Lektion 8.1

Skalarprodukt und Norm

40 min Lesezeit
Lesen anpassen

Nach dieser Lektion kannst du

  • prüfen, ob eine Abbildung ⟨⋅,⋅⟩\langle\cdot,\cdot\rangle ein Skalarprodukt ist (bilinear, symmetrisch, positiv definit),

  • mit dem Standardskalarprodukt, mit gewichteten Skalarprodukten und mit dem Integral-Skalarprodukt auf stetigen Funktionen rechnen,

  • aus einem Skalarprodukt Norm, Abstand und Winkel bestimmen,

  • die Cauchy-Schwarz-Ungleichung und die Dreiecksungleichung beweisen und anwenden.

Vorausgesetzt: Definition eines Vektorraums, Basis und Dimension, Lineare Abbildungen: Definition und Beispiele

In der Schule hast du Längen und Winkel im Raum mit dem Skalarprodukt berechnet. Für Vektoren a⃗,b⃗∈R3\vec a, \vec b \in \mathbb{R}^3 ist a⃗⋅b⃗=a1b1+a2b2+a3b3\vec a \cdot \vec b = a_1b_1 + a_2b_2 + a_3b_3, die Länge ist ∣a⃗∣=a⃗⋅a⃗|\vec a| = \sqrt{\vec a \cdot \vec a}, und der Winkel φ\varphi zwischen den Pfeilen erfüllt a⃗⋅b⃗=∣a⃗∣ ∣b⃗∣cos⁡φ\vec a \cdot \vec b = |\vec a|\,|\vec b|\cos\varphi.

In der Linearen Algebra sind dir aber viele Vektorräume begegnet, in denen es keine Pfeile gibt: Polynome, stetige Funktionen, Matrizen. Trotzdem möchte man auch dort fragen: Wie gut nähert die Gerade g(x)=xg(x) = x die Funktion sin⁡x\sin x auf [0,1][0, 1] an? Wie weit sind sin⁡\sin und cos⁡\cos auf [0,2π][0, 2\pi] voneinander entfernt? Stehen sie in irgendeinem Sinn senkrecht aufeinander?

Um solche Fragen zu stellen, braucht man ein Skalarprodukt in einem beliebigen reellen Vektorraum. Die Idee dieser Lektion: Man schreibt nicht die Formel des Schul-Skalarprodukts ab, sondern nur seine Rechenregeln. Alles, was daraus folgt (Länge, Abstand, Winkel, die wichtigen Ungleichungen), gilt dann in jedem Vektorraum, der ein solches Produkt trägt.

Vermute zuerst

Auf R2\mathbb{R}^2 setzen wir ⟨x,y⟩=x1y1−x2y2\langle x, y\rangle = x_1y_1 - x_2y_2. Diese Formel ist in jedem Argument linear und symmetrisch, genau wie das Schul-Skalarprodukt. Taugt ⟨x,x⟩\sqrt{\langle x, x\rangle} als Länge eines Vektors?

Beispiel

Was das Standardskalarprodukt kann

Für x,y∈Rnx, y \in \mathbb{R}^n (als Spalten geschrieben) ist das Standardskalarprodukt

⟨x,y⟩=x1y1+x2y2+⋯+xnyn=xTy.\langle x, y\rangle = x_1y_1 + x_2y_2 + \dots + x_ny_n = x^Ty.

