Sie sind auf Seite 1von 19

Koordinaten und darstellende Matrizen

Olivier Sète

14. Juli 2008

Inhaltsverzeichnis
1 Koordinatenabbildung 2
1.1 Definition und Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Matrixdarstellung eines Vektorraumhomomorphismus 3


2.1 Berechnung einer darstellenden Matrix . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Zusammenhang zwischen darstellender Matrix und linearer Abbildung . . . . 5
2.3 Mehr Übersicht durch Diagramme . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Matrixdarstellung von Verknüpfungen von linearen Abbildungen . . . . . . . 9

3 Basiswechsel 10
3.1 Basiswechselmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Basiswechsel und darstellende Matrizen . . . . . . . . . . . . . . . . . . . . . 13
3.4 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4 Matrixdarstellung von Bilinearformen (Sesquilinearformen) 15


4.1 Berechnung einer darstellenden Matrix . . . . . . . . . . . . . . . . . . . . . . 15
4.2 Basiswechsel und darstellende Matrizen bei Bilinearformen (Sesquilinearform) 17
4.3 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1
2 1 KOORDINATENABBILDUNG

1 Koordinatenabbildung
Ziel: Von einem beliebigen (abstrakten) endlichdimensionalen K-Vektorraum in den (kon-
kreteren) K-Vektorraum K n wechseln, da man dort leichter rechnen kann (viele Hilfsmittel).

1.1 Definition und Eigenschaften


Sei K ein Körper (zum Beispiel R oder C, aber es funktioniert für jeden erdenklichen Körper!),
und V ein endlich-dimensionaler K-Vektorraum mit dimK (V ) = n.

Bekanntlich existieren dann Basen, und wir wählen eine aus: Sei
B = {v1 , . . . , vn }
(in dieser Reihenfolge) eine K-Basis von V .

Dann gilt: für jedes v ∈ V existieren Koeffizienten αj ∈ K, 1 ≤ j ≤ n, so dass sich v als


Linearkombination der vj darstellen lässt:
n
X
v= αj vj .
j=1

Die Koeffizienten α1 , . . . , αn heißen Koordinaten von v (bezüglich B). Schreibt man α1 , . . . , αn


als Vektor, nennt man das den Koordinatenvektor von v.

Wichtig: da B eine Basis ist, sind die αj eindeutig durch das v bestimmt.

Daher können wir eine Abbildung definieren, die dem v die αj , genauer den Koordinatenvek-
tor, zuordnet. Das ist die sogenannte Koordinatenabbildung ΦB (bezüglich der Basis B):
ΦB : V −→ K n
 
α1
7 → ΦB (v) :=  ... 
v−
 

αn B
Achtung: ΦB hängt natürlich von der Wahl der Basis ab. Eine andere Basis definiert eine
andere Koordinatenabbildung.

Der Index B am Vektor in K n soll andeuten, dass es sich um Koordinaten bezüglich der
Basis B handelt. Dies dient nur der Übersicht (wo lebt dieses Objekt?), und wird natürlich
meistens weggelassen. Wir wollen ihn aber erstmal mitnehmen, da die Koordinaten eben von
der Wahl der Basis abhängen.

Man kann zeigen, dass ΦB ein Vektorraumisomorphismus zwischen V und K n ist (d.h. ΦB
ist ein bijektiver Vektorraumhomomorphismus).

Dieser Sachverhalt wird oft ausgenutzt, um ein Problem von einem abstrakten“ Vektorraum

V ein den konkreten“ Matrizenvektorraum K n zu übersetzen, da zu lösen, und dann zurück-

zurechnen (z.B. um den Kern von linearen Abbildungen zu berechnen).
1.2 Beispiel 3

1.2 Beispiel
Betrachte C[t]≤3 , den Raum der Polynome in t über C vom Grad kleiner gleich 3, als C-
Vektorraum. Es ist

C[t]≤3 = a3 t3 + a2 t2 + a1 t + a0 1 a0 , a1 , a2 , a3 ∈ C .


Dann ist B = 1, t, t2 , t3 eine C-Basis von C[t]≤3 (dies ist die sogenannte kanonische Basis).


Dann sieht die Koordinatenabbildung ΦB bezüglich der Basis B so aus:


 
a0
a1 
a3 t3 + a2 t2 + a1 t + a0 1 = 
 
ΦB a2  .

a3 B

Um einmal an einem Beispiel zu sehen, dass sich Koordinaten bezüglich


verschiedener Basen
2 3

unterscheiden, betrachten wir eine weitere Basis B = 1, 1 + t, t , t . Bezeichnet ΦB
e e die zu
dieser Basis gehörige Koordinatenabbildung, so folgt

3 2 3 2
 
ΦB
e a3 t + a2 t + a1 t + a0 1 = ΦBe a3 t + a2 t + a1 (1 + t) + (a0 − a1 ) 1
 
a0 − a1
 a1 
=
 a2  .

a3 Be

Wir stellen fest: die Koordinatenvektoren des Polynoms sind bezüglich verschiedener Basen
(B und B)e verschieden.

Andersherum kann es sein, dass Koordinatenvektoren bezüglich verschiedener Basen gleich


aussehen, aber verschiedene Vektoren darstellen. Zum Beispiel ist
   
0 0
1 1
ΦB (t) =  
0 und   = Φ e (1 + t) ,
0 B

0 B 0 Be

von daher sind die Koordinatenvektoren nicht gleich, auch wenn es die selben 4 × 1-Matrizen
sind.

