Lektion 8.2

Orthogonalität und Orthonormalbasen

40 min Lesezeit
Lesen anpassen

Nach dieser Lektion kannst du

  • entscheiden, ob Vektoren bezüglich eines Skalarprodukts orthogonal oder orthonormal sind,

  • beweisen, dass orthogonale Vektoren ungleich null linear unabhängig sind,

  • Koordinaten bezüglich einer Orthonormalbasis mit Skalarprodukten statt mit einem Gleichungssystem bestimmen,

  • den Satz des Pythagoras und die Parseval-Gleichung anwenden,

  • orthogonale Matrizen an ATA=EA^TA = E erkennen und ihre Eigenschaften begründen.

Vorausgesetzt: Skalarprodukt und Norm, Basis und Dimension, Invertierbare Matrizen und die Inverse

Um die Koordinaten eines Vektors vv bezüglich einer Basis b1,…,bnb_1, \dots, b_n zu finden, löst man normalerweise das lineare Gleichungssystem v=λ1b1+⋯+λnbnv = \lambda_1b_1 + \dots + \lambda_nb_n, zum Beispiel mit dem Gauß-Verfahren. Bei der Standardbasis e1,…,ene_1, \dots, e_n des Rn\mathbb{R}^n ist das überflüssig: Die Koordinaten sind einfach die Einträge, und der ii-te Eintrag ist ⟨v,ei⟩\langle v, e_i\rangle.

Warum ist die Standardbasis so bequem? Sie ist nicht nur eine Basis: Ihre Vektoren haben die Länge 11 und stehen paarweise senkrecht. Diese Lektion zeigt, dass genau das der Grund ist. Jede Basis mit diesen Eigenschaften verhält sich wie die Standardbasis, in jedem euklidischen Vektorraum, auch in einem Raum von Funktionen.

Im ganzen Kapitel ist VV ein euklidischer Vektorraum mit Skalarprodukt ⟨⋅,⋅⟩\langle\cdot,\cdot\rangle und Norm ∥v∥=⟨v,v⟩\|v\| = \sqrt{\langle v, v\rangle}. Im Rn\mathbb{R}^n ist ohne weitere Angabe das Standardskalarprodukt ⟨x,y⟩=xTy\langle x, y\rangle = x^Ty gemeint.

Vermute zuerst

Im R2\mathbb{R}^2 stehen b1=(1,1)Tb_1 = (1, 1)^T und b2=(1,−1)Tb_2 = (1, -1)^T senkrecht aufeinander. Es ist v=(3,1)Tv = (3, 1)^T und ⟨v,b1⟩=4\langle v, b_1\rangle = 4. Welchen Koeffizienten λ1\lambda_1 hat vv in v=λ1b1+λ2b2v = \lambda_1b_1 + \lambda_2b_2?

Definition

Orthogonal und orthonormal

Zwei Vektoren v,w∈Vv, w \in V heißen orthogonal (senkrecht), geschrieben v⊥wv \perp w, wenn ⟨v,w⟩=0\langle v, w\rangle = 0.

Eine Familie v1,…,vmv_1, \dots, v_m heißt

  • orthogonal, wenn ⟨vi,vj⟩=0\langle v_i, v_j\rangle = 0 für alle i≠ji \neq j,
  • orthonormal, wenn sie orthogonal ist und zusätzlich ∥vi∥=1\|v_i\| = 1 für alle ii gilt.

Kurz: orthonormal heißt ⟨vi,vj⟩=δij\langle v_i, v_j\rangle = \delta_{ij}. Das Kronecker-Delta δij\delta_{ij} ist 11 für i=ji = j und 00 für i≠ji \neq j. Der Nullvektor ist zu jedem Vektor orthogonal, auch zu sich selbst, und er ist der einzige Vektor mit dieser letzten Eigenschaft.

Beispiel

Orthonormale Familien

Im R3\mathbb{R}^3. Die Vektoren

b1=13(1,2,2)T,b2=13(2,1,−2)T,b3=13(2,−2,1)Tb_1 = \tfrac{1}{3}(1, 2, 2)^T, \quad b_2 = \tfrac{1}{3}(2, 1, -2)^T, \quad b_3 = \tfrac{1}{3}(2, -2, 1)^T

sind orthonormal: ⟨b1,b2⟩=19(2+2−4)=0\langle b_1, b_2\rangle = \frac{1}{9}(2 + 2 - 4) = 0, ⟨b1,b3⟩=19(2−4+2)=0\langle b_1, b_3\rangle = \frac{1}{9}(2 - 4 + 2) = 0, ⟨b2,b3⟩=19(4−2−2)=0\langle b_2, b_3\rangle = \frac{1}{9}(4 - 2 - 2) = 0, und jeder hat ∥bi∥2=19(1+4+4)=1\|b_i\|^2 = \frac{1}{9}(1 + 4 + 4) = 1.

