Gruppe
Unter einer Gruppe (G , ) versteht man eine Menge G , auf der eine bin¨ are Operation definiert ist:
: G × G 7−→ G ,
d.h. jedem Elementepaar (a, b) : a, b ∈ G ist ein Element a b ∈ G zugeordnet. Ferner m¨ ussen folgende Eigenschaften gelten:
Assoziativit¨ at: (a b) c = a (b c ) ∀a, b, c ∈ G
Neutrales Element: Es existiert ein eindeutig bestimmtes neutrales Element e ∈ G , d.h.
e a = a e = a ∀a ∈ G
Inverses Element: Zu jedem Element a ∈ G existiert ein eindeutig bestimmtes inverses Element a
−1∈ G mit
a a
−1= a
−1a = e
1 / 415
Man nennt eine Gruppe eine kommutative oder abelsche Gruppe, wenn die Operation kommutativ ist:
a b = b a ∀a, b ∈ G
Wenn aus dem Zusammenhang ersichtlich ist, welche Operation verwendet wird, schreibt man h¨ aufig statt (G , ) nur G .
2 / 415
Beispiel
Die bijektiven reellen Funktionen f : R → R bilden bez¨ uglich der Hintereinanderschaltung ◦ eine Gruppe.
Verifizierung der Gruppenaxiome Assoziativit¨ at:
((f ◦ g ) ◦ h)(x ) = f (g (h(x ))) = (f ◦ (g ◦ h))(x ) Neutrales Element: Identit¨ at
e : x 7→ x Inverses Element: Umkehrfunktion
f
−1: f (x ) 7→ x
3 / 415
Gegenbeispiel zur Kommutativit¨ at: f ◦ g 6= g ◦ f f¨ ur f : x 7→ 2x , g : x 7→ x + 1 f (g (x )) = 2(x + 1) 6= 2x + 1 = g (f (x ))
4 / 415
Beispiel
Abelsche Gruppe
Z
n= Z mod n
der Restklassen {0, 1, . . . , n − 1} mit der Addition modulo n als Gruppenoperation
Illustration der Gruppenaxiome f¨ ur Z
4= {0, 1, 2, 3}
Assoziativit¨ at
(1 + 2 mod 4) + 3 mod 4 = 3 + 3 mod 4 = 6 mod 4 = 2
1 + (2 + 3 mod 4) mod 4 = 1 + (5 mod 4) mod 4 = 1 + 1 mod 4 = 2 X Neutrales Element 0
3 + 0 mod 4 = 0 + 3 mod 4 = 3
5 / 415
Inverses Element
0 = 1 + 3 mod 4 = 2 + 2 mod 4 = 3 + 1 mod 4 Die Multiplikation modulo 4 definiert keine Gruppenstruktur, denn beispielsweise gilt
2 = 2 · 1 mod 4 = 2 mod 4
= 2 · 3 mod 4 = 6 mod 4
= ⇒ keine Eindeutigkeit des neutralen Elements (1 6= 3)
6 / 415
Gruppentafel
Die Operation auf einer endlichen Gruppe G = {g
1, . . . , g
n} kann durch die Verkn¨ upfungsmatrix A definiert werden:
A : a
j,k= g
jg
kF¨ ur eine abelsche (kommutative) Gruppe ist A symmetrisch:
g
jg
k= g
kg
j⇐⇒ A = A
t.
Die erste nicht-abelsche Gruppe hat 6 Elemente und kann mit den Permutationen von {1, 2, 3} identifiziert werden.
Beispiel
Gruppentafeln f¨ ur Gruppen mit ≤ 4 Elementen
e a e e a a a e
e a b e e a b a a b e b b e a
e a b c e e a b c a a e c b b b c e a c c b a e
e a b c
e e a b c
a a e c b
b b c a e
c c b e a
Untergruppe
F¨ ur eine Gruppe (G , ) bezeichnet man (U, ) als Untergruppe, wenn U eine Teilmenge von G ist, die selbst eine Gruppe bildet.
Um zu testen, ob (U , ) die Gruppenaxiome erf¨ ullt, gen¨ ugt es zu uberpr¨ ¨ ufen, dass U bez¨ uglich der Verkn¨ upfung und der Bildung von Inversen abgeschlossen ist:
a, b ∈ U = ⇒ a b ∈ U ∧ a ∈ U = ⇒ a
−1∈ U .
9 / 415
Beispiel
Gruppe der Kongruenzabbildungen eines Quadrates ABCD 7→ BCDA, ABCD 7→ ADCB, . . .
Untergruppe der Drehungen D
α: α = 0
◦, 90
◦, 180
◦, 270
◦0
◦: ABCD 7→ ABCD 90
◦: ABCD 7→ BCDA 180
◦: ABCD 7→ CDAB 270
◦: ABCD 7→ DABC abgeschlossen bzgl. Verkn¨ upfung und Invertierung
D
α◦ D
β= D
α+β, (D
α)
−1= D
−α10 / 415
Spiegelungen bilden keine Untergruppe:
Verkn¨ upfung Drehung, z.B. Komposition von Spiegelung an der Diagonale durch A und C ,
S
1: ABCD 7→ ADCB ,
und Spiegelung an der Mittelsenkrechten auf der Strecke von A nach B, S
2: ABCD 7→ BADC ,
D = S
2◦ S
1: ABCD 7→ BCDA
= Drehung um 90 b
◦F¨ ur Spiegelungen existiert ebenfalls kein neutrales Element.
11 / 415
Permutationen
F¨ ur eine endliche Menge M bilden die bijektiven Abbildungen p : M → M , versehen mit der Komposition von Abbildungen als Operation, die
symmetrische Gruppe von M.
F¨ ur M = {1, 2, . . . , n} bezeichnet man diese Gruppe mit S
nund die n!
Elemente p als Permutationen. Die Permutationsgruppe ist nur f¨ ur n = 2 kommutativ.
Man benutzt die Schreibweise p =
1 2 3 . . . n
p(1) p(2) p(3) . . . p(n)
zur Beschreibung einer Permutation. Ebenfalls gebr¨ auchlich ist die Zyklendarstellung. Ein Zyklus besteht aus einem Element und seinen Bildern bei wiederholter Ausf¨ uhrung der Permutation, bis wieder das urspr¨ ungliche Element erreicht wird. Aus den Elementen, die im ersten Zyklus nicht vorkommen, werden weitere Zyklen gebildet, bis alle Elemente
12 / 415
auftreten. Die Zyklen werden nach der Anzahl der Elemente absteigend sortiert und jeweils in runden Klammern hintereinander geschrieben.
Zyklen der L¨ ange 1 werden meist weggelassen.
Beispielsweise ist p =
1 2 3 4 5 6
4 3 2 6 5 1
≡ (1 4 6) (2 3) (5) bzw. p = (1 4 6) (2 3) .
13 / 415
Transposition und Signum einer Permutation Eine Transposition
τ = (j k )
ist eine Vertauschung von j und k . Durch Verkn¨ upfung dieser elementaren Permutationen l¨ asst sich jede Permutation p darstellen:
p = τ
1◦ · · · ◦ τ
mDie Parit¨ at (gerades oder ungerades m) ist eindeutig bestimmt, und man definiert
σ(p) = (−1)
mals Vorzeichen oder Signum der Permutation p.