2 Matrixdarstellung eines Vektorraumhomomorphismus


Ziel: Beschreibe eine lineare Abbildung zwischen endlichdimensionalen Vektorräumen als
Matrix, da man für Matrizen sehr gute Rechenverfahren hat (auch computertaugliche!). Z.B.
lässt sich ein Kern dann als Lösung eines homogenen linearen Gleichungssystems berechnen,
wo man den Gauß-Algorithmus anwenden kann.
4 2 MATRIXDARSTELLUNG EINES VEKTORRAUMHOMOMORPHISMUS

2.1 Berechnung einer darstellenden Matrix


Sei K ein Körper und V und W zwei endlichdimensionale K-Vektorräume mit dimK (V ) = n,
dimK (W ) = m und BV = {v1 , . . . , vn } eine K-Basis von V , BW = {w1 , . . . , wm } eine K-
Basis von W .

Sei f : V → W ein Vektorraumhomomorphismus (=lineare Abbildung).

Berechne die Bilder f (vj ) der Basisvektoren vj von V . Da ∀ 1 ≤ j ≤ n : f (vj ) ∈ W ,


lässt sich f (vj ) in der Basis BW von W darstellen. D.h. es existieren eindeutige Elemente
aij ∈ K (1 ≤ i ≤ m, 1 ≤ j ≤ n) mit
f (v1 ) = a11 w1 + a21 w2 + . . . + am1 wm
f (v2 ) = a12 w1 + a22 w2 + . . . + am2 wm
..
.
f (vj ) = a1j w1 + a2j w2 + . . . + amj wm
..
.
f (vn ) = a1n w1 + a2n w2 + . . . + amn wm
 T
Dabei sind die Koeffizienten aij die Koordinaten von f (vj ), genauer ist a1j a2j . . . amj BW
der Koordinatenvektor von f (vj ).
Möchte man dies mit der Koordinatenabbildung schreiben, sieht dies so aus:
 
a1j
 a2j 
ΦBW (f (vj )) =  .  .
 
 .. 
amj BW

Dann ist die darstellende Matrix matBV →BW (f ) von f bezüglich den Basen BV und BW
gegeben durch
 
a11 a12 . . . a1n
 a21 a22 . . . a2n  m,n
matBV →BW (f ) =  . ..  ∈ K .
 
.. ..
 .. . . . 
am1 am2 . . . amn
Beachte, dass die Koordinaten von f (v1 ) in die erste Spalte kommen, die von f (v2 ) in die
zweite, ...

Nutzt man die Koordinatenabbildung, so kann man dies auch so schreiben:


 
matBV →BW (f ) = ΦBW (f (v1 )) ΦBW (f (v2 )) . . . ΦBW (f (vn )) .
Wir haben eben gesehen, dass wir jeder linearen Abbildung f : V → W eine eindeutige Matrix
matBV →BW (f ) zuordnen können. Dies können wir als Abbildung
matBV →BW : L (V, W ) −→ K m,n
f 7−→ matBV →BW (f )
2.2 Zusammenhang zwischen darstellender Matrix und linearer Abbildung 5

interpretieren (dabei bezeichnet L (V, W ) = HomK (V, W ) die Menge der linearen Abbildun-
gen von V nach W ).

In der Vorlesung wurde gezeigt, dass matBV →BW sogar ein Vektorraumisomorphismus ist.

2.2 Zusammenhang zwischen darstellender Matrix und linearer Abbildung

Frage: Was hat die berechnete Matrix mit der linearen Abbildung f zu tun ?

Wir werden beweisen, dass

f (v) = w ⇔ matBV →BW (f ) ΦBV (v) = ΦBW (f (v))


   
β1 γ1
 ..   .. 
⇔ matBV →BW (f )  .  = .  ,
βn BV
γm BW

wobei v ∈ V und w := f (v) ∈ W , mit Koordinatendarstellung in der jeweiligen Basis:

 
n β1
βj vj =: v1 . . . vn  ... 
X   
v=
j=1 βn B
 V
m γ1
X   . 
w= γj wj =: w1 . . . wm  .. 
j=1 γm B
W

(Dabei ist das hintere formale Matrixprodukt durch die vordere Summe definiert).

D.h. die darstellende Matrix von f bildet die Koordinaten von v auf die Koordinaten von w
ab (entsprechend der Basen, die bei der Berechnung von matBV →BW (f ) benutzt wurden).
Anders gesagt macht matBV →BW (f ) mit den Koordinatenvektoren das, was f mit den Vek-
toren macht.

In der Tat gilt: Speziell sind die Koordinaten von vj durch den kanonischen Einheitsvektor
ej gegeben: ΦBV (vj ) = ej . Also folgt:

 
a1j
matBV →BW (f ) ΦBV (vj ) = matBV →BW (f ) ej =  ...  = ΦBW (f (vj ))
 

amj B
W
6 2 MATRIXDARSTELLUNG EINES VEKTORRAUMHOMOMORPHISMUS

Dann gilt:
 
β1 n
(f )  ... 
X
matBV →BW = matBV →BW (f ) ΦBV (v) = matBV →BW (f ) βj ej
 

βn j=1
BV
n
X n
X
= βj matBV →BW (f ) ej = βj ΦBW (f (vj ))
j=1 j=1
 
Xn
= ΦBW  βj f (vj ) = ΦBW (f (v)) = ΦBW (w)
j=1
 
γ1
 .. 
= . 
γm B
W

Dies zeigt unsere Behauptung.

