Lineare Transformation

Eine lineare Transformation ist eine Abbildung zwischen Vektorräumen, die Addition und Skalarmultiplikation erhält, der Morphismus der linearen Algebra, der durch eine Matrix dargestellt wird, sobald Basen gewählt sind.

Definition

Eine lineare Transformation zwischen Vektorräumen über demselben Körper ist eine Funktion, die die Vektoraddition und die Skalarmultiplikation respektiert, sodass das Bild einer Linearkombination die entsprechende Linearkombination der Bilder ist.

Scope

Dieses Thema behandelt lineare Abbildungen und deren Kerne und Bilder, den Rang-Defekt-Satz, die Matrix einer linearen Abbildung bezüglich Basen, Basiswechsel, Komposition und Invertierbarkeit sowie die Korrespondenz zwischen abstrakten linearen Abbildungen und Matrizen.

Core questions

• Was bedeutet es für eine Abbildung, linear zu sein?
• Wie messen Kern und Bild Injektivität und Surjektivität?
• Wie wird eine lineare Transformation durch eine Matrix dargestellt, und wie ändert sich diese Matrix mit der Basis?
• Wann ist eine lineare Transformation invertierbar?

Key theories

Rang-Defekt-Satz

Für eine lineare Abbildung zwischen endlichdimensionalen Räumen entspricht die Dimension des Definitionsbereichs der Dimension des Bildes plus der Dimension des Kerns, wodurch Injektivität, Surjektivität und die Lösbarkeit linearer Systeme miteinander verknüpft werden.

Matrixdarstellung und Basiswechsel

Die Wahl von Basen stellt eine lineare Abbildung durch eine Matrix dar, die Komposition entspricht der Matrizenmultiplikation, und der Basiswechsel konjugiert die Matrix, sodass ähnliche Matrizen denselben Operator in verschiedenen Koordinaten darstellen.

Isomorphismus mit Matrizen

Der Raum der linearen Abbildungen zwischen endlichdimensionalen Räumen ist isomorph zu einem Raum von Matrizen, wodurch die abstrakten und konkreten Standpunkte austauschbar werden und die lineare Algebra auf Matrizenberechnungen reduziert wird.

Clinical relevance

Lineare Transformationen modellieren Rotationen, Projektionen und Skalierungen in Geometrie und Grafik, Observablen und Zeitentwicklung in der Quantenmechanik sowie die Schichten linearer Abbildungen in neuronalen Netzen. Der Rang-Defekt-Satz regelt die Lösbarkeit jedes in Anwendungen auftretenden linearen Systems.

History

Der Matrizenkalkül von Cayley und Sylvester gab linearen Abbildungen Mitte des 19. Jahrhunderts eine konkrete Darstellung, während Grassmann und Peano die abstrakte, koordinatenfreie Sichtweise linearer Abbildungen zwischen Vektorräumen lieferten, die der modernen Theorie zugrunde liegt.

Key figures

• Arthur Cayley
• James Joseph Sylvester
• Hermann Grassmann
• Giuseppe Peano

Seminal works

• hoffman1971
• roman2008
• lang2002

Frequently asked questions

Warum wird dieselbe lineare Abbildung durch verschiedene Matrizen dargestellt?

Eine Matrix hängt von der Wahl der Basen für den Definitionsbereich und den Zielbereich ab. Ein Basiswechsel konjugiert die Matrix, sodass ein einzelner linearer Operator einer ganzen Ähnlichkeitsklasse von Matrizen entspricht, weshalb kanonische Formen nützlich sind.

Was sagt Ihnen der Rang-Defekt-Satz?

Er besagt, dass die Dimensionen des Kerns und des Bildes sich zur Dimension des Definitionsbereichs addieren. Dies entscheidet sofort, wann ein lineares System Lösungen hat und wie groß seine Lösungsmenge ist, und wann eine Abbildung injektiv oder surjektiv ist.