F¨ ur eine zyklische Permutation p ist σ(p) = n − 1 mit n der L¨ ange des Zyklus. Der Exponent m kann damit aus der Zyklendarstellung einer Permutation als Summe der jeweils um 1 verminderten Zyklenl¨ angen bestimmt werden.
14 / 415
Beweis
(i) Wohldefiniertheit von σ:
Beweis durch Induktion
Induktionsanfang (n = 2):
S
2= {p, q} mit p = (1)(2) (Identit¨ at) und q = (1 2) (Transposition) in Zykelschreibweise
p = q ◦ q ◦ · · · ◦ q (gerade Anzahl) und q = q ◦ q ◦ · · · ◦ q (ungerade Anzahl)
= ⇒ eindeutig bestimmte Vorzeichen σ(p) = 1, σ(q) = −1 Induktionsschritt ((n − 1) → n):
betrachte
τ
1◦ · · · ◦ τ
m= p ∈ S
ndefiniere
q = (k n) ◦ p mit k = p(n)
q(n) = n und damit Identifikation von q mit einer Permutation
˜
q in S
n−1mit
σ( ˜ q) = (−1)(−1)
mInduktionsvoraussetzung = ⇒ σ( ˜ q) eindeutig bestimmt
= ⇒ Exponent m eindeutig bestimmt
(ii) Vorzeichen von Zykeln:
p = (p
1p
2. . . p
n) = (p
1p
2. . . p
n−1) ◦ (p
n−1p
n)
| {z }
q
,
denn q(p
n−1) = p
n, q(p
n) = p(p
n−1) = p
1wiederholte Anwendung der Aufspaltung Darstellung von p als Komposition von n − 1 Transpositionen
(p
1p
2) ◦ (p
2p
3) ◦ . . . ◦ (p
n−1p
n)
= ⇒ σ(p) = n − 1
Beispiel
Bestimmung des Signums der Permutation p =
1 2 3 4 5 6 6 5 3 1 2 4
(i) Darstellung als Komposition von Transpositionen:
Uberf¨ ¨ uhrung von
(p(1), . . . , p(6)) = (6, 5, 3, 1, 2, 4)
durch Transpositionen sukzessive in die kanonische Reihenfolge:
(1 6) : (1, 5, 3, 6, 2, 4) (2 5) : (1, 2, 3, 6, 5, 4) (4 6) : (1, 2, 3, 4, 5, 6)
= ⇒
id = (4, 6) ◦ (2, 5) ◦ (1, 6) ◦ p, p = (1, 6) ◦ (2, 5) ◦ (4, 6) und σ(p) = (−1)
3= −1
17 / 415
(ii) Alternative Bestimmung von σ mit Hilfe der Zyklenschreibweise:
p = (1 6 4) (2 5) (3) σ(τ ) = (−1)
k−1f¨ ur einen Zyklus τ der L¨ ange k, denn
(a b c . . . f ) = (a b) ◦ (b c) ◦ . . . ◦ (e f ) Anwendung auf das Beispiel
σ(p) = (−1)
(3−1)+(2−1)+(1−1)= (−1)
3= −1
18 / 415
K¨ orper
Eine Menge K , auf der eine Addition
” +“ und eine Multiplikation
” ·“
definiert sind, nennt man einen K¨ orper, wenn folgendes gilt:
Additive Gruppenstruktur: (K , +) ist eine abelsche Gruppe mit neutralem Element 0 (Nullelement), d.h. f¨ ur alle a, b ∈ K gilt
a + b = b + a (a + b) + c = a + (b + c)
a + 0 = a a + (−a) = 0 ,
wobei (−a) das inverse Element zu a bezeichnet.
19 / 415
Multiplikative Gruppenstruktur: (K \{0}, ·) ist eine abelsche Gruppe mit neutralem Element 1 (Einselement), d.h. f¨ ur alle a, b, c ∈ K \{0}
gilt
a · b = b · a (a · b) · c = a · (b · c)
a · 1 = a a · a
−1= 1 , wobei a
−1das inverse Element zu a bezeichnet.
Distributivgesetz:
a · (b + c ) = a · b + a · c f¨ ur alle a, b, c ∈ K .
20 / 415
Beispiel
K¨ orper der rationalen, reellen und komplexen Zahlen Q ⊂ R ⊂ C
Nullelement: 0, Einselement: 1
Inverses Element bez¨ uglich der Multiplikation einer komplexen Zahl z = x + iy 6= 0 :
w = x
x
2+ y
2+ i −y x
2+ y
2, denn
z · w = (x + iy ) x
x
2+ y
2+ i −y x
2+ y
2= x
2− i
2y
2x
2+ y
2+ i −xy + yx
x
2+ y
2= 1 + i0 = 1
21 / 415
Beispiel
Gruppentafeln von Addition und Multiplikation f¨ ur den Galois-K¨ orper GF[2
2] mit 4 Elementen
+ 0 1 a b
0 0 1 a b
1 1 0 b a
a a b 0 1
b b a 1 0
· 0 1 a b
0 0 0 0 0
1 0 1 a b
a 0 a b 1 b 0 b 1 a z.B: (a + 1) · b = b · b = 1, −b = b (⇐⇒ b + b = 0), 1/a = b
Die Konstruktion von K¨ orpern mit p
`Elementen, ` ∈ N , ist f¨ ur beliebige Primzahlen p durchf¨ uhrbar.
alle endlichen K¨ orper
22 / 415
Primk¨ orper
F¨ ur jede Primzahl p ist die Menge
Z
p= {0, 1, . . . , p − 1}
ein K¨ orper unter der Addition und Multiplikation modulo p.
Allgemeiner existieren endliche K¨ orper mit p
kElementen f¨ ur jedes k ∈ N , die sogenannten Galois-K¨ orper. Dies sind die einzigen K¨ orper mit endlich vielen Elementen.
Beweis
Rechenregeln f¨ ur Addition und Multiplikation in K¨ orpern gelten in den ganzen Zahlen
G¨ ultigkeit der Rechenregeln f¨ ur Z
pnoch zu zeigen: Existenz eines inversen Elementes a
−1f¨ ur a ∈ {2, . . . , p − 1}
betrachte dazu die Folge
a
kmod p, k = 0, . . . , p − 1 a
k6= 0 mod p ∀k ∈ N , denn
a
k= np = ⇒ p teilt a
k= ⇒
pPrimzahl
p teilt a = ⇒ Widerspruch zu a < p
= ⇒ mindestens ein Rest tritt zweimal auf:
a
k1= a
k2mod p, k
1< k
2a
k1a
k2−k1= a
k1= ⇒
1 = a
k2−k1mod p = a
k2−k1−1a mod p = ⇒ a
−1= a
k2−k1−1mod p
Beispiel
Inverse Elemente im Primk¨ orper Z
52
−1mod 5 = 3, 3
−1mod 5 = 2, 4
−1mod 5 = 4 Uberpr¨ ¨ ufung durch Multiplikation, z.B.
2 · 2
−1mod 5 = 2 · 3 mod 5 = 6 mod 5 = 1 X Illustration anhand des Distributivgesetzes
(2 + 4) · 3
−1mod 5 = 6 · 2 mod 5
= 12 mod 5 = 2 2 · 3
−1+ 4 · 3
−1mod 5 = 2 · 2 + 4 · 2 mod 5
= 4 + 8 mod 5 = 12 mod 5 = 2
25 / 415
Beispiel
Paarungstabellen f¨ ur Sportturniere
In Stuttgart, M¨ unchen und Berlin soll an 4 Terminen ein Turnier unter 9 Mannschaften ausgetragen werden. Dabei soll
” jeder gegen jeden“ spielen.