Damit haben wir geschafft: gehen wir von V und W zu K n und K m über (mit den Ko-
ordinatenabbildungen, die Isomorphismen sind), können wir die Aktion von f durch eine
Matrixmultiplikation beschreiben.

Achtung: Die darstellende Matrix kann immer nur auf Koordinatenvektoren (bzgl. BV ) an-
gewandt werden (selbst wenn V schon ein K n ist), und liefert immer nur Koordinatenvektoren
(bzgl. BW ).
Andersherum kann die Abbildung selbst nur auf Vektoren aus V angewandt werden, nicht
auf die Koordinatenvektoren (dies wird am Beispiel 2.4 deutlich, siehe unten).

Man stelle sich z.B. vor, dass V und W Polynomvektorräume sind. Was soll dann bitte die
Multiplikation einer Matrix mit einem Polynom sein ? Da kommt eine ganze Matrix voller
Polynome heraus, nicht ein einzelnes Polynom aus W .

2.3 Mehr Übersicht durch Diagramme


Die bisherigen Resultate können wir in Form eines Bildes“ darstellen. Dies hat als Vorteil,

dass man sich das ganze vielleicht leichter merken kann, und nicht so schnell die Übersicht
verliert, in welchem Raum man sich gerade befindet.

f
V /W
O
Φ BV Φ−1
B W

Kn / Km
matBV →BW (f )

So ein Bild wird Diagramm genannt. Es beschreibt wie die verchiedenen vorhandenen Ab-
bildungen zusammenhängen. Hier haben wir f, matBV →BW (f ) , ΦBV , ΦBW und die Inverse
Koordinatenabbildung Φ−1
BW .
2.4 Beispiel 7

Ein Diagramm heißt kommutativ, falls folgendes gilt: Können wir einen Punkt im Diagramm
auf zwei verschiedene Weisen auf einen anderen Raum abbilden, so sind die Bilder gleich.

Dies ist sicher nicht für jedes Diagramm, was wir aufmalen können, richtig. Beispiel: Ersetze in obigem
Diagramm z.B. ΦBV durch die Konstante Nullabbildung, und betrachte f 6= 0L(V,W ) . Dann gibt es
v ∈ V mit f (v) 6= 0W , aber Φ−1

BW ◦ matBV →BW (f ) ◦ 0L(V,K n ) (v) = 0W 6= f (v).

Damit ist klar, dass nur vom Aufmalen eines Diagramms noch nichts folgt. Eigenschaften müssen im-
mer noch richtig bewiesen werden (auch wenn das gerne mal bei den Leuten wegfällt, die Diagramme
oft benutzen).

In unserem Fall ist das Diagramm aber kommutativ. Das haben wir oben nachgerechnet! Und
zwar haben wir gesehen, dass ∀ v ∈ V :
   
β1 γ1
 ..   .. 
matBV →BW (f ) ΦBV (v) = matBV →BW (f )  .  = .  = ΦBW (w) = ΦBW (f (v))
βn BV
γm BW
= (ΦBW ◦ f ) (v) .

Dies ist äquivalent zu

matBV →BW (f ) ◦ ΦBV = ΦBW ◦ f,

und da ΦBW bijetiv ist, zu

Φ−1
BW ◦ matBV →BW (f ) ◦ ΦBV = f.

Also haben wir es wirklich mit einem kommutativen Diagramm zu tun.

Der Nutzen ist dann, das man immer auf so einem Diagramm schauen kann, in welchem Raum
man sich befindet, und wie eben die Abbildungen zusammenhängen. Besonders interessant
wird es, wenn man dann noch verschiedene Basen und dazugehörige darstellende Matrizen
betrachtet, und wie die untereinander zusammenhängen. Siehe dazu den nächsten Abschnitt.

Am Anfang sind Diagramme gewöhnungsbedürftig, aber wenn man sich ein bischen mit ihnen
beschäftigt, sind sie sehr praktisch, da man ohne Formeln viel sagen kann.

2.4 Beispiel
Betrachte wie im ersten Abschnitt

V = C[t]≤3 = a3 t3 + a2 t2 + a1 t + a0 1 a0 , a1 , a2 , a3 ∈ C .


als C-Vektorraum. Als lineare Abbildung wollen wir die Ableitung von Polynomen betrachten:

D : C[t]≤3 −→ C[t]≤3
a3 t3 + a2 t2 + a1 t + a0 1 7−→ 3a3 t2 + 2a2 t + a1 1
8 2 MATRIXDARSTELLUNG EINES VEKTORRAUMHOMOMORPHISMUS

Für eine darstellende Matrix brauchen wir jetzt zwei Basen. Wir wählen beide gleich der
kanonischen Basis:

BV = BW := B = 1, t, t2 , t3 .


Berechne die Bilder der Basisvektoren:

D (1) = 0 = 0 · 1 + 0 · t + 0 · t2 + 0 · t3 ,
D (t)  = 1 = 1 · 1 + 0 · t + 0 · t2 + 0 · t3 ,
D t2  = 2t = 0 · 1 + 2 · t + 0 · t2 + 0 · t3 ,
D t3 = 3t2 = 0 · 1 + 0 · t + 3 · t2 + 0 · t3 .