Dabei ist xTx^T die Transponierte von xx, also derselbe Vektor als Zeile; xTyx^Ty ist ein Matrizenprodukt einer 1×n1\times n- mit einer n×1n \times 1-Matrix, also eine Zahl. Drei Eigenschaften lassen sich direkt ablesen:

  • Linear im ersten Argument: ⟨λx+μx′,y⟩=λ⟨x,y⟩+μ⟨x′,y⟩\langle \lambda x + \mu x', y\rangle = \lambda\langle x, y\rangle + \mu\langle x', y\rangle, weil jeder Summand xiyix_iy_i linear in xix_i ist.
  • Symmetrisch: ⟨x,y⟩=⟨y,x⟩\langle x, y\rangle = \langle y, x\rangle, weil xiyi=yixix_iy_i = y_ix_i.
  • Positiv: ⟨x,x⟩=x12+⋯+xn2≥0\langle x, x\rangle = x_1^2 + \dots + x_n^2 \geq 0, und eine Summe von Quadraten ist nur dann 00, wenn jeder Summand 00 ist, also wenn x=0x = 0.
⟨(12−1),(304)⟩=1⋅3+2⋅0+(−1)⋅4=−1\left\langle \begin{pmatrix} 1 \\ 2 \\ -1 \end{pmatrix}, \begin{pmatrix} 3 \\ 0 \\ 4 \end{pmatrix} \right\rangle = 1\cdot 3 + 2 \cdot 0 + (-1)\cdot 4 = -1

Aus Symmetrie und Linearität im ersten Argument folgt die Linearität im zweiten Argument von selbst. Genau diese drei Eigenschaften nehmen wir als Definition.

Definition

Skalarprodukt und euklidischer Vektorraum

Es sei VV ein Vektorraum über R\mathbb{R}. Eine Abbildung β:V×V→R\beta: V \times V \to \mathbb{R}, (v,w)↦β(v,w)(v, w) \mapsto \beta(v, w), heißt

  • Bilinearform, wenn sie in jedem Argument linear ist: Für alle v,v′,w,w′∈Vv, v', w, w' \in V und λ,μ∈R\lambda, \mu \in \mathbb{R} gilt β(λv+μv′,w)=λβ(v,w)+μβ(v′,w)\beta(\lambda v + \mu v', w) = \lambda \beta(v, w) + \mu \beta(v', w) und β(v,λw+μw′)=λβ(v,w)+μβ(v,w′)\beta(v, \lambda w + \mu w') = \lambda \beta(v, w) + \mu \beta(v, w'),
  • symmetrisch, wenn β(v,w)=β(w,v)\beta(v, w) = \beta(w, v) für alle v,w∈Vv, w \in V,
  • positiv definit, wenn β(v,v)>0\beta(v, v) > 0 für alle v≠0v \neq 0.

Ein Skalarprodukt auf VV ist eine symmetrische, positiv definite Bilinearform. Man schreibt es meist als ⟨v,w⟩\langle v, w\rangle. Ein reeller Vektorraum zusammen mit einem fest gewählten Skalarprodukt heißt euklidischer Vektorraum. (Manche Bücher verlangen dafür zusätzlich, dass VV endlichdimensional ist.)

Aus der Linearität folgt immer ⟨0,w⟩=⟨0⋅0,w⟩=0⋅⟨0,w⟩=0\langle 0, w\rangle = \langle 0 \cdot 0, w\rangle = 0 \cdot \langle 0, w\rangle = 0, insbesondere ⟨0,0⟩=0\langle 0, 0\rangle = 0. Positiv definit heißt also: Der Nullvektor ist der einzige Vektor mit ⟨v,v⟩=0\langle v, v\rangle = 0, und für alle anderen ist der Wert positiv.

Beispiel

Ein gewichtetes Skalarprodukt

Auf R2\mathbb{R}^2 sei ⟨x,y⟩g=2x1y1+x2y2\langle x, y\rangle_g = 2x_1y_1 + x_2y_2. Linear in jedem Argument und symmetrisch ist das wie beim Standardskalarprodukt. Positiv definit: ⟨x,x⟩g=2x12+x22>0\langle x, x\rangle_g = 2x_1^2 + x_2^2 > 0, außer wenn x1=x2=0x_1 = x_2 = 0.