Im Funktionenraum. In C[0,2π]C[0, 2\pi] mit ⟨f,g⟩=∫02πfg dx\langle f, g\rangle = \int_0^{2\pi} fg\,dx sind 11, cos⁡\cos, sin⁡\sin orthogonal: ∫02πcos⁡x dx=0\int_0^{2\pi}\cos x\,dx = 0, ∫02πsin⁡x dx=0\int_0^{2\pi}\sin x\,dx = 0, und ⟨sin⁡,cos⁡⟩=0\langle \sin, \cos\rangle = 0 hast du in der letzten Lektion gerechnet. Orthonormal sind sie nicht, denn ∥1∥2=2π\|1\|^2 = 2\pi.

Gegenbeispiel. (1,1)T(1, 1)^T und (1,−1)T(1, -1)^T sind im Standardskalarprodukt orthogonal, im gewichteten Produkt ⟨x,y⟩g=2x1y1+x2y2\langle x, y\rangle_g = 2x_1y_1 + x_2y_2 aber nicht, denn dort ist das Produkt 2−1=12 - 1 = 1. Orthogonalität ist immer eine Aussage über Vektoren und Skalarprodukt.

Satz

Orthogonale Familien sind linear unabhängig

Ist v1,…,vmv_1, \dots, v_m eine orthogonale Familie in VV mit vi≠0v_i \neq 0 für alle ii, dann ist sie linear unabhängig.

Definition

Orthonormalbasis

Eine Orthonormalbasis (kurz ONB) von VV ist eine Basis von VV, die eine orthonormale Familie ist.

Ist dim⁡V=n\dim V = n, dann ist jede orthonormale Familie aus nn Vektoren schon eine ONB: Sie ist nach dem Satz linear unabhängig (Einheitsvektoren sind ≠0\neq 0), und nn linear unabhängige Vektoren in einem nn-dimensionalen Raum bilden eine Basis. So sind die drei Vektoren b1,b2,b3b_1, b_2, b_3 aus dem Beispiel eine ONB des R3\mathbb{R}^3, ohne dass man eine Determinante ausrechnen muss.

Satz

Koordinaten bezüglich einer Orthonormalbasis

Es sei b1,…,bnb_1, \dots, b_n eine ONB von VV. Dann gilt für jeden Vektor v∈Vv \in V:

v=⟨v,b1⟩ b1+⟨v,b2⟩ b2+⋯+⟨v,bn⟩ bnv = \langle v, b_1\rangle\, b_1 + \langle v, b_2\rangle\, b_2 + \dots + \langle v, b_n\rangle\, b_n
Beispiel

Koordinaten ohne Gauß-Verfahren

Gesucht sind die Koordinaten von v=(3,0,3)Tv = (3, 0, 3)^T bezüglich der ONB b1,b2,b3b_1, b_2, b_3 von oben. Statt ein 3×33 \times 3-System zu lösen, berechnet man drei Skalarprodukte:

⟨v,b1⟩=13(3+0+6)=3,⟨v,b2⟩=13(6+0−6)=0,⟨v,b3⟩=13(6+0+3)=3\langle v, b_1\rangle = \tfrac{1}{3}(3 + 0 + 6) = 3, \quad \langle v, b_2\rangle = \tfrac{1}{3}(6 + 0 - 6) = 0, \quad \langle v, b_3\rangle = \tfrac{1}{3}(6 + 0 + 3) = 3

Probe: 3b1+0b2+3b3=(1,2,2)T+(2,−2,1)T=(3,0,3)T3b_1 + 0b_2 + 3b_3 = (1, 2, 2)^T + (2, -2, 1)^T = (3, 0, 3)^T. Die Koordinaten sind (3,0,3)(3, 0, 3), hier zufällig dieselben Zahlen wie die Einträge von vv; für andere Vektoren ist das nicht so (siehe die nächste Aufgabe).

Kurz geprüft

Welche Koordinate hat v=(0,3,3)Tv = (0, 3, 3)^T bezüglich b1=13(1,2,2)Tb_1 = \frac{1}{3}(1, 2, 2)^T in der ONB b1,b2,b3b_1, b_2, b_3 von oben?

