (123)\begin{pmatrix} 1\\ 2\\ 3 \end{pmatrix} ist linear abhängig von (246)\begin{pmatrix} 2\\ 4\\ 6 \end{pmatrix}, weil 2⋅(123)=(246)\quad 2 \cdot \begin{pmatrix} 1\\ 2\\ 3 \end{pmatrix} = \begin{pmatrix} 2\\ 4\\ 6 \end{pmatrix}.
  • (123)\begin{pmatrix} 1\\ 2\\ 3 \end{pmatrix} ist linear unabhängig von (023)\begin{pmatrix} 0\\ 2\\ 3 \end{pmatrix}.
    Bei komponentenweiser Multiplikation bekommt man in der ersten Koordinate niemals 00, wenn man 22 und 33 behalten will.
Definition

Sei B=(bi)i∈I⊆V\mathcal{B} = (b_i)_{i \in I} \subseteq V. B\mathcal{B} heisst Basis von VV, wenn

V=span(B)(V wird erzeugt von B)B=(bi)i∈I (alle bi sind untereinander linear unabha¨ngig).\begin{aligned} V &= \text{span}(\mathcal{B}) \quad (V \text{ wird erzeugt von } \mathcal{B})\\ \mathcal{B} &= (b_i)_{i \in I} \quad \text{ (alle } b_i \text{ sind untereinander linear unabhängig).} \end{aligned}
Satz

B\mathcal{B} ist ein minimales Erzeugendensystem, d.h.

span(B)=V, aber span(B∖{bi})≠V,∀bi∈B.\text{span}(\mathcal{B}) = V, \text{ aber span}(\mathcal{B} \setminus \{b_i\}) \neq V, \quad \forall b_i \in \mathcal{B}.
Satz

B\mathcal{B} ist eine maximal linear unabhängige Teilmenge von VV, d.h. (bi)i∈I(b_i)_{i \in I} sind linear unabhängig aber (bi)i∈I∪{v}(b_i)_{i \in I} \cup \{v\} sind nicht mehr linear unabhängig, ∀v∈V∖B\forall v \in V \setminus \mathcal{B}.

Bemerkung

Sind B1\mathcal{B}_1 und B2\mathcal{B}_2 Basen von VV, so gilt ∣B1∣=∣B2∣|\mathcal{B}_1| = |\mathcal{B}_2|. Jeder Vektorraum hat eine Basis.

Definition

Sei B\mathcal{B} eine Basis von VV. Dann ist ∣B∣=dim(V)|\mathcal{B}| = \text{dim}(V) (=#(= \# Basisvektoren) die Dimension von VV, wobei ∣⋅∣=^| \cdot | \mathrel{\hat{=}} Kardinalität von einer Menge ist.

Bemerkung

Falls dim(V)=n\text{dim}(V) = n, dann gilt allgemein:

  • Falls k<nk<n, sind v1,...,vk∈Vv_1, ..., v_k \in V nicht erzeugend
  • Falls k>nk>n, sind v1,...,vk∈Vv_1, ..., v_k \in V erzeugend und linear abhängig
Satz Basisauswahlsatz

Aus jedem endlichen Erzeugendensystem eines Vektorraumes kann man eine Basis auswählen. Insbesondere hat jeder endlich erzeugte Vektorraum eine endliche Basis.

Satz Basisergänzungssatz

In einem endlich erzeugten Vektorraum VV seien linear unabhängige Vektoren w1,...,wnw_1, ..., w_n gegeben. Dann kann man wn+1,...,wrw_{n+1}, ..., w_r finden so dass

B={w1,...,wn,wn+1,...,wr}\mathcal{B} = \{w_1, ..., w_n, w_{n+1}, ..., w_r\}

eine Basis von VV ist.