Es sind also an jedem Termin 3 Gruppen aus je 3 Mannschaften zu bilden, die jeweils in einer der St¨ adte ihre Spiele untereinander austragen.
Mathematische Formulierung:
S
0,k∪ S
1,k∪ S
2,k= {1, . . . , 9}, k = 0, . . . , 3 ,
| S
j,k∩ S
j0,k0|≤ 1,
mit drei-elementigen Mengen S
j,k, die jeweils der Dreiergruppe in der Stadt j am Termin k entsprechen. Die Bedingung an den Durchschnitt besagt, dass kein Mannschaftspaar doppelt vorkommt.
26 / 415
Konstruktion mit Hilfe des Primk¨ orpers Z
3= {0, 1, 2}:
Identifikation der Mannschaften mit Punkten der Ebene Z
23, d.h.
{1, 2, ..., 9} ↔ {(x , y ) : x , y ∈ Z
3} und der Mengen S
j,kmit den Geraden in Z
3S
j,k= {(x , k · x + j mod 3) : x = 0, 1, 2}, ( Steigung k = 0, 1, 2) S
j,3= {(j , y ) : y = 0, 1, 2} ( senkrechte Geraden )
Durchschnittsbedingung trivialerweise erf¨ ullt: Geraden schneiden sich in h¨ ochstens einem Punkt
27 / 415
Paarungstabelle f¨ ur 16 Mannschaften, 4 St¨ adte und 5 Termine basierend auf 4-elementigen Galois-K¨ orper GF[2
2]
Spielort 1 Spielort 2 Spielort 3 Spielort 4 1. Spieltag 1,2,3,4 5,6,7,8 9,10,11,12 13,14,15,16 2. Spieltag 1,6,11,16 5,2,15,12 9,14,3,8 13,10,7,4 3. Spieltag 1,10,15,8 5,14,11,4 9,2,7,16 13,6,3,12 4. Spieltag 1,14,7,12 5,10,3,16 9,6,15,4 13,2,11,8 5. Spieltag 1,5,9,13 2,6,10,14 3,7,11,15 4,8,12,16 Galois-K¨ orper GF [q] mit q einer Primzahlpotenz
Paarungstabelle f¨ ur q
2Mannschaften und q St¨ adte
28 / 415
Euklidischer Algorithmus
Der gr¨ oßte gemeinsame Teiler zweier nat¨ urlicher Zahlen n
1> n
2kann durch sukzessive Division bestimmt werden. Man berechnet n
k+1, k = 2, 3, . . ., als Rest bei der Division n
k−1: n
k, d.h.
n
k−1= q
kn
k+ n
k+1, n
k+1< n
k,
und erh¨ alt GGT(n
1, n
2) = n
Kf¨ ur den Index K mit n
K+1= 0 (Abbruch der Divisionskette: n
K−1= q
Kn
K+ 0).
29 / 415
Beweis
(i) n
Kteilt n
1und n
2:
n
K−1= q
kn
K= ⇒ n
Kteilt n
K−1rekursive Definition, n
k−1= q
kn
k+ n
k+1, f¨ ur k = K − 1
= ⇒ n
Kteilt n
K−2Iteration des Arguments f¨ ur k = K − 2, . . . , 3, 2
= ⇒ n
Kteilt n
K−3, . . . , n
2, n
1(ii) n
Kist gr¨ oßter Teiler:
t teilt n
1und n
2, d.h. n
1= s
1t, n
2= s
2t, = ⇒ s
1t
|{z}
n1
= q
2s
2t
|{z}
n2
+n
3und folglich teilt t ebenfalls n
3, d.h. n
3= s
3t Wiederholung des Arguments:
n
k−1= q
kn
k+ n
k+1= ⇒ n
k+1= s
k+1t f¨ ur k = 3, 4, . . . , K − 1
= ⇒ n
K= s
Kt ≥ t, d.h. n
Kist nicht kleiner als ein Teiler von n
1und n
230 / 415
Beispiel
Gr¨ oßter gemeinsamer Teiler von n
1= 156 und n
2= 42 Euklidischer Algorithmus Divisionskette
n
k−1= q
kn
k+ n
k+1, n
k+1< n
k⇐⇒ n
k−1: n
k= q
kRest n
k+1im konkreten Fall:
156 = 3 · 42 + 30 42 = 1 · 30 + 12 30 = 2 · 12 + 6 12 = 2 · 6
|{z}
nK+0 (K = 5)
= ⇒ GGT(156, 42) = n
5= 6
Beispiel
Berechnung der Inversen x von m = 81 modulo p = 64, d.h.
1 = x · m mod p ⇐⇒ 1 = x · m + y · p (m, p teilerfremd)
(i) Allgemeine Vorgehensweise:
Euklidischer Algorithmus
n
k−1= q
kn
k+ n
k+1, n
k+1< n
kmit n
1= m, n
2= p n
K= 1, da GGT(n
1, n
2) = 1, und die vorletzte Gleichung der Divisionskette hat somit die Form
n
K−2= q
K−1n
K−1+ 1 bzw. 1
|{z}
nK
= n
K−2− q
K−1n
K−1R¨ uckw¨ artseinsetzen von
n
K−1= n
K−3− q
K−2n
K−2, n
K−2= n
K−4− q
K−3n
K−3, . . .
(ii) Konkrete Werte n
1= m = 81, n
2= p = 64:
Euklidische Divisionskette
81 = 1 · 64 + 17
|{z}
n364 = 3 · 17 + 13 17 = 1 · 13 + 4 13 = 3 · 4 + 1
|{z}
nK
Auf¨ osen der Gleichungen jeweils nach der Zahl n
jmit dem h¨ ochsten Index und R¨ uckw¨ artseinsetzen
13 = 3 · 4 + 1 = ⇒ 1 = 13 − 3 · 4
4 = 17 − 1 · 13 = ⇒ 1 = 13 − 3 · (17 − 1 · 13) = 4 · 13 − 3 · 17 13 = 64 − 3 · 17 = ⇒ 1 = 4 · (64 − 3 · 17) − 3 · 17 = 4 · 64 − 15 · 17 17 = 81 − 1 · 64 = ⇒ 1 = 4 · 64 − 15 · (81 − 1 · 64) = 19 · 64 − 15 · 81
= ⇒ 1 = −15 · 81 mod 64 = 49 · 81 mod 64, d.h. x = 49 ist die gesuchte Inverse modulo 64 zu 81
33 / 415
Chinesischer Restsatz
F¨ ur teilerfremde nat¨ urliche Zahlen p
1, . . . , p
nbesitzen die Kongruenzen x = a
1mod p
1. . .
x = a
nmod p
ngenau eine L¨ osung x ∈ {0, . . . , P − 1}, P = p
1· · · p
n.
Bezeichnet Q
keine zu P
k= P /p
kinverse ganze Zahl modulo p
k, d.h. ist Q
kP
k= 1 mod p
k,
so gilt
x =
n
X
k=1
a
kQ
kP
kmod P .
