TU Wien:Algebra und Diskrete Mathematik VU (diverse)/Übungen 2025W/Beispiel 543

Sei $V=ℝ[x]$ der Vektorraum der Polynome in $x$ mit Koeffizienten aus $ℝ$. Sei weiters eine Abbildung $I$ definiert durch $I(\sum _{k=0}^n{a}_k\cdot x^k)=\sum _{k=0}^n{a}_k\cdot \frac{x^{k+1}}{k+1}$.

Untersuchen Sie, ob $I$ eine lineare Abbildung ist. Ist diese Abbildung injektiv, surjektiv oder bijektiv?

Anmerkung: Es handelt sich hier um die lineare Abbildung von einem Polynom zu seinem unbestimmten Integral.

Dieses Beispiel ist als solved markiert. Ist dies falsch oder ungenau? Aktualisiere den Lösungsstatus (Details: Vorlage:Beispiel)

Hilfreiches von Har203

Vektorraum Polynomräume

Lineare Abbildung

Definition:

Seien $<V,\oplus ,K>$ und $<W,⊞,K>$ Vektorräume über dem Körper $K$.

$f:V\to W$ heißt lineare Abbildung (Homomorphismus), wenn

1. $\mathrm{\forall }\overrightarrow{x},\overrightarrow{y}\in V:f(\overrightarrow{x}\oplus \overrightarrow{y})=f(\overrightarrow{x})⊞f(\overrightarrow{y})$
2. $\mathrm{\forall }\lambda \in K:f(\lambda \overrightarrow{x})=\lambda f(\overrightarrow{x})$

Jede lineare Abbildung kann auch durch eine Matrix $M$ festgelegt werden, für die gilt:

$\mathrm{\forall }\overrightarrow{x}\in V:f(\overrightarrow{x})=M\overrightarrow{x}$

Umgekehrt legt jede Matrix${}^{n\times m}$ eine lineare Abbildung fest.

Abbildungsmatrix

Dimension

Dimension

Die Dimension eines Vektorraums bezeichnet die Anzahl der Vektoren in jeder Basis von ihm. (Alle Basen eines Vektorraums enthalten dieselbe Anzahl von Vektoren.)

Rang

Bei einer linearen Abbildung $f$ ist der Rang als Dimension des Bildes dieser Abbildung definiert. Dabei gilt stets, dass eine lineare Abbildung und die zugehörige Abbildungsmatrix denselben Rang haben:

$\mathrm{rk}(f)=\dim (\mathrm{im}(f))$, also dem Bild der Abbildung $f$.

Kern

Der Kern einer Abbildung dient in der Algebra dazu, anzugeben, wie stark die Abbildung von der Injektivität abweicht. Dabei ist die genaue Definition abhängig davon, welche algebraischen Strukturen betrachtet werden. So besteht beispielsweise der Kern einer linearen Abbildung $f:V\to W$ zwischen Vektorräumen $V$ und $W$ aus denjenigen Vektoren in $V$, die auf den Nullvektor in $W$ abgebildet werden; er ist also die Lösungsmenge der homogenen linearen Gleichung $f(x)=0$ und wird hier auch Nullraum genannt. In diesem Fall ist $f$ genau dann injektiv, wenn der Kern nur aus dem Nullvektor in $V$ besteht. Analoge Definitionen gelten für Gruppen- und Ringhomomorphismen. Der Kern ist von zentraler Bedeutung im Homomorphiesatz. Definition Ist $f:V\to W$ eine lineare Abbildung von Vektorräumen, dann heißt die Menge

$\mathrm{Kern}f:=\{v\in V\mid f(v)=0\in W\}$

der Kern von $f$. Er ist ein Untervektorraum von $V$.