Beispiel 5
  • dim(Rn)=n=dim(Cn)\text{dim}(\mathbb{R}^n) = n = \text{dim}(\mathbb{C}^n)
  • dim(Pn)=n+1(B(Pn)={1,x,x2,...,xn⏟n+1 Basisvektoren})\text{dim}(\mathcal{P}_n) = n+1 \quad (\mathcal{B}(\mathcal{P}_n) = \{\underbrace{1,x,x^2, ..., x^n}_{n+1 \text{ Basisvektoren}}\})
  • dimR(C)=2\text{dim}_\mathbb{R}(\mathbb{C}) = 2 \quad (Basis von C\mathbb{C} über dem Körper R\mathbb{R} ist z.B. {1,i}\{1,i\})
  • dimC(C)=1\text{dim}_\mathbb{C}(\mathbb{C}) = 1 \quad (Basis von C\mathbb{C} über dem Körper C\mathbb{C} ist z.B. {1}\{1\})
Definition

In einem endlich-dimensionalen Vektorraum VV mit Skalarprodukt heisst der zu einem echten Unterraum UU orthogonale komplementäre Unterraum das orthogonale Komplement von UU und wird mit U⊥U^\bot bezeichnet. Es wird implizit charakterisiert durch die Beziehung

V=U⊕U⊥,U⊥U⊥V = U \oplus U^\bot, \qquad U \bot U^\bot

oder explizit durch

U⊥:={x∈V∣x⊥U}.U^\bot := \{x \in V | x \bot U \}.

Wir nennen dann VV eine direkte Summe orthogonaler Komplemente.

Bemerkung Eigenschaften
  1. (U⊥)⊥=U(U^\bot)^\bot = U
  2. dim(U)+dim(U⊥)=dim(V)\text{dim}(U) + \text{dim}(U^\bot) = \text{dim}(V).
Bemerkung Tricks beim Rechnen (bei Fragen betreffend Dimension, Basis, lineare Abhängigkeit, etc.)

Gegeben: v1,...,vk∈Vv_1, ..., v_k \in V
Gesucht: dim(V)\text{dim}(V), span(v1,...,vk)\text{span}(v_1, ..., v_k) linear unabhängig?

  1. Schreibe (v1T⋮vkT)=A\begin{pmatrix} v_1^T\\ \rule[.5ex]{3.5em}{0.4pt}\\ \vdots\\ \rule[.5ex]{3.5em}{0.4pt}\\ v_k^T \end{pmatrix} = A in eine Matrix mit kk Zeilen.

  2. Führe Gauss-Elimination auf AA aus bis ihr die Zeilenstufenform erreicht habt.

  3. Ziehe Fazit:

    • Rang(A)=dim(span(v1,...,vk))\text{Rang}(A) = \text{dim}(\text{span}(v_1, ..., v_k))
    • Rang(A)=k⇒v1,...,vk\text{Rang}(A) = k \quad \Rightarrow \quad v_1, ..., v_k ist linear unabhängig
    • Rang(A)<k⇒v1,...,vk\text{Rang}(A) < k \quad \Rightarrow \quad v_1, ..., v_k ist linear abhängig
    • Rang(A)=dim(V)⇒v1,...,vk\text{Rang}(A) = \text{dim}(V) \quad \Rightarrow \quad v_1, ..., v_k ist erzeugend
    • Falls Rang(A)=dim(V)=k\text{Rang}(A) = \text{dim}(V) = k, dann bilden v1,...,vkv_1, ..., v_k also eine Basis für VV
Beispiel 6

Zu zeigen: (201),(352),(01−1)∈R3\begin{pmatrix} 2\\ 0\\ 1 \end{pmatrix}, \begin{pmatrix} 3\\ 5\\ 2 \end{pmatrix}, \begin{pmatrix} 0\\ 1\\ -1 \end{pmatrix} \in \mathbb{R}^3 bilden eine Basis in R3\mathbb{R}^3.

Lösung anzeigenLösung ausblenden

Beweis:
Wissen dim(R3)=3\text{dim}(\mathbb{R}^3) = 3, und wir haben 33 Vektoren.
Jetzt müssen wir nur noch zeigen, dass die Vektoren linear unabhängig sind.

