04. Allgemeine Vektorr¨ aume
Definition. Ein Vektorraum (oder auch linearer Raum) ist eine be- liebige nichtleere Menge V von Objekten (welche dann Vektoren genannt werden), f¨ ur die eine Addition und eine Multiplikation mit Skalaren (meist aus R oder C ) erkl¨ art ist.
Die zuvor genannten Rechenregeln betreffend Addition und Multiplikation mit Skalaren m¨ ussen analog erf¨ ullt sein.
Beispiel. R
2, R
3, R
n(siehe zuvor)
Beispiel. Sei X eine Menge und F (X, R ) = { f : X → R} die Menge aller Abbildungen (Funktionen) von X nach R .
F¨ ur f, g ∈ F (X, R ) und λ ∈ R erkl¨ aren wir die Funktionen f + g und λf durch
(f + g)(x) := f (x) + g(x) ∀ x ∈ R (λf )(x) := λ · f (x) ∀ x ∈ R
Dann ist F (X, R ) ein Vektorraum. Der Nullvektor ist hier die Nullfunk- tion, die jedem x ∈ X den Wert Null zuordnet.
Definition. Ein Teilraum (oder auch Untervektorraum) eines Vek- torraumes V ist eine nichtleere Teilmenge U ⊆ V mit den folgenden Eigenschaften:
1. ⃗ x, ⃗ y ∈ U ⇒ ⃗ x + ⃗ y ∈ U 2. ⃗ x ∈ U , λ ∈ R ⇒ λ · ⃗ x ∈ U
(D.h. bei der Addition von zwei Vektoren aus U und der skalaren Multi- plikation eines Vektors aus U wird der Teilraum nicht verlassen.)
Bemerkung. Ein Teilraum ist selbst wieder ein Vektorraum.
Beispiel. Eine Gerade im R
2oder R
3, die den Ursprung enth¨ alt, ist ein Teilraum.
Eine Ebene im R
3, die den Ursprung enth¨ alt, ist ein Teilraum.
Definition. Sei V ein Vektorraum (mit Skalaren aus R )
1. Seien ⃗ x
1, . . . , ⃗ x
k∈ V und λ
1, . . . , λ
k∈ R . Dann heißt der Vektor
⃗ v = λ
1⃗ x
1+ λ
2⃗ x
2+ . . . + λ
k⃗ x
keine Linearkombination der Vektoren ⃗ x
1, . . . , ⃗ x
k.
2. Die Vektoren ⃗ x
1, . . . , ⃗ x
k∈ V heißen linear unabh¨ angig, wenn gilt λ
1⃗ x
1+ λ
2⃗ x
2+ . . . + λ
k⃗ x
k= ⃗ 0 ⇒ λ
1= λ
2= . . . = λ
k= 0
Das bedeutet, dass sich der Nullvektor nur auf triviale Weise, also mit λ
i= 0 ∀ i darstellen l¨ asst.
Umgekehrt heißen ⃗ x
1, . . . , ⃗ x
klinear abh¨ angig wenn sie nicht linear un- abh¨ angig sind, es also eine nichttriviale Darstellung des Nullvektors gibt.
Beispiel. Gegeben seien ⃗ x
1= ( 2
1 )
und ⃗ x
2=
( − 1 1
) .
λ
1⃗ x
1+ λ
2⃗ x
2= λ
1( 2
1 )
+ λ
2( − 1 1
)
=
( 2λ
1− λ
2λ
1+ λ
2)
!= ( 0
0 )
impliziert 2λ
1− λ
2= 0 , λ
1+ λ
2= 0 ⇒ λ
1= λ
2= 0 . Die beiden Vektoren sind damit linear unabh¨ angig.
Beispiel. Die Vektoren ⃗ x
1=
1
− 1 0
, ⃗ x
2=
− 1 2 1
, ⃗ x
3=
− 1 4 3
sind linear abh¨ angig, weil
2⃗ x
1+ 3⃗ x
2− ⃗ x
3= ⃗ 0 .
⃗
x
1, . . . , ⃗ x
klinear abh¨ angig, dann existiert ein i ∈ { 1, . . . , k } mit λ
i̸ = 0 und folglich gilt
⃗
x
i= −
λ1i(λ
1⃗ x
1+ . . . + λ
i−1⃗ x
i−1+ λ
i+1⃗ x
i+1+ . . . λ
k⃗ x
k) .
D.h. einer der Vektoren l¨ asst sich als Linearkombination der ¨ ubrigen darstellen.
Gilt also etwa 2⃗ x
1+ 3⃗ x
2− ⃗ x
3= ⃗ 0 , dann erh¨ alt man
⃗
x
1= −
12(3⃗ x
2− ⃗ x
3) , ⃗ x
2= −
13(2⃗ x
1− ⃗ x
3) , ⃗ x
3= 2⃗ x
1+ 3⃗ x
2Bemerkungen.