Eigenschaften von Abbildungen: injektiv / surjektiv / bijektiv

• Eine Funktion $f:X\to Y$ ist injektiv, wenn $\mathrm{\forall }{x}_1,x_2\in Y:f(x_1)=f(x_2)\Rightarrow x_1=x_2$
• Eine Funktion $f:X\to Y$ ist surjektiv, wenn $\mathrm{\forall }y\in Y:\mathrm{\exists }x\in X$ mit $f(x)=y$.
• Eine Funktion $f:X\to Y$ ist bijektiv, wenn sie sowohl injektiv, als auch surjektiv ist.

lineare Abbildung injektiv / surjektiv / bijektiv

• Monomorphismus: Ein Monomorphismus zwischen Vektorräumen ist eine lineare Abbildung $f:V\to W$, die injektiv ist. Dies trifft genau dann zu, wenn die Spaltenvektoren der Darstellungsmatrix linear unabhängig sind.
• Epimorphismus: Ein Epimorphismus zwischen Vektorräumen ist eine lineare Abbildung $f:V\to W$, die surjektiv ist. Das ist genau dann der Fall, wenn der Algebra) Rang der Darstellungsmatrix gleich der Dimension von $𝐖$ ist.
• Isomorphismus: Ein Isomorphismus zwischen Vektorräumen ist eine lineare Abbildung $f:V\to W$, die bijektiv ist. Das ist genau der Fall, wenn die Darstellungsmatrix regulär ist. Die beiden Räume $V$ und $W$ bezeichnet man dann als isomorph.
• Endomorphismus: Ein Endomorphismus zwischen Vektorräumen ist eine lineare Abbildung, bei der die Räume $V$ und $W$ gleich sind: $f:V\to V$. Die Darstellungsmatrix dieser Abbildung ist eine quadratische Matrix.
• Automorphismus: Ein Automorphismus zwischen Vektorräumen ist eine bijektive lineare Abbildung, bei der die Räume $V$ und $W$ gleich sind. Er ist also sowohl ein Isomorphismus als auch ein Endomorphismus. Die Darstellungsmatrix dieser Abbildung ist eine reguläre Matrix.

Lösungsvorschlag von Har203

--Har203 02:45, 4. Jan. 2026 (CET)

Sei $V=ℝ[x]$ der Vektorraum der Polynome in $x$ mit Koeffizienten aus $ℝ$. Sei weiters eine Abbildung $I$ definiert durch

$I(\sum _{k=0}^n{a}_k\cdot x^k)=\sum _{k=0}^n{a}_k\cdot \frac{x^{k+1}}{k+1}$.

Untersuchen Sie, ob $I$ eine lineare Abbildung ist. Ist diese Abbildung injektiv, surjektiv oder bijektiv ?

• $f:V=ℝ[x{]}^n\to W=ℝ[x{]}^{n+1}$ heißt lineare Abbildung (Homomorphismus), wenn

1. $\mathrm{\forall }\overrightarrow{x},\overrightarrow{y}\in V:f(\overrightarrow{x}\oplus \overrightarrow{y})=f(\overrightarrow{x})\odot f(\overrightarrow{y})$
2. $\mathrm{\forall }\lambda \in K:f(\lambda \cdot \overrightarrow{x})=\lambda \cdot f(\overrightarrow{x})$

Wir haben hier eine Abbildung vom Vektorraum $f:V=ℝ\mathbf{[}𝐱{\mathbf{]}}^{𝐧}\to W=ℝ\mathbf{[}𝐱{\mathbf{]}}^{𝐧\mathbf{+}\mathrm{𝟏}}$

Beweis der additiven Verträglichkeit

Gegeben seien zwei Polynome $p(x)=\sum _{k=0}^n{p}_k\cdot x^k$ und $q(x)=\sum _{k=0}^n{q}_k\cdot x^k$ beide $\in V={ℝ}_n[x]$ vom Grad $\le n$ mit $p_k,q_k\in ℝ$ für $k=0,\dots ,n$.

Zuerst schauen wir uns die ersten Abbildungen für $:n=0,n=1$ an.

$\begin{array}{cccccc}𝐧\mathbf{=}\mathrm{𝟎}\mathbf{:}& I(\sum _{k=0}^0{p}_k\cdot x^k)& =& I(p_0)& =(\sum _{k=0}^0{p}_k\cdot \frac{x^{k+1}}{k+1})& =p_0\cdot \frac{x^1}{1}=p_0\cdot x\\ 𝐧\mathbf{=}\mathrm{𝟏}\mathbf{:}& I(\sum _{k=0}^1{p}_k\cdot x^k)& =& I(p_0+p_1\cdot x)& =(\sum _{k=0}^1{p}_k\cdot \frac{x^{k+1}}{k+1})& =p_0\cdot \frac{x^1}{1}+p_1\cdot \frac{x^2}{2}\\ \end{array}$

Zu zeigen ist, dass $\mathrm{\forall }p(x)\in V$ und $q(x)\in V:I(p(x)+q(x))=I(p(x))+I(q(x))\in W$ gilt.