(20135201−1)⇝(ii)−l21(i)(201051201−1)⇝(iii)−l32(ii)(201051200−1110)=A\begin{pmatrix} 2 & 0 & 1\\ 3 & 5 & 2\\ 0 & 1 & -1 \end{pmatrix} \stackrel{(ii) - l_{21}(i)}{\leadsto} \begin{pmatrix} 2 & 0 & 1\\ 0 & 5 & \frac{1}{2}\\ 0 & 1 & -1 \end{pmatrix} \stackrel{(iii) - l_{32}(ii)}{\leadsto} \begin{pmatrix} 2 & 0 & 1\\ 0 & 5 & \frac{1}{2}\\ 0 & 0 & -\frac{11}{10} \end{pmatrix} = A

⇒ Rang(A)=3 voller Rang\Rightarrow \quad \text{ Rang}(A) = 3 \quad \text{ voller Rang}
⇒\Rightarrow Vektoren sind linear unabhängig und bilden somit eine Basis von R3\mathbb{R}^3. □\quad\quad\quad\quad\quad \square

Beispiel 7

Ist B={1,x,1+x2+x3}\mathcal{B} = \{1,x,1+x^2+x^3\} eine Basis von P3\mathcal{P}_3?
Wenn ja beweise, wenn nein, erweitere zu einer Basis.

Lösung anzeigenLösung ausblenden

Wir wissen: dim(P3)=4\text{dim}(\mathcal{P}_3) = 4
B\mathcal{B} kann keine sein, weil dim(B)=3<4\text{dim}(\mathcal{B}) = 3 < 4.

Behauptung: B′={1,x,1+x2+x3,x2}\mathcal{B}' = \{1,x,1+x^2+x^3, x^2\} ist eine Basis von P3\mathcal{P}_3.

Beweis:

1=^e1x=^e2x2=^e3x3=^e41+x2+x3=^e1+e3+e4\begin{aligned} 1 &\mathrel{\hat{=}} e_1\\ x &\mathrel{\hat{=}} e_2\\ x^2 &\mathrel{\hat{=}} e_3\\ x^3 &\mathrel{\hat{=}} e_4\\ 1+x^2+x^3 &\mathrel{\hat{=}} e_1+e_3+e_4 \end{aligned}(1000010010110010)⇝⋯⇝(1000010000100001)\begin{pmatrix} 1 & 0 & 0 & 0\\ 0 & 1 & 0 & 0\\ 1 & 0 & 1 & 1\\ 0 & 0 & 1 & 0 \end{pmatrix} \leadsto \cdots \leadsto \begin{pmatrix} 1 & 0 & 0 & 0\\ 0 & 1 & 0 & 0\\ 0 & 0 & 1 & 0\\ 0 & 0 & 0 & 1 \end{pmatrix}⇒linear unabha¨ngig, also ist B′ eine Basis von P3 □\Rightarrow \quad \text{linear unabhängig, also ist $\mathcal{B}'$ eine Basis von $\mathcal{P}_3$ } \quad\quad\quad\quad\quad \square

Basiswechsel, Koordinatentransformation (I)

Definition

Seien A=(e1,...,en)\mathcal{A} = (e_1, ..., e_n) die kanonische Basis vom Vektorraum V und B=(b1,...,bn)\mathcal{B} = (b_1, ..., b_n) eine weitere Basis von V beschrieben mit der kanonischen Basis. Dann existiert eine Transformationsmatrix mit:

TAB=(b1∣⋯∣bn) mit bi=TABei, i∈{1,...,n}.T_A^B = (b_1 | \cdots | b_n) \quad \text{ mit } b_i = T_A^B e_i, \, i \in \{1, ..., n\}.VA→TBAVBV_\mathcal{A} \xrightarrow{\quad T_B^A \quad} V_\mathcal{B}
Bemerkung

Es gilt die folgende Rechenregel: TBA=(TAB)−1\quad T_B^A = (T_A^B)^{-1}
Mit der obigen Definition erhalten wir somit: TBAbi=ei, i∈{1,...,n}\quad T_B^A b_i = e_i, \, i \in \{1, ..., n\}.