Damit hat die darstellende Matrix bzgl. B die Gestalt


 
0 1 0 0
0 0 2 0
matB→B (D) = 
0
.
0 0 3
0 0 0 0

Hier sehen wir noch einmal am Beispiel, dass die darstellende Matrix matB→B (D) nur auf
Koordinatenvektoren angewandt werden kann, nicht aber auf die Polynome: Matrix mal Po-
lynom ergibt einfach nichts sinnvolles.
Andersherum kann die lineare Abbildung D nur auf Polynome angewandt werden, nicht aber
auf Koordinatenvektoren: Die Polynomableitung macht für Spaltenvektoren nun einmal kei-
nen Sinn.
In beiden Fällen sind die Räume einfach falsch, was man auch im folgenden Diagramm wie-
derfinden kann:

C[t]≤3
D / C[t]≤3
O
ΦB Φ−1
B

C4 / C4
matB→B (D)

Dieses Diagramm kommutiert, wie wir in Abschnitt 2.3 gesehen haben.

Wir wollen noch die darstellende Matrix bezüglich anderer Basen berechnen, und zwar bezüglich
der bereits aus dem ersten Abschnitt bekannten Basis

e = 1, 1 + t, t2 , t3 .

eV = B
B e W := B

Wir berechnen wieder die Bilder der Basisvektoren und stellen diese in der Basis B
e W dar:

D (1) = 0 = 0 · 1 + 0 · (1 + t) + 0 · t2 + 0 · t3 ,
D (1 + t) = 1 = 1 · 1 + 0 · (1 + t) + 0 · t2 + 0 · t3 ,
D t2  = 2t = −2 · 1 + 2 · (1 + t) + 0 · t2 + 0 · t3 ,
D t3 = 3t2 = 0 · 1 + 0 · (1 + t) + 3 · t2 + 0 · t3 .
2.5 Matrixdarstellung von Verknüpfungen von linearen Abbildungen 9

Also hat die darstellende Matrix von D bezüglich e die Gestalt


B
 
0 1 −2 0
0 0 2 0
matB→e Be (D) = 
 .
0 0 0 3
0 0 0 0

Wir halten noch fest, dass matB→B (D) einfacher aussieht als matB→ e Be (D). Hier lässt sich
erahnen, dass es Basen gibt, in denen die darstellende Matrix einer linearen Abbildung schöner
aussieht (d.h. eine einfachere Gestalt besitzt) als in anderen Basen. Dies ist insbesondere bei
Endomorphismen von Interesse, und führt auf das Diagonalisieren von quadratischen Matrizen
und letztendlich auf die Jordannormalform.

2.5 Matrixdarstellung von Verknüpfungen von linearen Abbildungen


Sei K ein Körper, V, W, X endlichdimensionale K-Vektorräume. Seien BV , BW und BX K-
Basen von respektive V, W und X. Seien weiter f ∈ L (V, W ) und g ∈ L (W, X). Dann ist
g ◦ f : V → X wieder linear, also g ◦ f ∈ L (V, X), und wir können die Matrixdarstellung
dieser Abbildung betrachten. Für diese gilt:

matBV →BX (g ◦ f ) = matBW →BX (g) · matBV →BW (f ) .

In Worten bedeutet das: die Matrixdarstellung der Verknüpfung von Abbildungen ist das Pro-
dukt der Matrxidarstellungen der einzelnen Abbildungen, oder noch anders: beim Übergang
zu Matrizen geht Hintereinanderausführung in Multiplikation über.
Oder in Diagramm-Sprache formuliert: Ist das kommutative Diagramm
f
V NNN /W
NNN
NNN g
g◦f NNNN 
&
X
gegeben (dieses Diagramm ist kommutativ nach Definition der Verknüpfung von zwei Abbil-
dungen!), dann ist auch
matBV →BW (f )
K dimK (V ) VVV / K dimK (W )
VVVV
VVVV
VV matBW →BX (g)
matBV →BX (g◦f ) VVVVV* 
K dimK (X)
ein kommutatives Diagramm.

Der Beweis wurde in der Vorlesung erbracht, die Formel lässt sich aber auch leicht nach-
rechnen. Die größte Schwierigkeit ist, sich nicht in Indizes zu verlieren. Daher ist es sehr
empfehlenswert, die Formel einmal selbst nachzurechnen (Training !).
10 3 BASISWECHSEL

Als wichtige Konsequenz wollen wir untersuchen, wie die darstellende Matrix der Inversen
f −1 eines Isomorphismus mit der Matrixdarstellung f zusammenhängt.

Sei K ein Körper, V, W endlichdimensionale K-Vektorräume mit dimK (V ) = n = dimK (W ).


Seien BV eine K-Basis von V und BW eine K-Basis von W .

Sei f : V → W ein Isomorphismus. Dann existiert die Umkehrabbildung f −1 und ist wieder
linear. Es gelten:

idV = f −1 ◦ f und idW = f ◦ f −1 .