Allgemein ist ⟨x,y⟩=c1x1y1+⋯+cnxnyn\langle x, y\rangle = c_1x_1y_1 + \dots + c_nx_ny_n genau dann ein Skalarprodukt, wenn alle Gewichte ci>0c_i > 0 sind. Wäre etwa c1≤0c_1 \leq 0, dann wäre ⟨e1,e1⟩=c1≤0\langle e_1, e_1\rangle = c_1 \leq 0 für den ersten Standardbasisvektor e1=(1,0,…,0)Te_1 = (1, 0, \dots, 0)^T.

Ein Vektorraum kann also viele verschiedene Skalarprodukte tragen. Rechne für x=(1,1)Tx = (1, 1)^T und y=(1,−1)Ty = (1, -1)^T:

⟨x,y⟩=1−1=0,⟨x,y⟩g=2⋅1⋅1+1⋅(−1)=1\langle x, y\rangle = 1 - 1 = 0, \qquad \langle x, y\rangle_g = 2 \cdot 1 \cdot 1 + 1 \cdot (-1) = 1

Im Standardskalarprodukt ist das Ergebnis 00, im gewichteten nicht. Ob zwei Vektoren „senkrecht“ sind und wie lang ein Vektor ist, hängt also vom gewählten Skalarprodukt ab und ist keine Eigenschaft der Vektoren allein.

Beispiel

Das Integral-Skalarprodukt auf stetigen Funktionen

Es sei C[a,b]C[a, b] der Vektorraum der stetigen Funktionen f:[a,b]→Rf: [a, b] \to \mathbb{R} mit a<ba < b. Wir setzen

⟨f,g⟩=∫abf(x) g(x) dx.\langle f, g\rangle = \int_a^b f(x)\,g(x)\,dx.

Das Integral existiert, weil fgfg stetig ist. Bilinear ist es, weil das Integral linear ist: ∫ab(λf1+μf2)g dx=λ∫abf1g dx+μ∫abf2g dx\int_a^b (\lambda f_1 + \mu f_2)g\,dx = \lambda\int_a^b f_1g\,dx + \mu\int_a^b f_2g\,dx. Symmetrisch ist es, weil f(x)g(x)=g(x)f(x)f(x)g(x) = g(x)f(x).

Positiv definit. Es ist ⟨f,f⟩=∫abf(x)2 dx≥0\langle f, f\rangle = \int_a^b f(x)^2\,dx \geq 0, weil der Integrand nicht negativ ist. Ist f≠0f \neq 0, gibt es ein x0x_0 mit f(x0)≠0f(x_0) \neq 0. Weil ff stetig ist, ist f(x)2≥14f(x0)2f(x)^2 \geq \frac{1}{4}f(x_0)^2 auf einem ganzen Teilintervall von [a,b][a,b] mit einer Länge δ>0\delta > 0. Auf diesem Stück allein ist das Integral schon mindestens δ4f(x0)2>0\frac{\delta}{4} f(x_0)^2 > 0, und der Rest ist nicht negativ. Also ist ⟨f,f⟩>0\langle f, f\rangle > 0.

⟨sin⁡,cos⁡⟩=∫02πsin⁡xcos⁡x dx=[12sin⁡2x]02π=0\langle \sin, \cos\rangle = \int_0^{2\pi} \sin x \cos x\,dx = \Bigl[\tfrac{1}{2}\sin^2 x\Bigr]_0^{2\pi} = 0

Auf C[0,2π]C[0, 2\pi] ist das Skalarprodukt von Sinus und Kosinus also 00, genau wie bei zwei senkrechten Pfeilen. Hier wird die Stetigkeit gebraucht: Auf dem Raum aller integrierbaren Funktionen wäre die Formel nicht positiv definit. Die Funktion, die bei x=ax = a den Wert 11 hat und sonst 00 ist, ist nicht die Nullfunktion, hat aber ∫abf2 dx=0\int_a^b f^2\,dx = 0.

Kurz geprüft

Berechne ⟨x,y⟩g=2x1y1+x2y2\langle x, y\rangle_g = 2x_1y_1 + x_2y_2 für x=(3,−1)Tx = (3, -1)^T und y=(2,4)Ty = (2, 4)^T.