34 / 415
Beweis (i) Existenz:
Darstellung
x =
n
X
k=1
a
kQ
kP
kmod P
= ⇒
x mod p
`= a
`Q
`P
`mod p
`, da p
`Teiler von P
kf¨ ur k 6= `
Definition einer zu P
`inversen Zahl Q
`modulo p
`: Q
`P
`= 1 mod p
`= ⇒
x = a
`· 1 mod p
`= a
`mod p
`35 / 415
(ii) Eindeutigkeit:
zu zeigen:
x = x
0mod p
kf¨ ur k = 1, . . . , n = ⇒ x − x
0= mP sukzessives Betrachten der Kongruenzen
x = x
0mod p
1= ⇒
x − x
0= m
1p
1x = x
0mod p
2= ⇒
m
1p
1= 0 mod p
2⇐⇒ m
1p
1= sp
2p
1, p
2teilerfremd = ⇒ p
2teilt m
1, d.h.
m
1= m
2p
2, x − x
0= m
2p
1p
2weitere Kongruenzen
x − x
0= m
3p
1p
2p
3, . . . , x − x
0= m
np
1· · · p
n36 / 415
Beispiel
Bestimmung einer L¨ osung x der Kongruenzen x = 6 mod 9 x = 5 mod 10 x = 4 mod 13 Chinesischer Restsatz = ⇒
x = 6 Q
1P
1+ 5 Q
2P
2+ 4 Q
3P
3mod P , P = 9 · 10 · 13 = 1170 mit
P
1= 10 · 13 = 130, P
2= 9 · 13 = 117, P
3= 9 · 10 = 90 und Q
kder zu P
kinversen nat¨ urlichen Zahl modulo p
k, d.h.
Q
kP
k+ yp
k= 1
37 / 415
Bestimmung der Modulo-Inversen Q
1:
130 = 14 · 9 + 4 9 = 2 · 4 + 1 R¨ uckw¨ artseinsetzen
1 = 9 − 2 · 4
= 9 − 2 · (130 − 14 · 9) = 29 · 9 + (−2)130
= ⇒ Q
1= (−2) mod 9 = 7 Q
2:
117 = 11 · 10 + 7 10 = 1 · 7 + 3
7 = 2 · 3 + 1 R¨ uckw¨ artseinsetzen
1 = 7 − 2 · 3
= 7 − 2 · (10 − 1 · 7) = 3 · 7 − 2 · 10
= 3 · (117 − 11 · 10) − 2 · 10 = 3 · 117 − 35 · 10
= ⇒ Q
2= 3 mod 10 = 3
38 / 415
Q
3:
90 = 6 · 13 + 12 13 = 1 · 12 + 1 R¨ uckw¨ artseinsetzen
1 = 13 − 1 · 12
= 13 − 1 · (90 − 6 · 13) = 7 · 13 + (−1) · 90
= ⇒ Q
3= (−1) mod 13 = 12 Einsetzen in die Darstellung der L¨ osung
x = 6Q
1P
2+ 5Q
2P
2+ 4Q
3P
3mod 1170
= 6 · 7 · 130 + 5 · 3 · 117 + 4 · 12 · 90 mod 1170
= 11535 mod 1170 = 1005
Vektorraum
Ein Vektorraum ¨ uber einem K¨ orper K (K -Vektorraum) ist eine
kommutative Gruppe (V , +), auf der zus¨ atzlich zu der Gruppenoperation
” +“ eine Skalarmultiplikation
” · “ definiert ist, K × V 3 (s , v ) 7→ s · v ∈ K , die folgende Eigenschaften besitzt:
(s
1+ s
2) · v = s
1· v + s
2· v s · (v
1+ v
2) = s · v
1+ s · v
2(s
1· s
2) · v = s
1· (s
2· v ) 1 · v = v
f¨ ur alle Skalare s, s
1, s
2∈ K , Elemente v , v
1, v
2∈ V und das Einselement
1 ∈ K .
Der Einfachheit halber wird das Pluszeichen sowohl f¨ ur die Addition in V als auch f¨ ur die Addition in K verwendet. Ebenso wird der Malpunkt f¨ ur die Skalarmultiplikation meist weggelassen.
F¨ ur K = R bzw. K = C spricht man von einem reellen bzw. komplexen Vektorraum.
41 / 415
Beispiel
Reeller (komplexer) Vektorraum der Polynome p vom Grad ≤ n p(x ) = a
0+ a
1x + · · · + a
nx
n, a
k∈ R (a
k∈ C ) Definition der Addition und Skalarmultiplikation in der nahe liegenden Weise:
(p + q)(x ) = p(x ) + q(x ), (sp)(x ) = sp(x )
Polynome mit Grad n (a
n6= 0) bilden auf Grund eventueller Gradreduktion bei Addition keinen Vektorraum,
z.B.
(x
2− 1
| {z }
Grad 2
) + (3 − x
2| {z }
Grad 2
) = 2
|{z}
Grad 0
42 / 415
Beispiel
Reeller Vektorraum der Folgen (a
n), a
n∈ R Addition: (a
n) + (b
n) = (a
n+ b
n) Skalarmultiplikation: s (a
n) = (sa
n) Vektorr¨ aume spezieller Folgen:
beschr¨ ankte Folgen, konvergente Folen, konvergente Folen, komplexe Folgen
Monotone Folgen bilden keinen Vektorraum, denn Summen monotoner Folgen sind nicht notwendig monoton; z.B.
(n
2) + (−2
n) : −1, 0, 1, 0, −7, −28, . . . .
43 / 415
Vektorraum der n-Tupel
F¨ ur einen K¨ orper K bilden die n-Tupel oder n-Vektoren
a =
a
1.. . a
n
, a
k∈ K
den K -Vektorraum K
nmit der komponentenweise definierten Addition und Skalarmultiplikation, d.h.
a
1.. . a
n
+
b
1.. . b
n
=
a
1+ b
1.. . a
n+ b
n
, s ·
a
1.. . a
n
=
s · a
1.. . s · a
n
f¨ ur a
k, b
k, s ∈ K .
44 / 415
Oft schreibt man n-Tupel als Zeilenvektor
a
t= (a
1, . . . , a
n) bzw. a = (a
1, . . . , a
n)
t. Durch das Symbol
” t“ der Transposition wird von der Standardkonvention als Spaltenvektor unterschieden.
F¨ ur K = R bzw. K = C erh¨ alt man die Vektorr¨ aume der n-Tupel reeller und komplexer Zahlen R
nund C
n.
45 / 415
Beispiel
Addition und Skalarmultiplikation in R
3und C
2(i) Reelle (Spalten-) Vektoren im Raum:
1
−2 3
+
−4 5
−6
=
1 + (−4)
−2 + 5 3 + (−6)
=
−3 3
−3
2
3
−1 4
=
2 · (3) 2 · (−1)
2 · 4
=
6
−2 8
(ii) (Zeilen-) Vektoren in der komplexen Ebene:
1, i
+ 2 − i, 1 + 3i
= 3 − i, 1 + 4i (2 − 3i) 1 + i, 1 − i
= 5 − i, −1 − 5i
46 / 415
Unterraum
Ein Unterraum U eines K -Vektorraums V besteht aus Elementen
u ∈ U ⊆ V , die mit der in V definierten Addition und Skalarmultiplikation selbst einen Vektorraum bilden.