Wenden wir matBV →BV auf die erste und matBW →BW auf die zweite Gleichung an, so folgt:

In = matBV →BV (idV ) = matBV →BV f −1 ◦ f = matBW →BV f −1 · matBV →BW (f )


 

und

In = matBW →BW (idW ) = matBW →BW f ◦ f −1 = matBV →BW (f ) · matBW →BV f −1


 

Damit ist matBW →BV f −1 eine Links- und Rechtsinverse für matBV →BW (f ), und daher


die eindeutig bestimmte inverse Matrix von matBV →BW (f ). In Formeln:

matBW →BV f −1 = (matBV →BW (f ))−1 .




Also ist die darstellende Matrix der inversen Abbildung f −1 die Inverse der darstellenden
Matrix von f .

Wir halten noch den folgenden Spezialfall fest, da wir ihn im nächsten Abschnitt 3 benötigen.

Seien V = W, f = idV und B := BV , B


e := BW zwei K-Basen von V . Dann folgt:
−1
matB→B
e (idV ) = matB→Be (idV ) .

3 Basiswechsel
Ziel: Koordinaten bezüglich verschiedener Basen ineinander umrechnen, sowie darstellende
Matrizen bezüglich verschiedener Basen ineinander umrechnen.

3.1 Basiswechselmatrizen
Bisher haben wir immer nur eine Basis pro Vektorraum betrachtet. Wir wissen aber, dass
es i.A. verschiedene Basen gibt. Wir wollen nun untersuchen, wie sich Koordinatenvektoren
bezüglich verschiedener Basen ineinander umrechnen lassen.
3.1 Basiswechselmatrizen 11

Sei also K ein Körper und V ein K-Vektorraum mit dimK (V ) = n. Seien B = {v1 , . . . , vn }
und Be = {ev1 , . . . , ven } zwei K-Basen von V , und ΦB und ΦB
e die zugehörigen Koordinaten-
abbildungen.

Wie hängen diese zusammen ? Die Situation lässt sich wie folgt darstellen:

?1
V /V

ΦB ΦB
e
 
Kn / Kn
?2

Gesucht ist nun, was anstelle der ?“ stehen soll. Beachte, dass der Zusammenhang bijektiv

sein muss, da wir von den einen Koordinaten auf die zugehörigen Vektoren und dann auf die
anderen Koordinaten umrechnen können (in beide Richtungen).

Da wir verschiedene Koordinatendarstellungen eines Vektors v ∈ V untersuchen wollen, darf


die Abbildung von V nach V die Vektoren nicht verändern, womit nur die Identität auf V
in Frage kommt! Wir ersetzen also ?1 = idV . Wir bemerken auch, dass idV bijektiv ist, was
unserer ersten Überlegung Rechnung trägt.

Da wir nun herausgefunden haben, das idV die gesuchte Abbildugn von V nach V ist, wissen
wir aus dem vorherigen Abschnitt sofort, welche Abbildung wir zwischen K n und K n wählen
müssen: die Matrixdarstellung von idV bezüglich der Basen B und B.
e

Daher erhalten wir folgendes kommutatives Diagramm:

idV
V /V

ΦB ΦB
e
 
Kn / Kn
matB→B
e (idV )

Wir halten fest: Hier schreibt sich die vorletzte Formel aus Abschnitt 2.3:

e (idV ) ◦ ΦB = ΦB
matB→B e ◦ idV = ΦB
e,

Daher: Um Koordinaten bzgl. B in Koordinaten bzgl. B e umzurechnen, wird der Koordina-


tenvektor bzgl. B mit matB→B e (idV ) multipliziert, das Ergebnis ist der Koordinatenvektor
bzgl. B. In Formeln schreibt sich das für v ∈ V :
e

e (idV ) · ΦB (v) = ΦB
matB→B e (v) ,

Die Matrix matB→B e (idV ) wird dann Basisübergangsmatrix oder (Basiswechselmatrix) von
der Basis B in die Basis B
e genannt.

Im Abschnitt 2.5 haben wir gezeigt, dass


−1
matB→B
e (idV ) = matB→B
e (idV )
12 3 BASISWECHSEL

gilt. Also wird der umgekehrte Basiswechsel durch die Inverse der ursprünglichen Basiswech-
selmatrix beschrieben.

Wir wollen noch einmal aufschreiben, wie sich die Koeffizienten der Matrix matB→B
e (idV )
 
berechnen. Setze matB→Be (idV ) =: p ij = P , so sind die p ij durch

v1 = p11 ve1 + p21 ve2 + . . . + pn1 ven


v2 = p12 ve1 + p22 ve2 + . . . + pn2 ven
..
.
vn = p1n ve1 + p2n ve2 + . . . + pnn ven

eindeutig bestimmt.
Dies lässt sich auch als
   
v1 v2 . . . vn = ve1 ve2 . . . ven P

schreiben, wobei diese Matrixmultiplikation rein formal zu verstehen ist. (Schließlich müssen
weder vj noch vej Spaltenvektoren sein).

Damit haben wir genau die Definition der Basisübergangsmatrix aus der Vorlesung (und dem
Skript) wiedergefunden.

Achtung: Die Basisübergangsmatrix matB→B e (idV ) wird von links an die Koordinatenvek-
toren multipliziert, aber von rechts an die Basisvektoren von V .

3.2 Beispiel
Betrachte wieder den Vektorraum V = C[t]≤3 , mit den beiden Basen B = 1, t, t2 , t3 und

e = 1, 1 + t, t2 , t3 .

