diff options
Diffstat (limited to 'buch/chapters/10-vektorenmatrizen/skalarprodukt.tex')
-rw-r--r-- | buch/chapters/10-vektorenmatrizen/skalarprodukt.tex | 58 |
1 files changed, 32 insertions, 26 deletions
diff --git a/buch/chapters/10-vektorenmatrizen/skalarprodukt.tex b/buch/chapters/10-vektorenmatrizen/skalarprodukt.tex index c1a873d..47cb2ba 100644 --- a/buch/chapters/10-vektorenmatrizen/skalarprodukt.tex +++ b/buch/chapters/10-vektorenmatrizen/skalarprodukt.tex @@ -7,8 +7,8 @@ \label{buch:section:skalarprodukt}} \rhead{Skalarprodukt} In der bisher dargestellten Form ist die lineare Algebra nicht -in der Lage, unsere vom Abstandsbegriff dominierte Geometrie adäquat -darzustellen. +in der Lage, unsere vom Abstandsbegriff dominierte, anschauliche Geometrie +adäquat darzustellen. Als zusätzliches Hilfsmittel wird eine Methode benötigt, Längen und Winkel auszudrücken. Das Skalarprodukt passt in den algebraischen Rahmen der @@ -18,8 +18,8 @@ der genau der geometrischen Intuition entspricht. \subsection{Bilinearformen und Skalarprodukte \label{buch:subsection:bilinearformen}} Damit man mit einem Skalarprodukt wie mit jedem anderen Produkt -rechnen kann, müssen man auf beiden Seiten des Zeichesn ausmultiplizieren -können: +rechnen kann, müssen man auf beiden Seiten des Multiplikationszeichens +ausmultiplizieren können: \begin{align*} (\lambda x_1 + \mu x_2)\cdot y &= \lambda x_1\cdot y + \mu x_2\cdot y\\ x\cdot (\lambda y_1 + \mu y_2) &= \lambda x\cdot y_1 + \mu x\cdot y_2. @@ -46,7 +46,7 @@ Eine bilineare Funktion mit Werten in $\Bbbk$ heisst auch {\em Bilinearform}. \subsubsection{Symmetrische bilineare Funktionen} Das Skalarprodukt hängt nicht von der Reihenfolge der Faktoren ab. -In Frage dafür kommen daher nur Bilnearformen $f\colon V\times V\to\Bbbk$, +In Frage dafür kommen daher nur Bilinearformen $f\colon V\times V\to\Bbbk$, die zusätzlich $f(x,y)=f(y,x)$ erfüllen. Solche Bilinearformen heissen {\em symmetrisch}. Für eine symmetrische Bilinearform gilt die binomische Formel @@ -115,7 +115,7 @@ die Dreiecksungleichung ausgedrückt wird. In diesem Abschnitt soll gezeigt werden, dass die $l^2$-Norm diese immer erfüllt. Dazu sei $V$ ein $\mathbb{R}$-Vektorraum mit Skalarprodukt -$\langle\;,\;\rangle$. +$\langle\;\,,\;\rangle$. \begin{satz}[Cauchy-Schwarz-Ungleichung] \label{buch:skalarprodukt:satz:cauchy-schwarz-ungleichung} @@ -131,7 +131,7 @@ mit Gleichheit genau dann, wenn $x$ und $y$ linear abhängig sind. \index{Cauchy-Schwarz-Ungleichung}% \begin{proof}[Beweis] -Wir die Norm von $z=x-ty$: +Wir berechnen die Norm von $z=x-ty$: \begin{align} \|x-ty\|_2^2 &= @@ -230,12 +230,12 @@ zu beinhalten, als die symmetrische Bilinearform, aus der sie hervorgegangen ist. Dem ist aber nicht so, denn die Bilinearform lässt sich aus der Norm zurückgewinnen. -Dies ist der Inhalt der sogenannte Polarformel. +Dies ist der Inhalt der sogenannte {\em Polarformel}. \begin{satz}[Polarformel] \label{buch:skalarprodukt:satz:polarformel} Ist $\|\cdot\|_2$ eine Norm, die aus einer symmetrischen Bilinearform -$\langle\;,\;\rangle$ hervorgegangen ist, dann kann die Bilinearform +$\langle\;\,,\;\rangle$ hervorgegangen ist, dann kann die Bilinearform mit Hilfe der Formel \begin{equation} \langle x,y\rangle @@ -312,7 +312,7 @@ Für die Norm $\|x\|_2^2=\langle x,x\rangle$ bedeutet dies jetzt \|\lambda x\|_2 = |\lambda|\, \|x\|_2. \] -\subsection{Orthognormalbasis +\subsection{Orthonormalbasis \label{buch:subsection:orthonormalbasis}} \index{orthonormierte Basis}% Sowohl die Berechnung von Skalarprodukten wie auch der Basis-Wechsel @@ -322,7 +322,7 @@ sind und Länge $1$ haben. \subsubsection{Orthogonale Vektoren} In der Vektorgeometrie definiert man den Zwischenwinkel $\alpha$ zwischen zwei von $0$ verschiedene Vektoren $u$ und $v$ mit Hilfe -des Skalarproduktes und er Formel +des Skalarproduktes und der Formel \[ \cos\alpha = \frac{\langle u,v\rangle}{\|u\|_2\cdot\|v\|_2}. \] @@ -419,14 +419,18 @@ Mit Hilfe des Gram-Schmidtschen Orthonormalisierungsprozesses kann aus einer beliebige Basis $\{a_1,a_2,\dots,a_n\}\subset V$ eines Vektorraums mit einem Skalarprodukt eine orthonormierte Basis $\{b_1,b_2,\dots,b_n\}$ gefunden werden derart, dass für alle $k$ -$\langle b_1,\dots,b_k\rangle = \langle a_1,\dots ,a_k\rangle$. +die aufgespannten Räume +$\langle b_1,\dots,b_k\rangle = \langle a_1,\dots ,a_k\rangle$ +gleich sind. \index{Gram-Schmidt-Orthonormalisierung}% +Mit den Vektoren $b_1,\dots,b_k$ kann man also die gleichen Vektoren +linear kombinieren wie mit den Vektoren $a_1,\dots,a_k$. Der Zusammenhang zwischen den Basisvektoren $b_i$ und $a_i$ ist gegeben durch \begin{align*} -b_1&=\frac{a_1}{\|a_1\|_2} +b_1&=\frac{a_1}{\|a_1\|_2}, \\ -b_2&=\frac{a_2-b_1\langle b_1,a_2\rangle}{\|a_2-b_1\langle b_1,a_2\rangle\|_2} +b_2&=\frac{a_2-b_1\langle b_1,a_2\rangle}{\|a_2-b_1\langle b_1,a_2\rangle\|_2}, \\ b_3&=\frac{a_3-b_1\langle b_1,a_3\rangle-b_2\langle b_2,a_3\rangle}{\|a_3-b_1\langle b_1,a_3\rangle-b_2\langle b_2,a_3\rangle\|_2} \\ @@ -454,9 +458,9 @@ immer noch möglich, aus einer Basis $\{a_1,\dots,a_n\}$ eine orthogonale Basis zu konstruieren. Man verwendet dazu die Formeln \begin{align*} -b_1&=a_1 +b_1&=a_1, \\ -b_2&=a_2-b_1\langle b_1,a_2\rangle +b_2&=a_2-b_1\langle b_1,a_2\rangle, \\ b_3&=a_3-b_1\langle b_1,a_3\rangle-b_2\langle b_2,a_3\rangle \\ @@ -528,7 +532,7 @@ als von der Basis unabhängige Eigenschaften betrachtet werden können. Ziel dieses Abschnitts ist, Eigenschaften wie Symmetrie oder hermitesch auf basisunabhängige Eigenschaften von linearen Abbildungen in einem Vektorraum $V$ mit Skalarprodukt -$\langle\;,\;\rangle$ zu verstehen. +$\langle\;\,,\;\rangle$ zu verstehen. \subsubsection{Reelle selbstadjungierte Abbildungen} Sei $f\colon V\to V$ eine lineare Abbildung. @@ -577,7 +581,8 @@ x^tAy x^tA^ty = x^tAy\quad\forall x,y\in\mathbb{R}^n, \] was gleichbedeutend ist mit $A^t=A$. -Der Begriff der selbstadjungierten Abbildung ist also eine