$\begin{array}{cccc}& I(p(x)+q(x))& =I((\sum _{k=0}^n{p}_k\cdot x^k)+(\sum _{k=0}^n{q}_k\cdot x^k))=I(\sum _{k=0}^n(p_k+q_k)\cdot x^k)& =\sum _{k=0}^n(p_k+q_k)\cdot \frac{x^{k+1}}{k+1}\\ & I(p(x))+I(q(x))& =(\sum _{k=0}^n{p}_k\cdot \frac{x^{k+1}}{k+1})+(\sum _{k=0}^n{q}_k\cdot \frac{x^{k+1}}{k+1})& =\sum _{k=0}^n(p_k+q_k)\cdot \frac{x^{k+1}}{k+1}\in W=ℝ[x{]}^{n+1}\surd \text{ q.e.d}.\end{array}$

Beweis der multiplikativen Verträglichkeit

Gegeben sei wieder das oben definierte Polynom $p(x)$.

Zu zeigen ist, dass $\mathrm{\forall }p(x)\in V$ und $\lambda \in ℝ:I(\lambda \cdot p(x))=\lambda \cdot I(p(x))$ gilt.

$\begin{array}{c}I(\lambda \cdot p(x))=I(\lambda \cdot (\sum _{k=0}^n{p}_x\cdot x^k))=I(\sum _{k=0}^n\lambda \cdot p_x\cdot x^k)=\sum _{k=0}^n\lambda \cdot p_k\cdot \frac{x^{k+1}}{k+1}=\lambda \cdot (\sum _{k=0}^n{p}_k\cdot \frac{x^{k+1}}{k+1})=\lambda \cdot I(p(x))\in W=ℝ[x{]}^{n+1}\surd \text{ q.e.d}.\end{array}$

$⟹I$ ist eine lineare Abbildung.

Matrix von I

Diese lineare Abbildung bildet vom Vektorraum $V=ℝ[x{]}^n$ in den Vektorraum $W=ℝ[x{]}^{n+1}$ ab. $W$ hat also eine höhere Dimension als $V$. Daher kann diese lineare Abbildung weder surjektiv noch bijektiv sein. Für die Abbildungsmatrix benötigen wir eine $(n+2)\times (n+1)$-Matrix. Die Basis ist bezüglich $V=(x^0,x^1,\dots ,x^n)$ und bezüglich $W=(x^0,x^1,\dots ,x^n,{𝐱}^{𝐧\mathbf{+}\mathrm{𝟏}})$.

Wir schauen uns die Bilder der Basisvektoren an (eigentlich als Spaltenvektor: da es platzsparender ist, als transponierter Vektor):

$\begin{array}{cccccc}& I\left(x^0\right)& =\frac{x^1}{1}& =0\cdot x^0+\frac{x^1}{1}& \to {\left(\begin{array}{ccccccc}{0}_{(0,0)},& \frac{1}{1},& 0,& 0,& 0,& \cdots ,& 0_{(0,n+1)}\end{array}\right)}^T& \\ & I\left(x^1\right)& =\frac{x^2}{2}& =0\cdot x^0+0\cdot x^1+\frac{x^2}{2}& \to {\left(\begin{array}{ccccccc}{0}_{(1,0)},& 0,& \frac{1}{2},& 0,& 0,& \cdots ,& 0_{(1,n+1)}\end{array}\right)}^T& \\ & I\left(x^2\right)& =\frac{x^3}{3}& =0\cdot x^0+0\cdot x^1+0\cdot x^2+\frac{x^3}{3}& \to {\left(\begin{array}{ccccccc}{0}_{(2,0)},& 0,& 0,& \frac{1}{3},& 0,& \cdots ,& 0_{(2,n+1)}\end{array}\right)}^T& \\ & I\left(x^r\right)& =\frac{x^{r+1}}{r+1}& =(\sum _{k=0}^{r}0\cdot x^k)+\frac{x^{r+1}}{r+1}& \to {\left(\begin{array}{ccccccc}{0}_{(r,0)},& 0,& 0,& \cdot \cdot ,& \frac{1}{r+1},& \cdot \cdot ,& 0_{(r,n+1)}\end{array}\right)}^T& \\ & I\left(x^n\right)& =\frac{x^{n+1}}{n+1}& =(\sum _{k=0}^{n}0\cdot x^k)+\frac{x^{n+1}}{n+1}& \to {\left(\begin{array}{cccccc}{0}_{(n,0)},& 0,& 0,& 0,& 0,\cdots ,& {\frac{1}{n+1}}_{(n,n+1)}\end{array}\right)}^T& \\ \end{array}$