B

Die Basiswechselmatrix matB→B


e (idV ) von B nach B berechnet sich dann als:
e

idV (1) = 1 = 1 · 1 + 0 · (1 + t) + 0 · t2 + 0 · t3 ,
idV (t)  = t = −1 · 1 + 1 · (1 + t) + 0 · t2 + 0 · t3 ,
idV t2  = t2 = 0 · 1 + 0 · (1 + t) + 1 · t2 + 0 · t3 ,
idV t3 = t3 = 0 · 1 + 0 · (1 + t) + 0 · t2 + 1 · t3 ,

also
 
1 −1 0 0
0 1 0 0
matB→B
e (idV ) = 
 .
0 0 1 0
0 0 0 1
3.3 Basiswechsel und darstellende Matrizen 13

Mit den bereits in Abschnitt 1.2 berechneten Koordinatendarstellungen folgt


  
1 −1 0 0 a0
3 2
 0 1 0 0 a1 
matB→B e (idV ) ΦB a3 t + a2 t + a1 t + a0 1 = 
  
0 0 1 0 a2 
0 0 0 1 a3 B
 
a0 − a1
 a1 
= a2 

a3 B
3 2

= ΦB
e a3 t + a2 t + a1 t + a0 1 ,

wie es nach unseren theoretischen Überlegungen auch sein muss.

3.3 Basiswechsel und darstellende Matrizen


Wir wollen nun betrachten, wie sich darstellende Matrizen einer linearen Abbildung bzgl.
verschiedener Basen ineinander umrechnen lassen.

Sei K ein Körper, und V und W zwei endlichdimensionale K-Vektorräume mit dimK (V ) = n
und dimK (W ) = m. Seien BV = {v1 , . . . , vn } und B e = {e
v1 , . . . , ven } zwei Basen von V und
BW = {w1 , . . . , wm } und B
e W = {w em } zwei Basen von W .
e1 , . . . , w

Sei weiter f : V → W ein Vektorraumhomomorphismus.

Wir haben bereits gesehen, wie matBV →BW (f ) und matB e W (f ) aus f berechnet werden
e V →B
können.

Aber wie hängen beide darstellende Matrizen zusammen ?

Es ist

f = idW ◦f ◦ idV ,

da beide Identitäten nichts bewirken. Übergang zur Matrixdarstellung mit matB e W liefert:
e V →B

matB e W (f ) = matB
e V →B e W (idW ◦f ◦ idV ) .
e V →B

Nun nutzen wir das Ergebnis aus Abschnitt 2.5 und schieben in V die Basis BV und in W
die Basis BW dazwischen:

matB e W (f ) = matB
e V →B e W (idW ◦f ◦ idV )
e V →B

e W (idW ◦f ) · matB
= matBV →B e V →BV (idV )

e W (idW ) · matBV →BW (f ) · matB


= matBW →B e V →BV (idV ) .

Damit haben wir den gesuchten Zusammenhang zwischen zwei darstellenden Matrizen einer
linearen Abbildung bzgl. verschiedener Basen gefunden. Dieser lässt sich wieder in einem
14 3 BASISWECHSEL

kommutativen Diagramm darstellen:

matBV →BW (f )
Kn / Km
O
matB (idV ) matB (idW )
V →B V W →BW
e e

Kn / Km
matB (f )
V →B W
e e

Als Letztes wollen wir die Ergebnisse aus diesem Abschnitt (Zusammenhang zwischen dar-
stellenden Matrizen bzgl. verschiedener Basen) und die aus Abschnitt 2.3 (Zusammenhang
zwischen Abbildung und ihrer Matrixdarstellung bzgl. gegebener Basen) zu einem großen
kommutativen Diagramm zusammenfassen. Dabei behalten wir die Bezeichnungen von eben
bei.

matBV →BW (f )
K n`A / Km
AA | |= O
AA ||
AA Φ ΦBW ||
|
AA BV |
AA |
AA ||
AA |||
A |
f ||
matB (idV ) V /W matB (idW )
V →B V
e
} BB e
W →BW
}} BB
} BB
}} BB
}}} BB
BB
}} ΦB ΦB BB
}} V W
BB
e e

}} B!
 }
~
Kn / Km
matB (f )
V →B W
e e

3.4 Beispiel
Betrachte wieder den C-Vektorraum V = C[t]≤3 mit den beiden C-Basen B = 1, t, t2 , t3

e = 1, 1 + t, t2 , t3 , und als lineare Abbildung die Ableitung D.

und B

Aus den vorigen Beispielen ist bereits bekannt:


 
0 1 00
0 0 2
0
matB→B (D) =  0
,
0 0
3
0 0 00
 
0 1 −2 0
0 0 2 0
matB→
e Be (D) = 
 ,
0 0 0 3
0 0 0 0
 
1 −1 0 0
0 1 0 0
matB→B
e (idV ) = 
 .
0 0 1 0
0 0 0 1
15

Wir berechnen noch die inverse Matrix der Basisübergangsmatrix:


 −1  
1 −1 0 0 1 1 0 0
−1 0 1 0 0 0 1 0 0
matB→B (idV ) = matB→B
e (idV ) =
0 0 1 0 = 0
   .
e
0 1 0
0 0 0 1 0 0 0 1

Nun ist

e (idV ) · matB→B (D) · matB→B


matB→B e (idV )
   
1 −1 0 0 0 1 0 0 1 1 0 0
0 1 0 0 0 0 2 0 0 1 0 0
=  
0 0 1 0 0 0 0 3 0 0 1 0

0 0 0 1 0 0 0 0 0 0 0 1
    
0 1 −2 0 1 1 0 0 0 1 −2 0
0 0 2 0 0 1 0 0 0 0 2 0
=0 0 0 3 0 0 1 0 = 0 0 0
   
3
0 0 0 0 0 0 0 1 0 0 0 0
= matB→
e Be (D) .