natürliche +Der Begriff der selbstadjungierten Abbildung ist also die natürliche, +basisunabhängige Verallgemeinerung des Begriffs der symmetrischen Matrix. \subsubsection{Selbstadjungierte komplexe Abbildungen} @@ -614,7 +619,7 @@ heisst die {\em Adjungierte} von $f$. \end{definition} Eine selbstadjungierte Abbildung ist also eine lineare Abbildung, -die mit ihrer Adjungierte übereinstimmt, als $f^* = f$. +die mit ihrer Adjungierte übereinstimmt, also $f^* = f$. In einer orthonormierten Basis $\{b_1,\dots,b_n\}$ hat die Abbildung $f$ die Matrixelemente $a_{i\!j}=\langle b_i,fb_j\rangle$. Die adjungierte Abbildung hat dann die Matrixelemente @@ -636,18 +641,18 @@ die die Norm nicht verändern. Aus der Polarformel~\eqref{buch:grundlagen:eqn:polarformel} folgt dann, dass auch das Skalarprodukt erhalten ist, aus dem Winkel berechnet werden können. -Abbildungen, die die Norm erhalten, sind daher auch winkeltreu. +Lineare Abbildungen, die die Norm erhalten, sind daher auch winkeltreu. \begin{definition} Eine lineare Abbildung $f\colon V\to V$ in einem reellen -Vektorraum mit heisst {\em orthogonal}, wenn +Vektorraum mit Skalarprodukt heisst {\em orthogonal}, wenn $\langle fx,fy\rangle = \langle x,y\rangle$ für alle $x,y\in V$ gilt. \index{orthogonale Abbildung}% \index{orthogonale Matrix}% \end{definition} -Die adjungierte einer orthogonalen Abbildung erfüllt +Die Adjungierte einer orthogonalen Abbildung erfüllt $\langle x,y\rangle = \langle fx,fy\rangle = \langle f^*f x, y\rangle$ für alle $x,y\in V$, also muss $f^*f$ die identische Abbildung sein, deren Matrix die Einheitsmatrix ist. @@ -672,11 +677,12 @@ Die Matrix einer unitären Abbildung in einer orthonormierten Basis ist unitär. \subsection{Orthogonale Unterräume \label{buch:subsection:orthogonale-unterraeume}} -Die Orthogonalitätsrelation lässt sich auch auf Unterräume ausdehnen. +Die Orthogonalitätsrelation lässt sich von einzelnen Vektoren auf ganze +auf Unterräume ausdehnen. Zwei Unterräume $U\subset V$ und $W\subset V$ eines Vektorraums mit Skalarprodukt heissen orthogonal, wenn gilt \( -u\perp w\forall u\in U,w\in W +u\perp w\;\forall u\in U,w\in W \). \subsubsection{Orthogonalkomplement} @@ -883,7 +889,7 @@ Norm ausgestattet werden, wenn $U$ und $V$ jeweils eine Norm haben. \begin{definition} Seien $U$ und $V$ Vektorräume über $\mathbb{R}$ oder $\mathbb{C}$ und $f\colon U\to V$ eine lineare Abbildung. -Die {\em Operatorname} der linearen Abbildung ist +Die {\em Operatornorm} der linearen Abbildung ist \index{Operatornorm}% \[ \|f\| @@ -986,7 +992,7 @@ Die $L^1$-Norm ist dagegen definiert als. \] Die drei Normen stimmen nicht überein. Beschränkte Funktionen sind zwar immer integrierbar und quadratintegrierbar. -Es gibt integrierbare Funktionen, die nicht quadratintegrierbar sind, zum +Es gibt aber integrierbare Funktionen, die nicht quadratintegrierbar sind, zum Beispiel ist die Funktion $f(x)=1/\sqrt{x}$ auf dem Interval $[0,1]$ \begin{align*} \|f\|_1 |