D.h. unsere Abbildungsmatrix $I$ hat die Dimension $(n+2)\times (n+1)$, besteht aus den oben angegebenen Spaltenvektoren, hat folgende Eigenschaften und schaut mit zusätzlicher Überschrift in der Matrix folgend aus:

• Die Diagonale ($i.$-te Zeile mit der $j.$-ten Spalte) hat lauter $0$er,
• oberhalb dieser Diagonale stehen auch lauter $0$er,
• direkt unterhalb der Diagonale stehen die Werte $\frac{1}{i}$ für die $(i+1).$-te Zeile, $i.$-te Spalte und
• unterhalb dieser Werte befinden sich ebenfalls wieder lauter $0$er.

$I=\left(\begin{array}{ccccccc}{x}_0& x_1& x_2& x_3& x_4& \cdots & x_n\\ 0_{(0,0)}& 0& 0& 0& 0& \cdots & 0_{(0,n)}\\ {\frac{1}{1}}_{(1,0)}& 0& 0& 0& 0& \cdots & 0_{(1,n)}\\ 0_{(2,0)}& \frac{1}{2}& 0& 0& 0& \cdots & 0_{(2,n)}\\ 0_{(3,0)}& 0& \frac{1}{3}& 0& 0& \cdots & 0_{(3,n)}\\ 0_{(4,0)}& 0& 0& \frac{1}{4}& 0& \cdots & 0_{(4,n)}\\ 0_{(5,0)}& 0& 0& 0& \frac{1}{5}& \cdots & 0_{(5,n)}\\ ⋮& ⋮& ⋮& ⋮& ⋮& \ddots & ⋮\\ 0_{(n,0)}& 0& 0& 0& 0& \frac{1}{n}& 0_{(n,n)}\\ 0_{(n+1,0)}& 0& 0& 0& 0& 0& {\frac{1}{n+1}}_{(n+1,n)}\end{array}\right)$

Abbildung bzw. Matrix injektiv, surjektiv, bijektiv

Ist diese Abbildung injektiv, surjektiv oder bijektiv?

Da diese lineare Abbildung von einer Dimension $(n+1)$ in einer höhere Dimension $(n+2)$ abbildet, kann diese Abbildung weder surjektiv noch bijektiv sein.

Der Rang $\mathrm{rg}(I)$ der Matrix $I$ ist $(n+1)$, da alle Zeilen der Matrix an unterschiedlichen Spaltenpositionen genau einen Wert enthalten. D.h. der Kern der Matrix ist ausschließlich der Nullvektor ($\ker (I)=\overrightarrow{0_V}$). Damit ist die Dimension des Kerns, der Defekt $\mathrm{def}(I)=0$. Der Spaltenrang der Abbildung ist $(n+1)$. Daher sind alle Spalten linear unabhängig. Daraus folgt, dass die Abbildung injektiv ist.

$◼$

Links

Wikipedia:

• Vektorraum
• Lineare Abbildung
• Abbildungsmatrix
• Lineare Abbildung: injektiv / surjektiv / bijektiv
• Polynomräume
• Matrix
• Dimension
• Rang
• Kern
• Defekt
• Rangsatz / Dimensionssatz / Kern-Bild-Satz

Ähnliche Beispiele:

• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_544
• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_545

• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_537 $(\to$ Beginn von Bsp.540)
• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_538 $(\to$ Beginn von Bsp.541)
• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_539 $(\to$ Beginn von Bsp.542)
• TU_Wien:Algebra_und_Diskrete_Mathematik_UE_(diverse)/Übungen_SS19/Beispiel_530

• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_540 $(\to$ Fortsetzung von Bsp.537)
• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_541 $(\to$ Fortsetzung von Bsp.538)
• TU_Wien:Algebra_und_Diskrete_Mathematik_VU_(diverse)/Übungen_2025W/Beispiel_542 $(\to$ Fortsetzung von Bsp.539)