Somit hätten wir uns früher eine der beiden darstellenden Matrizen von D sparen können.

Wir können nun noch darstellende Matrizen von D bezüglich anderen Kombination von Basen
berechnen, z.B. matB→B e (D):

matB→B
e (D) = matB→B
e (idV ) matB→B (D)
    
1 −1 0 0 0 1 0 0 0 1 −2 0
0 1 0 0 0 0 2 0 0 0 2 0
=0 0 1 0 0 0 0 3 = 0
   
0 0 3
0 0 0 1 0 0 0 0 0 0 0 0

4 Matrixdarstellung von Bilinearformen (Sesquilinearformen)


Ziel: Beschreibe Bilinearformen (oder Sesquilinearformen) auf endlich-dimensionalen Vek-
torräumen durch Matrizen, wieder um gut rechnen zu können.

4.1 Berechnung einer darstellenden Matrix


Seien K ein Körper, V, W zwei endlichdimensionale K-Vektorräume mit dimK (V ) = n,
dimK (W ) = m, BV = {v1 , . . . , vn } eine K-Basis von V und BW = {w1 , . . . , wm } eine
K-Basis von W .

Sei β : V × W → K eine Bilinearform (bzw. Sesquilinearform).


16 4 MATRIXDARSTELLUNG VON BILINEARFORMEN (SESQUILINEARFORMEN)

Dann ist

matBV ×BW (β) := bi,j = β (vj , wi ) 1≤i≤m,1≤j≤n ∈ K m,n


   

die Matrixdarstellung von β bzgl. der Basen BV und BW .1

Wie bei linearen Abbildungen kann man für festes BV und BW zeigen, dass

matBV ×BW : {β : V × W → K|β bilinear (sesquilinear)} −→ K m,n


β 7−→ matBV ×BW (β)

ein Vektorraumisomorphismus ist (Übungsaufgabe !).

Bemerkung: Oft wird der Spezialfall V = W und BV = BW betrachtet. Dann erhalten wir
quadratische Matrizen.

Wir zeigen zuerst, dass die Matrixdarstellung mit der Bilinearform (Sesquilinearform) über-
einstimmt. Genauer zeigen wir, dass ∀ v ∈ V, w ∈ W mit
   
n m λ1 µ1
X X  ..   .. 
v= λj vj , w = µj wj , also ΦBV (v) =  .  =: λ, ΦBW (w) =  .  =: µ,
j=1 j=1 λn µm

gilt:

µT matBV ×BW (β) λ = β (v, w)

falls β eine Bilinearform ist, und

µH matBV ×BW (β) λ = β (v, w)

falls β eine Sesquilinearform ist. (Dabei haben wir K und K 1,1 identifiziert.)

Der Beweis erfolgt durch einfaches Nachrechnen:


 
λ1
 .. 
µT matBV ×BW (β) λ = µ1 . . . µm β (vj , wi ) 1≤i≤m,1≤j≤n
  
 . 
λn
 
 n
P
 m
P P n 
= µ1 . . . µm β (vj , wi ) λj = µi β (vj , wi ) λj
j=1 1≤i≤m i=1 j=1
m n  " n m
!#
P P
β (λj vj , µi wi ) = β
P P
= λj vj , µi wi
i=1 j=1 j=1 i=1
 
= β (v, w) = β (v, w)
1
In einigen Büchern wird die Matrixdarstellung genau durch die Transponierte unserer Matrix definiert. Das
ändert nichts an der Theorie, und wir erhalten Sätze für diese andere Definition aus den hier gezeigten
durch transponieren der Gleichungen.
4.2 Basiswechsel und darstellende Matrizen bei Bilinearformen (Sesquilinearform) 17

Im Falle einer Sesquilinearform geht die Rechnung analog, das komplex konjugieren der µi
am Anfang verschwindet beim hineinziehen der µi ins zweite Argument von β.

Damit ist gezeigt, dass die Matrixdarstelleung einer Bilinearform (Sesquilinearform) mit der
Bilinearform (Sesquilinearform) übereinstimmt, also ist die Definition sinnvoll.

4.2 Basiswechsel und darstellende Matrizen bei Bilinearformen


(Sesquilinearform)
Ziel: Darstellende Matrizen von Bilinearformen (Sesquilinearformen) bezüglich verschiedener
Basen ineinander Umrechnen.