Um zu pr¨ ufen, ob U ⊂ V ein Unterraum ist, gen¨ ugt es zu zeigen, dass U bzgl. der Addition und Skalarmultiplikation abgeschlossen ist:
u, v ∈ U = ⇒ u + v ∈ U s ∈ K , u ∈ U = ⇒ s · u ∈ U .
Unterr¨ aume U werden oft durch Bedingungen an die Elemente von V definiert:
U = {u ∈ V : A(u)},
mit einer Aussage A, die f¨ ur Elemente von U erf¨ ullt sein muss.
Beispiel
Unterr¨ aume des Vektorraums der reellen Funktionen f : R → R ,
definiert durch zus¨ atzliche Eigenschaften
Eigenschaft Unterraum (un)gerade ja
beschr¨ ankt ja monoton nein
stetig ja
positiv nein
linear ja
exemplarische Begr¨ undungen beschr¨ ankt:
|f
k| ≤ c
k= ⇒ |f
1(x ) + f
2(x)| ≤ |f
1(x )| + |f
2(x )| ≤ c
1+ c
2|f | ≤ c = ⇒ |sf (x )| ≤ sc jeweils ∀x
f
1+ f
2und sf sind beschr¨ ankt Unterraumkriterium erf¨ ullt monoton:
h(x ) = exp(x ) − x nicht monoton wegen lim
x→±∞
h(x) = +∞
trotz Monotonie von f (x ) = exp(x) und g (x ) = x
49 / 415
Beispiel
Gerade in einem K -Vektorraum V :
U : u = a + tb, t ∈ K mit fest gew¨ ahlten Elementen a, b ∈ V
(i) a = 0 Unterraum:
u
1, u
2∈ U = ⇒ u
1+ u
2= t
1b + t
2b = (t
1+ t
2| {z }
t
)b ∈ U s ∈ K , u ∈ U = ⇒ su = s(tb) = (st)b ∈ U
(ii) 0 ∈ / U, d.h. a 6= 0 und b 6= sa kein Unterraum:
u ∈ U = ⇒ su = s(a + tb) = 0 6∈ U f¨ ur s = 0
50 / 415
Linearkombination
F¨ ur Elemente v
1, v
2, . . . , v
meines K -Vektorraums V bezeichnet man s
1v
1+ s
2v
2+ · · · + s
mv
m=
m
X
k=1
s
kv
kmit Skalaren s
k∈ K als Linearkombination der Elemente v
k.
Die Menge aller solchen Linearkombinationen nennt man die lineare H¨ ulle der v
k:
span(v
1, . . . , v
m) = (
mX
k=0
s
kv
k: s
k∈ K )
.
Allgemeiner definiert man f¨ ur eine Menge U ⊆ V span(U) =
( X
k
s
ku
k: s
k∈ K , u
k∈ U )
als die Menge aller Linearkombinationen von Elementen aus der Menge U.
Die so gewonnene lineare H¨ ulle von U ist ein Unterraum von V .
51 / 415
Beispiel
Linearkombinationen in R
n(i) Der Vektor v = (1, 2, 3)
tist eine Linearkombination der Vektoren v
1= (3, 4, 5)
t, v
2= (1, 1, 1)
t,
denn v = v
1− 2v
2.
(ii) Der Vektor v = (1, 0)
tist keine Linearkombination der Vektoren v
1= (0, 1)
t, v
2= (0, 2)
t,
denn jede Linearkombination von v
1und v
2hat die Form (0, x )
t. (iii) Der Vektor v = (0, 0, 0, 0)
tist auf verschiedene Art als Linearkombination von
v
1= (1, 1, 0, 0)
t, v
2= (0, 2, 2, 0)
t, v
3= (0, 0, 3, 3)
t, v
4= (4, 0, 0, 4)
tdarstellbar:
v = s (12v
1− 6v
2+ 4v
3− 3v
4), s ∈ R
52 / 415
Beispiel
Lineare H¨ ullen in R
3(i) v
1= (1, −1, 0)
t, v
2= (0, 1, −1)
t:
span(v
1, v
2) = {s
1(1, −1, 0)
t+ s
2(0, 1, −1)
t: s
k∈ R }
= {(s
1, s
2− s
1, −s
2)
t: s
k∈ R } Ebene, orthogonal zu (1, 1, 1)
t(ii) v
1= (1, −1, 0)
t, v
2= (0, 1, −1)
t, v
3= (−1, 0, 1)
t: gleiche lineare H¨ ulle, da
v
3= −v
1− v
2(Darstellung von v
3als Linearkombination von v
1und v
2)
keine eindeutige Darstellung der Vektoren in span(v
1, v
2, v
3), z.B.:
(0, 0, 0)
t= s (v
1+ v
2+ v
3), s ∈ R
53 / 415
Konvexkombination
Eine Konvexkombination ist eine Linearkombination s
1v
1+ s
2v
2+ · · · + s
mv
mvon Elementen v
keines reellen Vektorraums mit
s
k≥ 0, X
k
s
k= 1 .
Die Menge aller Konvexkombinationen von Elementen aus einer Teilmenge M ⊆ V wird als konvexe H¨ ulle von M, conv(M), bezeichnet.
Geometrisch ist conv(M) die kleins- te M enthaltende Menge, die f¨ ur je zwei Elemente u, v auch deren Ver- bindungsstrecke
(1 − s)u + sv , 0 ≤ s ≤ 1 , enth¨ alt.
54 / 415
Beispiel
Parametrisierung einer Gerade und eines konvexen Vierecks durch lineare Interpolation
(i) Gerade G:
u , v ∈ G, u 6= v = ⇒
G : x = (1 − t)u + tv , t ∈ R Konvexkombination f¨ ur 0 ≤ t ≤ 1
Geradensegment conv({u, v }) zwischen u und v x teilt conv({u, v }) im Verh¨ altnis t : (1 − t)
(ii) Konvexes Viereck (a, b, c, d ):
z ∈ (a, b, c , d ) ⇐⇒
z = (1 − s )[(1 − t)a + tb
| {z }
x
] + s [(1 − t)c + td
| {z }
y
]
= (1 − s )(1 − t)a + (1 − s )tb + s(1 − t)c + std mit 0 ≤ s, t ≤ 1
Konvexkombination von a, b, c, d: Koeffizienten ≥ 0 mit Summe 1
Baryzentrische Koordinaten
Die Konvexkombinationen von u, v , w ∈ R
2,
x = ru + sv + tw , r, s, t ≥ 0, r + s + t = 1
bilden ein Dreieck mit Eckpunkten u , v , w . Die Koeffizienten r, s, t werden als baryzentrische Koordinaten bezeichnet. Sie k¨ onnen durch L¨ osen des definierenden linearen Gleichungssystems bestimmt werden.
r = area(x , v , w ) area(u, v , w ) s = area(u , x , w ) area(u, v , w ) t = area(u, v , x ) area(u, v , w )
57 / 415
Geometrisch entsprechen die baryzentrischen Koordinaten den
Verh¨ altnissen der Fl¨ acheninhalte der durch x definierten Teildreiecke zum Fl¨ acheninhalt des Dreiecks ∆(u, v , w ).
Analog k¨ onnen die baryzentrischen Koordinaten der Punkte in einem Tetraeder im R
3definiert werden.