Satz

Pythagoras und Parseval

Pythagoras. Sind v1,…,vmv_1, \dots, v_m orthogonal, dann ist ∥v1+⋯+vm∥2=∥v1∥2+⋯+∥vm∥2\|v_1 + \dots + v_m\|^2 = \|v_1\|^2 + \dots + \|v_m\|^2.

Parseval-Gleichung. Ist b1,…,bnb_1, \dots, b_n eine ONB von VV, dann gilt für alle v,w∈Vv, w \in V:

⟨v,w⟩=∑i=1n⟨v,bi⟩⟨w,bi⟩,insbesondere∥v∥2=∑i=1n⟨v,bi⟩2\langle v, w\rangle = \sum_{i=1}^n \langle v, b_i\rangle\langle w, b_i\rangle, \qquad \text{insbesondere} \qquad \|v\|^2 = \sum_{i=1}^n \langle v, b_i\rangle^2
Definition

Orthogonale Matrix

Zur Erinnerung: Die Transponierte ATA^T einer Matrix AA hat die Einträge (AT)ij=aji(A^T)_{ij} = a_{ji}; es gilt (AB)T=BTAT(AB)^T = B^TA^T. Mit EE bezeichnen wir die Einheitsmatrix.

Eine Matrix A∈Rn×nA \in \mathbb{R}^{n \times n} heißt orthogonal, wenn

ATA=E.A^TA = E.

Schreibt man A=(a1∣⋯∣an)A = (a_1 \mid \dots \mid a_n) mit den Spalten aja_j, dann ist der Eintrag (i,j)(i, j) von ATAA^TA gleich aiTaj=⟨ai,aj⟩a_i^Ta_j = \langle a_i, a_j\rangle. Also heißt ATA=EA^TA = E genau: ⟨ai,aj⟩=δij\langle a_i, a_j\rangle = \delta_{ij}, die Spalten bilden eine ONB des Rn\mathbb{R}^n.

Satz

Eigenschaften orthogonaler Matrizen

Für A∈Rn×nA \in \mathbb{R}^{n\times n} mit ATA=EA^TA = E gilt:

  • AA ist invertierbar mit A−1=ATA^{-1} = A^T, und auch AAT=EAA^T = E; die Zeilen von AA bilden ebenfalls eine ONB,
  • ⟨Ax,Ay⟩=⟨x,y⟩\langle Ax, Ay\rangle = \langle x, y\rangle für alle x,y∈Rnx, y \in \mathbb{R}^n; insbesondere ∥Ax∥=∥x∥\|Ax\| = \|x\|: AA erhält Längen, Abstände und Winkel,
  • det⁡A=1\det A = 1 oder det⁡A=−1\det A = -1.

Umgekehrt ist eine Matrix mit ⟨Ax,Ay⟩=⟨x,y⟩\langle Ax, Ay\rangle = \langle x, y\rangle für alle x,yx, y orthogonal.

Beispiel

Drehung, Spiegelung und zwei Gegenbeispiele

Die Drehmatrix um den Winkel α\alpha und die Spiegelung an der x1x_1-Achse sind orthogonal:

Dα=(cos⁡α−sin⁡αsin⁡αcos⁡α),DαTDα=(cos⁡2α+sin⁡2α00sin⁡2α+cos⁡2α)=E,S=(100−1)D_\alpha = \begin{pmatrix} \cos\alpha & -\sin\alpha \\ \sin\alpha & \cos\alpha \end{pmatrix}, \quad D_\alpha^TD_\alpha = \begin{pmatrix} \cos^2\alpha + \sin^2\alpha & 0 \\ 0 & \sin^2\alpha + \cos^2\alpha \end{pmatrix} = E, \qquad S = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}

Es ist det⁡Dα=1\det D_\alpha = 1 und det⁡S=−1\det S = -1. Auch die Matrix mit den Spalten b1,b2,b3b_1, b_2, b_3 aus dem Beispiel oben ist orthogonal.

Gegenbeispiele. Die Scherung (1101)\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix} hat Determinante 11, ist aber nicht orthogonal: Sie bildet e2e_2 auf (1,1)T(1, 1)^T der Länge 2\sqrt 2 ab. Die Matrix 2E2E hat orthogonale Spalten, aber (2E)T(2E)=4E≠E(2E)^T(2E) = 4E \neq E: Die Spalten müssen auch die Länge 11 haben.