Sei K ein Körper. Seien V und W zwei endlichdimensionale K-Vektorräume mit dimK (V ) = n
und dimK (W ) = m. Seien BV = {v1 , . . . , vn } und B e V = {ev1 , . . . , ven } zwei K-Basen von V
und BW ={w1 , . . . , wm } und BW = {w
e
em } zwei K-Basen von W .
e1 , . . . , w
Seien P = pij := matB e V →BV (idV ) und Q = qij := matB e W →BW (idW ), dann gilt
T
matB e W (β) = Q matBV ×BW (β) P
e V ×B

falls β eine Bilinearform ist, und entsprechend


H
matB e W (β) = Q matBV ×BW (β) P
e V ×B

falls β eine Sesquilinearform ist.

Der Beweis erfolgt wieder durch Nachrechnen. Ist β eine Bilinearform so ist:
QT matBV ×BW (β) P = QT β (vj , wi ) 1≤i≤m,1≤j≤n P
 
 n 
= QT
P
β (vk , wi ) pkj
k=1 1≤i≤m,1≤j≤n
m n

P P
= qli β (vk , wl ) pkj
l=1 k=1 1≤i≤m,1≤j≤n

m n 
P P
= β (pkj vk , qli wl )
l=1 k=1 1≤i≤m,1≤j≤n
  n m

P P
= β pkj vk , qli wl
k=1 l=1 1≤i≤m,1≤j≤n
 
= β (e
vj , w
ei ) 1≤i≤m,1≤j≤n
= matB e W (β) .
e V ×B

Die Aussage für Sesquilinearformen folgt wieder analog, das komplex konjugieren der qij kom-
pensiert sich, da die qij in das zweite Argument von β gezogen werden.

Bemerkung: Im Spezialfall V = W, BV = BW erhalten wir gerade eine Kongruenztransfor-


mation der darstellenden Matrix bei Basistransformation:
T
matB e V (β) = P matBV ×BV (β) P.
e V ×B
18 4 MATRIXDARSTELLUNG VON BILINEARFORMEN (SESQUILINEARFORMEN)

4.3 Beispiel
Betrachte den R-Vektorraum V = P≤3 (R) der polynomialen Abbildungen von R nach R mit
Grad kleiner gleich 3, also

P≤3 (R) = {f : R → R|∃ p ∈ R[t]≤3 mit f (x) := p (x) für alle x ∈ R} .

Definiere für 1 ≤ j ≤ 4

pj : R → R, x 7→ xj−1 .

Dann sind B := {p1 , p2 , p3 , p4 } und B


e := {p1 , p1 + p2 , p3 , p4 } zwei R-Basen von P≤3 (R).

Definiere

β : P≤3 (R) × P≤3 (R) −→ R


Z1
(p, q) 7−→ β (p, q) = p (x) q (x) dx,
0

β ist eine Bilinearform auf P≤3 (R).

Wir berechnen die Matrixdarstellung matB×B (β) von β bezüglich der Basen B und B. Wir
berechnen nur einige Einträge, die anderen bleiben zur Übung:
Z1
1 1 1
b1,j = β (pj , p1 ) = xj−1 · 1 dx = xj = ,
j 0 j
0
Z1
1
b3,4 = β (p4 , p3 ) = x3 · x2 dx = ,
6
0
...

Als Matrixdarstellung ergibt sich


 1 1 1
1 2 3 4
1 1 1 1
matB×B (β) =  2 3 4 5 .
1 1 1 1
3 4 5 6
1 1 1 1
4 5 6 7

Das die Matrixdarstellung von Vorteil sein kann, lässt sich hier nun gut erkennen. Wenn wir
einmal die darstellende Matrix haben, so können wir β (p, q) statt dem Integral nun als Pro-
dukt Vektor mal Matrix mal Vektor“ mit den Koordinatenvektoren berechnen. Bezüglich

einer geeigneten Basis, wie der kanonischen Basis B, lassen sich die Koordinaten der Polyno-
me sofort hinschreiben, und wir können β (p, q) rasch berechnen.
Andernfalls müssen erst die Polynome p und q ausmultipliziert werden, was bei Polynomen
vom Grad 3 bereits keinen Spaß mehr macht, und dann das Ergebnis integriert werden.
4.3 Beispiel 19

Nun berechnen wir matB×


e Be (β) über einen Basiswechsel. Die Basistransformationsmatrix ist

 
1 1 0 0
0 1 0 0
P = matB→B (idV ) = 
0
.
e
0 1 0
0 0 0 1

Damit folgt:
T
matB×
e Be (β) = P matB×B (β) P
1 12 1 1 
  
1 0 0 0 3 4 1 1 0 0
1 1 0 0 1 1 1 1 
=   12 31 4 5  0 1 0 0

0 1 1 
0 1 0  3 4 5 6 0 0 1 0
1 1 1 1
0 0 0 1 4 5 6 7 0 0 0 1
 1 1 1   
1 2 3 4 1 1 0 0
3 5 7 9 
= 2 6 12 20  0 1 0 0

1 1 1 1 
0 0 1 0
3 4 5 6
1 1 1 1
4 5 6 7 0 0 0 1
 3 1 1 
1 2 3 4
3 7 7 9 
= 2 3 12 20  .
 1 7 1 1 
3 12 5 6
1 9 1 1
4 20 6 7

Auch hier sehen wir: Die Transformation mit der Basisübergangsmatrix geht relativ schnell
(wenn die Basisübergangsmatrix gegeben ist oder sich leicht berechnen lässt).
Die alternative wäre hier einige Integrale zu berechnen, wobei hier, wegen der Symmetrie
dieses β, nur 10 Integrale berechnet werden müssen.