58 / 415
Lineare Unabh¨ angigkeit
Elemente v
1, . . . , v
meines Vektorraums V sind linear abh¨ angig, wenn ein Element v
kals Linearkombination der anderen darstellbar ist, d.h.
s
1v
1+ · · · + s
mv
m= 0
V(*) mit mindestens einem der Skalare s
k6= 0.
Andernfalls bezeichnet man v
1, . . . , v
mals linear unabh¨ angig. In diesem Fall folgt aus P
k
s
kv
k= 0
Vdass s
1= · · · = s
m= 0.
F¨ ur Vektoren v
k∈ R
nist die Bedingung (*) ein homogenes lineares Gleichungssystem, das bei linearer Unabh¨ angigkeit von v
1, . . . , v
mnur die triviale L¨ osung s
1= · · · = s
m= 0 besitzt.
59 / 415
Beispiel
Lineare Unabh¨ angigkeit von Vektoren in der Ebene
(i) Zwei Vektoren u, v ∈ R
2sind genau dann linear unabh¨ angig, wenn keiner der beiden ein Vielfaches des anderen ist.
konkrete Beispiele:
(1, 0)
t, (1, 1)
tsind linear unabh¨ angig, denn
s (1, 0)
t+ t(1, 1)
t= (0, 0)
t= ⇒ s = t = 0 (2, 3)
t, (−4, −6)
tsind linear abh¨ angig, denn
(−2)(2, 3)
t= (−4, −6)
t= ⇒ 2(2, 3)
t+ (−4, 6)
t= (0, 0)
t, d.h. ∃ eine nichttriviale Darstellung des Nullvektors
60 / 415
(ii) Drei Vektoren u, v , w ∈ R
2sind immer linear abh¨ angig.
ru + sv + tw = 0
0
unterbestimmtes, homogenes lineares Gleichungssystem ru
1+ sv
1+ tw
1= 0
ru
2+ sv
2+ tw
2= 0 f¨ ur r, s , t, das immer eine nichttriviale L¨ osung besitzt.
konkretes Beispiel:
r 0
1
+ s 1
2
+ t 2
3
= 0
0
mit der L¨ osung r = λ, s = −2λ und t = λ f¨ ur beliebiges λ ∈ R
61 / 415
Beispiel
Lineare Unabh¨ angigkeit von Vektoren im Raum
(i) Zwei Vektoren u, v ∈ R
3sind linear abh¨ angig, wenn sie parallel sind, d.h. wenn ein Vektor ein Vielfaches des anderen ist.
(ii) Drei Vektoren u, v , w ∈ R
3sind linear abh¨ angig, wenn zwei Vektoren parallel sind oder wenn ein Vektor in der von den beiden anderen Vektoren aufgespannten Ebene liegt.
(iii) Vier und mehr Vektoren im R
3sind immer linear abh¨ angig.
Test f¨ ur lineare Unabh¨ angigkeit:
s
1= · · · = s
n= 0 ist die einzige L¨ osung des homogenes linearen Gleichungssystems
s
1
x
1y
1z
1
+ · · · + s
n
x
ny
nz
n
=
0 0 0
62 / 415
Konkrete F¨ alle:
u = (0, 1, 2)
t, v = (1, 2, 3)
tsind linear unabh¨ angig, da u ∦ v
(ii) u = (1, 0, 0)
t, v = (2, 3, 0)
t, w = (4, 5, 6)
tsind linear unabh¨ angig, da
r
1 0 0
+ s
2 3 0
+ t
4 5 6
=
0 0 0
= ⇒ r = s = t = 0
(iii) (1, 0, 0)
t, (0, 2, 0)
t, (0, 0, 3)
t, (4, 5, 6)
tsind linear abh¨ angig, da 5
1 0 0
+ 2
0 2 0
+ 2
0 0 3
+ (−1)
5 4 6
=
0 0 0
Basis
Eine Teilmenge B eines Vektorraumes V ist eine Basis von V , wenn die Vektoren in B linear unabh¨ angig sind und sich jeder Vektor v ∈ V eindeutig als Linearkombination
v = X
k
c
kb
k, b
k∈ B ,
darstellen l¨ asst. Die Koeffizienten c
kwerden als Koordinaten von v bez¨ glich der Basis B bezeichnet:
v ↔ v
B= (c
1, c
2, . . .)
t.
Besitzt ein Vektorraum V eine endliche Basis B = {b
1, . . . , b
n}, so ist die Anzahl der Basisvektoren eindeutig bestimmt und wird die Dimension von V genannt:
n = dim V .
Man setzt dim V = 0 f¨ ur V = {0} und dim V = ∞ f¨ ur einen Vektorraum
ohne endliche Basis.
F¨ ur V = R
noder V = C
nbesteht eine Basis aus n Vektoren b
k, und die Matrix B = (b
1, . . . , b
n) mit den Spalten b
kist invertierbar, d.h.
det B 6= 0.
65 / 415
Beweis
Eindeutigkeit der Dimension im endlichen Fall hinreichend zu zeigen:
Hat ein Vektorraum eine n-elementige Basis b
1, . . . , b
n,
so sind n + 1 Vektoren v
1, . . . , v
n+1(und damit auch mehr als n + 1 Vektoren) linear abh¨ angig.
( = ⇒ Widerspruch zur linearen Unabh¨ angigkeit bei Basen mit unterschiedlich vielen Vektoren)
Beweis durch Induktion:
(n − 1) → n: betrachte Basisdarstellung der Vektoren v
k: v
k=
n
X
`=1
γ
k,`b
`, k = 1, . . . , n + 1 trivialer Fall:
γ
n+1,1= · · · = γ
n+1,n= 0
= ⇒ v
n+1= 0 = ⇒ lineare Abh¨ angigkeit der Vektoren v
k66 / 415
andernfalls, nach geeigneter Nummerierung, γ
n+1,n6= 0
definiere Vektoren v
k0, k = 1, . . . , n, die sich als Linearkombination der n − 1 Vektoren b
1, . . . , b
n−1darstellen lassen:
v
k0= v
k− γ
k,nγ
n+1,nv
n+1= (γ
k,1b
1+ · · · + γ
k,nb
n) − γ
k,nγ
n+1,n(γ
n+1,1b
1+ · · · + γ
n+1,nb
n) Koeffizient von b
n= 0 = ⇒
v
10, . . . , v
n0∈ V
0= span {b
1, . . . , b
n−1}
Induktionsvoraussetzung, angewandt auf die Basis {b
1, . . . , b
n−1} von V
0= ⇒ ∃ nichttriviale Linearkombination
λ
1v
10+ · · · + λ
nv
n0= 0 Einsetzen der Definition von v
k0Linearkombination der v
k, also die behauptete lineare Abh¨ angigkeit
67 / 415
Reelles Skalarprodukt
Ein Skalarprodukt h·, ·i auf einem reellen Vektorraum V ist eine Abbildung V × V 3 (u, v ) 7→ hu, v i ∈ R
mit folgenden Eigenschaften:
Positivit¨ at:
hv , v i > 0 f¨ ur v 6= 0 Symmetrie:
hu, v i = hv , ui Linearit¨ at:
hsu + tv , w i = shu, wi + thv , w i Diese Identit¨ aten gelten f¨ ur alle u , v , w ∈ V und s , t ∈ R .
Aufgrund der Symmetrie ist ein reelles Skalarprodukt auch bez¨ uglich des zweiten Argumentes linear, also eine Bilinearform auf V .