Kurz geprüft

Für welches tt ist A=15(3t43)A = \frac{1}{5}\begin{pmatrix} 3 & t \\ 4 & 3 \end{pmatrix} orthogonal?

Häufige Fehler

Orthogonale Matrix und orthogonale Spalten

Zwei verwandte Fehlschlüsse:

  • „Die Spalten stehen paarweise senkrecht, also ist die Matrix orthogonal.“
  • „Für jede Basis sind die Koordinaten ⟨v,bi⟩\langle v, b_i\rangle.“
Richtig ist

Eine orthogonale Matrix hat orthonormale Spalten. Die Bezeichnung ist historisch und ein wenig irreführend; 2E2E hat orthogonale Spalten und ist keine orthogonale Matrix.

Die Formel λi=⟨v,bi⟩\lambda_i = \langle v, b_i\rangle gilt nur für eine ONB. Für eine orthogonale Basis teilt man durch ∥bi∥2\|b_i\|^2, und für eine beliebige Basis muss man ein Gleichungssystem lösen, weil dann jedes Skalarprodukt ⟨v,bj⟩\langle v, b_j\rangle alle Koeffizienten zugleich enthält.

Zusammenfassung

  • Orthogonal: ⟨v,w⟩=0\langle v, w\rangle = 0. Orthonormal: ⟨vi,vj⟩=δij\langle v_i, v_j\rangle = \delta_{ij}. Beides hängt vom Skalarprodukt ab.

  • Orthogonale Vektoren ≠0\neq 0 sind linear unabhängig; der Beweis bildet das Skalarprodukt mit jedem vjv_j.

  • In einem nn-dimensionalen Raum ist jede orthonormale Familie aus nn Vektoren eine Orthonormalbasis.

  • Bezüglich einer ONB ist v=∑i⟨v,bi⟩biv = \sum_i \langle v, b_i\rangle b_i: Koordinaten sind Skalarprodukte.

  • Pythagoras: Für orthogonale Vektoren addieren sich die Normquadrate. Parseval: ⟨v,w⟩=∑i⟨v,bi⟩⟨w,bi⟩\langle v, w\rangle = \sum_i\langle v, b_i\rangle\langle w, b_i\rangle.

  • AA ist orthogonal, wenn ATA=EA^TA = E; das heißt: Die Spalten bilden eine ONB. Dann ist A−1=ATA^{-1} = A^T, det⁡A=±1\det A = \pm 1, und AA erhält Skalarprodukte, Längen und Winkel.

Übungen

Aufgabe 1Multiple Choice

Welcher Vektor ist im Standardskalarprodukt orthogonal zu (1,2,−1)T(1, 2, -1)^T?

Aufgabe 2Numerisch

Auf R2\mathbb{R}^2 sei ⟨x,y⟩=x1y1+2x2y2\langle x, y\rangle = x_1y_1 + 2x_2y_2. Für welche Zahl aa ist (1,a)T(1, a)^T bezüglich dieses Skalarprodukts orthogonal zu (3,2)T(3, 2)^T?

Aufgabe 3Numerisch

Die Vektoren b1=15(3,4)Tb_1 = \frac{1}{5}(3, 4)^T und b2=15(−4,3)Tb_2 = \frac{1}{5}(-4, 3)^T bilden eine ONB des R2\mathbb{R}^2. Wie lautet die Koordinate von v=(1,7)Tv = (1, 7)^T bezüglich b2b_2?

Aufgabe 4Multiple Choice

Es sei A∈R3×3A \in \mathbb{R}^{3\times 3} eine orthogonale Matrix, also ATA=EA^TA = E. Welche Aussage ist richtig?

Aufgabe 5Freitext

Beweise: Sind A,B∈Rn×nA, B \in \mathbb{R}^{n\times n} orthogonal, dann sind auch ABAB und A−1A^{-1} orthogonal.

Aufgabe 6Freitext

In C[−1,1]C[-1, 1] mit ⟨f,g⟩=∫−11f(x)g(x) dx\langle f, g\rangle = \int_{-1}^1 f(x)g(x)\,dx heißt ff gerade, wenn f(−x)=f(x)f(-x) = f(x), und ungerade, wenn f(−x)=−f(x)f(-x) = -f(x) für alle xx. Zeige: Jede gerade Funktion ist orthogonal zu jeder ungeraden. Ist die Familie 1,x,x31, x, x^3 orthogonal? Begründe, ob sie linear unabhängig ist.