1. Drei Vektoren ⃗a,⃗b, ⃗c ∈ R
2sind immer linear abh¨ angig.
2. Zwei Vektoren ⃗a,⃗b ∈ R
2sind genau dann linear abh¨ angig, wenn sie parallel sind, d.h. einer der Vektoren ist ein Vielfaches des anderen.
3. Drei Vektoren des R
3sind genau dann linear abh¨ angig, wenn sie in einer Ebene liegen, die den Ursprung enth¨ alt.
4. Ist f¨ ur ⃗ x
1, . . . , ⃗ x
kder Vektor ⃗ x
i= ⃗ 0 , dann sind die Vektoren linear abh¨ angig, weil
0 · ⃗ x
1+ . . . 0 · ⃗ x
i−1+ 1 · ⃗ x
i+ 0 · ⃗ x
i+1+ . . . + 0 · ⃗ x
k= ⃗ 0
Definition.
1. Die maximale Anzahl linear unabh¨ angiger Vektoren aus einem Vektor- raum V heißt die Dimension von V , dim V .
2. Ist dim V = m , dann heißt ein System (⃗ x
1, . . . , ⃗ x
m) von linear unabh¨ angigen Vektoren eine Basis von V .
Bemerkung. Ein und derselbe Vektorraum kann viele verschiedene Basen haben.
Bemerkung. Im R
nist
⃗ e
1=
1 0 ...
0 0
, ⃗ e
2=
0 1 0 ...
0
, . . . , ⃗ e
n=
0 0 ...
0 1
die sogenannte Standardbasis (bzw. kanonische Basis).
Definition. Seien ⃗ v
1, . . . , ⃗ v
kVektoren des Vektorraums V . Die Menge aller Linearkombinationen ⃗ v = λ
1⃗ v
1+ . . . + λ
k⃗ v
kmit beliebigem λ
i∈ R heißt der von den Vektoren (⃗ v
1, . . . , ⃗ v
k) aufgespannte Raum bzw. der Span von (⃗ v
1, . . . , ⃗ v
k) .
Span { ⃗ v
1, . . . , ⃗ v
k} = { ⃗ v : ⃗ v = λ
1⃗ v
1+ . . . + λ
k⃗ v
k, λ
i∈ R}
Bemerkung. Span { ⃗ v
1, . . . , ⃗ v
k} ist wieder ein Vektorraum.
Satz. Ist (⃗ v
1, . . . , ⃗ v
n) eine Basis des Vektorraums V , dann l¨ asst sich jeder Vektor ⃗ v ∈ V in eindeutiger Weise als Linearkombination der Basisvektoren schreiben.
Beispiel. Seien ⃗ x = ( 1
5 )
, ⃗a = ( 2
1 )
, ⃗b =
( − 1 1
)
∈ R
2Dann ist ( ⃗a,⃗b) eine Basis des R
2.
Bez¨ uglich der kanonischen Basis (⃗ e
1, ⃗ e
2) gilt
⃗
x = 1 · ⃗ e
1+ 5 · ⃗ e
2Bez¨ uglich der Basis ( ⃗a,⃗b) gilt
⃗
x = 2⃗a + 3 ⃗b = 2 ( 2
1 )
+ 3
( − 1 1
)
Definition. Eine Basis ( ⃗b
1, . . . ,⃗b
n) des R
nheißt eine Orthonormal-
stehen und normiert sind (d.h. die L¨ ange 1 haben). D.h.
⟨ ⃗b
i,⃗b
j⟩ = δ
ij=
{ 1 wenn i = j 0 wenn i ̸ = j
Gegeben sei nun ein System von m linear unabh¨ angigen Vektoren ⃗b
1, . . . ,⃗b
mim Vektorraum V . Sei W = Span( ⃗b
1, . . . ,⃗b
m) . Dann ist ( ⃗b
1, . . . ,⃗b
m) eine Basis von W .
Im Orthonormalisierungsverfahren nach Gram-Schmidt wird da- raus eine Orthonormalbasis ( ⃗b
′1, . . . ,⃗b
′m) von W konstruiert.
1. Schritt: Bilde den Vektor ⃗b
∗1= ⃗b
1und weiters sukzessive
⃗b
∗k= ⃗b
k−
⟨⟨⃗b⃗bk∗,⃗b∗1⟩1,⃗b∗1⟩
· ⃗b
∗1−
⟨⟨⃗b⃗bk∗,⃗b∗2⟩2,⃗b∗2⟩
· ⃗b
∗2− . . . −
⟨⃗b⟨⃗b∗k,⃗b∗k−1⟩k−1,⃗b∗k−1⟩
· ⃗b
∗k−1, k = 2, . . . m ( ⃗b
∗1, . . . ,⃗b
∗m) bilden dann ein orthogonales System.
2. Schritt: Die erhaltenen Vektoren werden nun normiert
⃗b
′i=
⃗b∗i|⃗b∗i|