68 / 415
F¨ ur V = R
nist das kanonische Skalarprodukt
hu, v i = u
tv = u
1· · · u
n
v
1.. . v
n
= u
1v
1+ · · · + u
nv
n, und
|u| = p
hu, ui = q
u
21+ · · · + u
n2ist die assoziierte Norm.
69 / 415
Beispiel
Skalarprodukt-Eigenschaften f¨ ur Abbildungen R
23 (x , y ) 7→ f (x , y ) ∈ R
f(x,y) Positivit¨ at Symmetrie Linearit¨ at
10x
1y
1+ x
2y
2X X X
|x
1y
1| + |x
2y
2| X X
x
1y
2+ x
2y
1X X
4x
1y
1+ x
1y
2+ 2x
2y
1+ 3x
2y
2X X x
1y
13+ x
23y
2X
x
1x
2+ y
1y
2X
x
1y
2+ 2x
2y
1X
x
1370 / 415
Beispiel
Skalarprodukt auf dem Vektorraum der auf [0, 1] definierten, reellwertigen stetigen Funktionen:
hf , g i = Z
1 0f (x )g (x ) dx Positivit¨ at, Linearit¨ at, Symmetrie X
Verallgemeinerung mit einer positiven Gewichtsfunktion w : hf , g i
w=
1
Z
0
fg w
z.B: gewichtete Skalarprodukte f¨ ur radialsymmetrische Funktionen auf der Kreisscheibe oder Kugel:
Z
1 0f (r)g (r)r dr, Z
10
f (r)g (r )r
2dr
Komplexes Skalarprodukt
Ein Skalarprodukt h·, ·i auf einem komplexen Vektorraum V ist eine Abbildung
V × V 3 (u, v ) 7→ hu, v i ∈ C mit folgenden Eigenschaften:
Positivit¨ at: hv , v i > 0 f¨ ur v 6= 0 Schiefsymmetrie: hu, v i = hv , ui
Linearit¨ at: hu, sv + tw i = shu, v i + thu, w i
Diese Identit¨ aten gelten f¨ ur alle u , v , w ∈ V und s , t ∈ C .
Aufgrund der Schiefsymmetrie ist ein komplexes Skalarprodukt bez¨ uglich der ersten Variablen nicht linear:
hsu + tv , w i = ¯ shu , v i + ¯ thu, wi .
Lediglich f¨ ur reelle Skalare s , t ist die komplexe Konjugation ohne
Bedeutung.
F¨ ur V = C
nist das kanonische Skalarprodukt
hu, v i = u
∗v = ¯ u
tv = u ¯
1· · · u ¯
n
v
1.. . v
n
= ¯ u
1v
1+ · · · + ¯ u
nv
n, und
|u| = p
hu, ui = q
|u
1|
2+ · · · + |u
n|
2, |u
k|
2= ¯ u
ku
k, ist die assoziierte Norm.
Gebr¨ auchlich ist auch die komplexe Konjugation des zweiten Arguments des Skalarprodukts,
hu, v i = X
k
u
kv ¯
k.
Diese andere Definition des Skalarprodukts komplexer Vektoren ist jedoch weniger konsistent mit den Regeln des Matrix/Vektor-Kalk¨ uls - den
” liegenden“ adjungierten Vektor u
∗erh¨ alt man durch Transposition und Konjugation des
” stehenden“ Vektors u.
73 / 415
Beispiel
Skalarprodukt von Vektoren in C
2x =
1 + 2i
−2 − i
, y =
2 2i
komplexes Skalarprodukt hx , y i = ¯ x
1y
1+ ¯ x
2y
2(1 + 2i) · 2 + (−2 − i) · 2i = (1 − 2i) · 2 + (−2 + i) · 2i = 2 − 4i − 4i − 2 = −8i Das Konjugieren ist notwendig f¨ ur die Positivit¨ at der assoziierten Norm.
keine Konjugation falsche Definition der L¨ angen q
x
12+ x
22= q
(1 + 2i)
2+ (−2 − i)
2= √
1 + 4i − 4 + 4 + 4i − 1 = √ 8i 6∈ R q
y
12+ y
22= q
2
2+ (2i)
2= √
4 − 4 = 0 6> 0
74 / 415
richtige Berechnung
|x | = √
¯
x
1x
1+ ¯ x
2x
2= p
(1 + 4) + (4 + 1) = √ 10
|y | = p
2 · 2 + (2i) · (−2i) = √ 8
75 / 415
Cauchy-Schwarz-Ungleichung
Ein Skalarprodukt l¨ asst sich mit Hilfe der assoziierten Norm absch¨ atzen:
|hu, v i| ≤ |u||v |, |w| = p
hw , w i . Gleichheit gilt genau dann, wenn u k v .
F¨ ur ein reelles Skalarprodukt kann durch cos ϕ = hu, v i
|u| |v |
ein Winkel ϕ ∈ [0, π] zwischen u und v definiert werden.
76 / 415
Beweis
v = su Gleichheit
Die Ungleichung bleibt bei Multiplikation von u bzw. v mit einem Skalar unver¨ andert.
o.B.d.A. |u|
2= |v |
2= 1, u 6k v
betrachte ein komplexes Skalarprodukt (Argumentation schließt den reellen Fall ein)
hv , ui = r exp(iϕ)
| {z }
=:λ
, r > 0 , u , v nicht parallel, ¯ λλ = 1 = ⇒
0 < hu − λv , u − λv i
= |u|
2+ ¯ λλ|v |
2− λ ¯ r exp(iϕ)
| {z }
hv,ui
−λ r exp(iϕ)
| {z }
hu,vi
= 1 + 1 − r − r ,
d.h.
|hu, v i| = r < 1 = |u| |v | X
77 / 415
Beispiel
Illustration der Ungleichung von Cauchy-Schwarz f¨ ur das Skalarprodukt hf , g i =
Z
1 0f (x )g (x ) dx f
k(x ) = x
k|f
k| = Z
10
(x
k)
2dx
1/2= (2k + 1)
−1/2hf
k, f
`i =
Z
1 0x
kx
`dx = (k + ` + 1)
−1Ungleichung von Cauchy-Schwarz
(k + ` + 1)
−1= |hf
k, f
`i| ≤ |f
k||f
`| = (2k + 1)
−1/2(2` + 1)
−1/2X , denn Quadrieren und Kehrwertbildung
k
2+ `
2+ 1 + 2k` + 2k + 2` ≥ 4k` + 2k + 2` + 1 ⇐⇒ (k − `)
2≥ 0
78 / 415
Norm
Eine Norm auf einem reellen oder komplexen Vektorraum V ist eine Abbildung
V 3 v 7→ kv k ∈ R mit den folgenden Eigenschaften.
Positivit¨ at:
kv k > 0 f¨ ur v 6= 0 Homogenit¨ at:
ksv k = |s |kv k Dreiecksungleichung:
ku + v k ≤ kuk + kv k
Diese Identit¨ aten gelten f¨ ur alle u, v ∈ V und s ∈ R bzw. s ∈ C .
Mit einem Skalarprodukt ist die Norm
|v | = p
hv , v i, v ∈ V
assoziiert. F¨ ur diese spezielle Norm werden oft einfache Betragsstriche verwendet. Insbesondere ist f¨ ur V = R
nund V = C
n|x | = q
|x
1|
2+ · · · + |x
n|
2. Mit Hilfe einer Norm kann durch
d (u, v ) = ku − v k
ein Abstand zwischen zwei Vektoren definiert werden.