Definition

Norm, Abstand, Einheitsvektor

Es sei VV ein euklidischer Vektorraum. Die Norm (Länge) eines Vektors vv ist

∥v∥=⟨v,v⟩.\|v\| = \sqrt{\langle v, v\rangle}.

Die Wurzel existiert, weil ⟨v,v⟩≥0\langle v, v\rangle \geq 0. Der Abstand zweier Vektoren ist d(v,w)=∥v−w∥d(v, w) = \|v - w\|. Ein Vektor mit ∥v∥=1\|v\| = 1 heißt Einheitsvektor; für v≠0v \neq 0 ist 1∥v∥v\frac{1}{\|v\|}v einer (man sagt: vv wird normiert).

Direkt aus der Definition folgen zwei Regeln:

  • ∥v∥≥0\|v\| \geq 0, und ∥v∥=0\|v\| = 0 genau dann, wenn v=0v = 0 (positiv definit),
  • ∥λv∥=∣λ∣ ∥v∥\|\lambda v\| = |\lambda|\,\|v\|, denn ⟨λv,λv⟩=λ2⟨v,v⟩\langle \lambda v, \lambda v\rangle = \lambda^2\langle v, v\rangle und λ2=∣λ∣\sqrt{\lambda^2} = |\lambda|.
Beispiel

Länge einer Funktion und Abstand zweier Funktionen

In C[0,1]C[0, 1] mit dem Integral-Skalarprodukt hat f(x)=xf(x) = x die Norm

∥f∥=∫01x2 dx=13=13≈0,577.\|f\| = \sqrt{\int_0^1 x^2\,dx} = \sqrt{\tfrac{1}{3}} = \tfrac{1}{\sqrt 3} \approx 0{,}577.

In C[0,2π]C[0, 2\pi] ist der Abstand von sin⁡\sin und cos⁡\cos:

∥sin⁡−cos⁡∥2=∫02π(sin⁡2x−2sin⁡xcos⁡x+cos⁡2x) dx=∫02π1 dx−2⟨sin⁡,cos⁡⟩=2π\|\sin - \cos\|^2 = \int_0^{2\pi} \bigl(\sin^2 x - 2\sin x\cos x + \cos^2 x\bigr)\,dx = \int_0^{2\pi} 1\,dx - 2\langle \sin, \cos\rangle = 2\pi

Also ist d(sin⁡,cos⁡)=2πd(\sin, \cos) = \sqrt{2\pi}. Der Abstand misst, wie stark sich zwei Funktionen „im Mittel“ unterscheiden: Große Abweichungen auf einem langen Stück machen ihn groß, ein einzelner Ausreißer an einer Stelle zählt kaum.

Satz

Cauchy-Schwarz-Ungleichung

Es sei VV ein euklidischer Vektorraum. Für alle v,w∈Vv, w \in V gilt die folgende Ungleichung. Gleichheit gilt genau dann, wenn vv und ww linear abhängig sind.

∣⟨v,w⟩∣≤∥v∥ ∥w∥|\langle v, w\rangle| \leq \|v\|\,\|w\|
Satz

Dreiecksungleichung

In jedem euklidischen Vektorraum gilt für alle v,wv, w:

∥v+w∥≤∥v∥+∥w∥\|v + w\| \leq \|v\| + \|w\|
Definition

Winkel

Für v,w≠0v, w \neq 0 liegt nach Cauchy-Schwarz die Zahl ⟨v,w⟩∥v∥ ∥w∥\frac{\langle v, w\rangle}{\|v\|\,\|w\|} im Intervall [−1,1][-1, 1]. Weil der Kosinus [0,π][0, \pi] bijektiv auf [−1,1][-1, 1] abbildet, gibt es genau einen Winkel φ∈[0,π]\varphi \in [0, \pi] mit

cos⁡φ=⟨v,w⟩∥v∥ ∥w∥.\cos\varphi = \frac{\langle v, w\rangle}{\|v\|\,\|w\|}.

