Vorlesung Knoten Dirk Kussin - Institut für Mathematik - Universität ...
Vorlesung Knoten Dirk Kussin - Institut für Mathematik - Universität ...
Vorlesung Knoten Dirk Kussin - Institut für Mathematik - Universität ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3.3. DIE YANG-BAXTER GLEICHUNG 45<br />
(3) Seien f : V −→ V und g : W −→ W lineare Abbildungen. Definiere<br />
eine lineare Abbildung f ⊗ g : V ⊗ W −→ V ⊗ W auf der Basis durch<br />
v i ⊗ w j ↦→ f(v i ) ⊗ g(w j ). Es gilt dann<br />
(f ⊗ g)(v ⊗ w) = f(v) ⊗ g(w) <strong>für</strong> allev ∈ V, w ∈ W.<br />
Sei nämlich v = ∑ i α iv i und w = ∑ j β jw j . Dann ist wegen der Bilinearität<br />
v ⊗ w = ∑ ∑<br />
α i β j v i ⊗ w j ,<br />
i j<br />
also<br />
(f ⊗ g)(v ⊗ w) Def<br />
= ∑ i<br />
∑<br />
j<br />
αα i β j f(v i ) ⊗ g(w j ) bilin.<br />
= f(v) ⊗ g(w).<br />
(4) Sind f und g bijektiv, so ist auch f ⊗ g bijektiv.<br />
(5) Sei A = (α ij ) ∈ M m (K) die Darstellungsmatrix von f bzgl. der Basis<br />
(v i ), und sei B = (β ij ) ∈ M n (K) die Darstellungsmatrix von g bzgl. der Basis<br />
(w j ). Dann hat f ⊗g bzgl. der Basis (v i ⊗w j ) offenbar die Darstellungsmatrix<br />
⎛<br />
⎜<br />
⎝<br />
α 11 B α 12 B · · · α 1m B<br />
α 21 B α 22 B · · · α 2m B<br />
. .<br />
.<br />
α m1 B α m2 B · · · α mm B<br />
⎞<br />
⎟<br />
⎠ .<br />
Für m = 2 = n hat man also die Darstellungsmatrix<br />
⎛<br />
⎞<br />
( ) α 11 β 11 α 11 β 12 α 12 β 11 α 12 β 12<br />
α11 B α 12 B<br />
= ⎜ α 11 β 21 α 11 β 22 α 12 β 21 α 12 β 22<br />
⎟<br />
α 21 B α 22 B ⎝ α 21 β 11 α 21 β 12 α 22 β 11 α 22 β 12<br />
⎠ .<br />
α 21 β 21 α 21 β 22 α 22 β 21 α 22 β 22<br />
(6) Sind U, V , W Vektorräume, so kann man auch das Tensorprodukt<br />
U ⊗ V ⊗ W = (U ⊗ V ) ⊗ W = U ⊗ (V ⊗ W ) betrachten. Entsprechendes <strong>für</strong><br />
mehrere Vektorräume. Ist n ≥ 1 eine natürliche Zahl, so bezeichne V ⊗n =<br />
V ⊗ V ⊗ · · · ⊗ V (n Kopien). Entsprechendes gelte <strong>für</strong> lineare Abbildungen.<br />
(7) Für f 1 , f 2 ∈ End(V ) und g 1 , g 2 ∈ End(W ) ergibt sich unmittelbar<br />
aus der Definition<br />
(f 2 ⊗ g 2 ) ◦ (f 1 ⊗ g 1 ) = (f 2 ◦ f 1 ) ⊗ (g 2 ◦ g 1 ).<br />
Bemerkung 3.3.2. (1) Durch obige Eigenschaften (1) und (2) ist das Tensorprodukt<br />
V ⊗ W weder eindeutig definiert, noch ist die Existenz einer solchen Basis und bilinearen<br />
Abbildung unmittelbar klar. Es handelt sich bei den Eigenschaften (1) und (2) um die<br />
wesentlichen Eigenschaften, die wir im folgenden verwenden wollen.<br />
(2) Konstruktion des Tensorprodukts. Es gibt Isomorphismen V ≃ K m und W ≃ K n ,<br />
die jeweils die Basen (v i ) und (w j ) auf die Standardbasen (e i ) und (f j ) schicken. Definiere<br />
V ⊗ W als K mn . Definiere τ(v i , w j ) als den j + (i − 1)n-ten Standardbasisvektor in K mn .<br />
∑<br />
j α iβ j τ(v i , w j ). Es<br />
Sind v = ∑ i α iv i und w = ∑ j β jw j , so definiert man τ(v, w) = ∑ i<br />
ist dann offensichtlich, dass τ : V × W −→ V ⊗ W eine bilineare Abbildung ist, und dass<br />
τ(v i , w j ) (1 ≤ i ≤ m, 1 ≤ j ≤ n) eine Basis von V ⊗ W ist.<br />
(3) Universelle Eigenschaft des Tensorprodukts. Ist f : V ×W −→ X eine bilineare Abbildung<br />
in den K-Vektorraum X, so gibt es genau eine lineare Abbildung f : V ⊗W −→ X