Beweis
Uberpr¨ ¨ ufung der Normeigenschaften f¨ ur die einem Skalarprodukt zugeordnete Norm
Positivit¨ at und Homogenit¨ at X Die Dreiecksungleichung folgt aus
|u + v |
2= hu + v , u + v i
= hu, ui + hu, v i + hu, v i
| {z }
∈R
+hv , v i
≤ |u|
2+ 2|hu, v i| + |v |
2≤
Cauchy-Schwarz
|u|
2+ 2|u||v | + |v |
2= (|u| + |v |)
2durch Wurzelziehen.
81 / 415
Beispiel
Normen f¨ ur die Vektorr¨ aume R
nund C
n2-Norm oder Euklidische Norm
kz k
2= q
|z
1|
2+ · · · + |z
n|
2z.B.
k(2, −1, 2)
tk
2= √
4 + 1 + 4 = 9 Spezielle Notation f¨ ur die, dem kanonischen Skalarprodukt zugeordnete Norm: kz k
2= |z|
82 / 415
Maximum-Norm
kzk
∞= max
k
|z
k| z.B:
k(2 + 3i, 3 − 4i)
tk
∞= max( p
2
2+ 3
2, p
3
2+ 4
2)
= max( √ 13, √
25) = 5 Verallgemeinerung: kzk
∞,w= max
k
(w
k|z
k|) mit Gewichten w
k> 0 1-Norm
kz k
1=
n
X
k=1
|z
k| z.B.
k(1, −2, 3)
tk
1= |1| + | − 2| + |3| = 1 + 2 + 3 = 6
83 / 415
Orthogonale Basis
Eine Basis B = {u
1, . . . , u
n} eines Vektorraums V ist orthogonal, wenn hu
j, u
ki = 0, j 6= k .
Eine normierte orthogonale Basis, d.h. |u
k| = 1 ∀ k, wird als Orthonormalsystem oder Orthonormalbasis bezeichnet.
Die Elemente v des Vektorraums besitzen die Darstellung v =
n
X
k=1
c
ku
k, c
k= hu
k, v i
|u
k|
2. F¨ ur die Koeffizienten c
kgilt
|c
1|
2|u
1|
2+ · · · + |c
n|
2|u
n|
2= |v |
2.
Ist die Basis normiert, so fallen die Terme |u
k|
2weg, d.h. es gelten die einfacheren Formeln
c
k= hu
k, v i, |c
1|
2+ · · · + |c
n|
2= |v |
2.
84 / 415
F¨ ur einen komplexen Vektorraum ist die Reihenfolge der Argumente im Skalarprodukt von Bedeutung. Bei der Berechnung der Koeffizienten muss h·, ·i bez¨ uglich des Argumentes v linear sein.
85 / 415
Beweis
u
1, . . . , u
nBasis = ⇒ Existenz von Skalaren c
1, . . . , c
nmit v =
n
X
j=1
c
ju
jSkalarprodukt mit u
k, Orthogonalit¨ at der Basis (hu
k, u
ji = 0, j 6= k ) und Linearit¨ at
hu
k, v i = hu
k, c
ku
ki = c
khu
k, u
ki bzw. c
k= hv , u
ki hu
k, u
ki Identit¨ at f¨ ur die Koeffizienten = b Verallgemeinerung des Satzes von Pythagoras
Beweis durch Ausmultiplizieren von
|v |
2= hc
1u
1+ · · · + c
nu
n, c
1u
1+ · · · + c
nu
ni unter Ber¨ ucksichtigung von
hc
ju
j, c
ku
ki = 0, j 6= k
86 / 415
Beispiel
Darstellung des Vektors v = 8 4
tbez¨ uglich der orthogonalen Basis u
1= 1 3
t, u
2= −6 2
t(i) Koeffizienten und Basisdarstellung:
c
1= hu
1, v i
hu
1, u
1i = 1 · 8 + 3 · 4 1
2+ 3
2= 20
10 = 2 c
2= hu
2, v i
hu
2, u
2i = −6 · 8 + 2 · 4
6
2+ 2
2= −40 40 = −1 Linearkombination v = c
1u
1+ c
2u
28 4
= 2 1
3
− −6
2 (iii) Quadratsumme der Koeffizienten:
Uberpr¨ ¨ ufung der Identit¨ at c
12|u
1|
2+ c
22|u
2|
2= |v |
22
2· 10 + (−1)
2· 40 = 80 = 8
2+ 4
2= 80 X
Beispiel
Darstellung des Vektors v = −1 1 3
tbez¨ uglich der orthonormalen Basis
u
1= 1
9 1 4 8
t, u
2= 1
9 4 7 −4
t, u
3= 1
9 8 −4 1
t|u
1| = |u
2| = |u
3| = 1 Koeffizienten c
k= hu
k, v i, d.h.
v = hu
1, v iu
1+ hu
2, v iu
2+ hu
1, v iu
3= −1 · 1 + 4 · 1 + 8 · 3
9 u
1+ −4 + 7 − 12
9 u
2+ −9 9 u
2= 3
1/9 4/9 8/9
−
4/9 7/9
−4/9
−
8/9
−4/9 1/9
Kontrolle der Quadratsumme der Koeffizienten:
|3|
2+ | − 1|
2+ | − 1|
2 != |v |
2= (−1)
2+ 1
2+ 3
2X
Beispiel
Darstellung w = su + tv des Vektors w = 2 + 3i 1
tbez¨ uglich der orthogonalen Basis
u = 1 i
, v = i 1
Uberpr¨ ¨ ufung der Orthogonalit¨ at der Basisvektoren
hu, v i = 1 · i + i · 1 = 1 · i + (−i) · 1 = 0 X Norm der Basisvektoren
|u|
2= hu, u i = u
1u
1+ u
2u
2= 1 · 1 + (−i) · i = 2, |v |
2= 2 Koeffizienten
s = hu, wi
hu, u i = 1 · (2 + 3i) + i · 1 2
= 1 · (2 + 3i) + (−i) · 1
2 = 2 + 3i − i
2 = 1 + i t = (−i) · (2 + 3i) + 1 · 1
2 = 2 − i
89 / 415
Basisdarstellung 2 + 3i
1
= (1 + i) 1
i
+ (2 − i) i
1
90 / 415
Orthogonale Projektion Die orthogonale Projektion
V 3 v 7→ P
U(v ) ∈ U
auf einen Unterraum U eines Vektorraums V ist durch die Orthogonalit¨ atsbedingung
hu, v − P
U(v )i = 0, ∀u ∈ U charakterisiert.
Ist {u
1, . . . , u
m} eine orthogonale Basis von U, so besitzt P
Udie Darstellung
P
U(v ) =
m
X
k=1
hu
k, v i hu
k, u
ki u
k.
91 / 415
Insbesondere gilt f¨ ur V = R
nP
Uv =
m
X
k=1
|u
k|
−2u
k(u
ktv ) mit der Projektionsmatrix P
k
|u
k|
−2u
ku
kt. F¨ ur v = C
nist der
transponierte Vektor u
tdurch den adjungierten Vektor u
∗(Transposition und komplexe Konjugation) zu ersetzen.
92 / 415