Für das Standardskalarprodukt im R2\mathbb{R}^2 und R3\mathbb{R}^3 ist das der Winkel aus der Schule. In allen anderen Räumen ist es eine Definition: Cauchy-Schwarz sorgt dafür, dass sie überhaupt möglich ist.

Beispiel

Winkel zwischen Funktionen und in einem gewichteten Produkt

In C[0,1]C[0, 1]: ⟨1,x⟩=∫01x dx=12\langle 1, x\rangle = \int_0^1 x\,dx = \frac{1}{2}, ∥1∥=1\|1\| = 1, ∥x∥=13\|x\| = \frac{1}{\sqrt 3}. Also ist cos⁡φ=1/21/3=32\cos\varphi = \frac{1/2}{1/\sqrt 3} = \frac{\sqrt 3}{2} und φ=π6\varphi = \frac{\pi}{6}, das sind 30°30°.

Im R2\mathbb{R}^2 mit ⟨x,y⟩g=2x1y1+x2y2\langle x, y\rangle_g = 2x_1y_1 + x_2y_2 und x=(1,1)Tx = (1, 1)^T, y=(1,−1)Ty = (1, -1)^T: ⟨x,y⟩g=1\langle x, y\rangle_g = 1, ∥x∥g2=3\|x\|_g^2 = 3, ∥y∥g2=3\|y\|_g^2 = 3.

cos⁡φ=13⋅3=13,φ≈70,5°\cos\varphi = \frac{1}{\sqrt 3 \cdot \sqrt 3} = \frac{1}{3}, \qquad \varphi \approx 70{,}5°

Im Standardskalarprodukt stehen dieselben beiden Vektoren senkrecht (90°90°). Der Winkel gehört zum Paar aus Vektoren und Skalarprodukt.

Kurz geprüft

Für welche Vektoren v,wv, w in einem euklidischen Vektorraum gilt ∥v+w∥=∥v∥+∥w∥\|v + w\| = \|v\| + \|w\|?

Häufige Fehler

Positiv definit an Basisvektoren geprüft

Für ⟨x,y⟩=x1y1+2x1y2+2x2y1+x2y2\langle x, y\rangle = x_1y_1 + 2x_1y_2 + 2x_2y_1 + x_2y_2 auf R2\mathbb{R}^2 rechnet man ⟨e1,e1⟩=1>0\langle e_1, e_1\rangle = 1 > 0 und ⟨e2,e2⟩=1>0\langle e_2, e_2\rangle = 1 > 0 und schließt: positiv definit.

Ein zweiter verbreiteter Fehler ist ∥v+w∥2=∥v∥2+∥w∥2\|v + w\|^2 = \|v\|^2 + \|w\|^2 für beliebige v,wv, w, also das Weglassen des gemischten Terms beim Ausmultiplizieren.

Richtig ist

Positiv definit verlangt ⟨x,x⟩>0\langle x, x\rangle > 0 für jeden Vektor x≠0x \neq 0, nicht nur für Basisvektoren. Hier ist ⟨x,x⟩=x12+4x1x2+x22\langle x, x\rangle = x_1^2 + 4x_1x_2 + x_2^2, und für x=(1,−1)Tx = (1, -1)^T kommt 1−4+1=−21 - 4 + 1 = -2 heraus. Prüfe die Positivität, indem du ⟨x,x⟩\langle x, x\rangle als Summe von Quadraten schreibst (quadratische Ergänzung) oder einen Vektor mit negativem Wert findest.

Beim Ausmultiplizieren gilt immer ∥v+w∥2=∥v∥2+2⟨v,w⟩+∥w∥2\|v + w\|^2 = \|v\|^2 + 2\langle v, w\rangle + \|w\|^2. Der Term 2⟨v,w⟩2\langle v, w\rangle fällt nur weg, wenn ⟨v,w⟩=0\langle v, w\rangle = 0 ist.

Zusammenfassung

  • Ein Skalarprodukt auf einem reellen Vektorraum ist eine symmetrische, positiv definite Bilinearform; mit ihm heißt der Raum euklidisch.

  • Beispiele: das Standardskalarprodukt xTyx^Ty, gewichtete Produkte ∑cixiyi\sum c_ix_iy_i mit allen ci>0c_i > 0, und ∫abfg dx\int_a^b f g\,dx auf C[a,b]C[a, b].

  • Positiv definit heißt ⟨v,v⟩>0\langle v, v\rangle > 0 für jedes v≠0v \neq 0; Werte an Basisvektoren reichen zur Prüfung nicht.

  • Norm ∥v∥=⟨v,v⟩\|v\| = \sqrt{\langle v, v\rangle}, Abstand ∥v−w∥\|v - w\|, und ∥λv∥=∣λ∣ ∥v∥\|\lambda v\| = |\lambda|\,\|v\|.

  • Cauchy-Schwarz: ∣⟨v,w⟩∣≤∥v∥ ∥w∥|\langle v, w\rangle| \leq \|v\|\,\|w\|, mit Gleichheit genau bei linearer Abhängigkeit. Beweis über ⟨v−tw,v−tw⟩≥0\langle v - tw, v - tw\rangle \geq 0.

  • Dreiecksungleichung ∥v+w∥≤∥v∥+∥w∥\|v + w\| \leq \|v\| + \|w\| folgt aus Cauchy-Schwarz.

  • Der Winkel ist durch cos⁡φ=⟨v,w⟩∥v∥ ∥w∥\cos\varphi = \frac{\langle v, w\rangle}{\|v\|\,\|w\|} mit φ∈[0,π]\varphi \in [0, \pi] definiert und hängt vom gewählten Skalarprodukt ab.

Übungen

Aufgabe 1Multiple Choice

Welche der Abbildungen R2×R2→R\mathbb{R}^2 \times \mathbb{R}^2 \to \mathbb{R} ist ein Skalarprodukt?

Aufgabe 2Numerisch

Berechne in C[0,3]C[0, 3] mit ⟨f,g⟩=∫03f(x)g(x) dx\langle f, g\rangle = \int_0^3 f(x)g(x)\,dx die Norm der Funktion f(x)=xf(x) = x.

Aufgabe 3Numerisch

Auf R2\mathbb{R}^2 sei ⟨x,y⟩=x1y1+3x2y2\langle x, y\rangle = x_1y_1 + 3x_2y_2. Welchen Winkel (in Grad) schließen x=(1,1)Tx = (1, 1)^T und y=(1,−1)Ty = (1, -1)^T bezüglich dieses Skalarprodukts ein?

Aufgabe 4Freitext

Beweise die Parallelogrammgleichung: In jedem euklidischen Vektorraum gilt ∥v+w∥2+∥v−w∥2=2∥v∥2+2∥w∥2\|v + w\|^2 + \|v - w\|^2 = 2\|v\|^2 + 2\|w\|^2. Was bedeutet sie für ein Parallelogramm im R2\mathbb{R}^2?

Aufgabe 5Freitext

Zeige, dass ⟨x,y⟩=2x1y1+x1y2+x2y1+x2y2\langle x, y\rangle = 2x_1y_1 + x_1y_2 + x_2y_1 + x_2y_2 ein Skalarprodukt auf R2\mathbb{R}^2 ist.

Aufgabe 6Freitext

Zeige mit der Cauchy-Schwarz-Ungleichung: Für alle reellen Zahlen a1,…,ana_1, \dots, a_n gilt (a1+⋯+an)2≤n (a12+⋯+an2)(a_1 + \dots + a_n)^2 \leq n\,(a_1^2 + \dots + a_n^2). Wann gilt Gleichheit?