summaryrefslogtreecommitdiffstats
path: root/ch01-lineare-struktur.tex
blob: c3e9c8e892ae39ef132678b0b3a6224a6c3e529d (plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
\chapter{Die lineare Struktur}
\label{cha:die-lineare-struktur}
\index{Struktur!lineare}
Alle in diesem Kapitel vorgestellten Resultate gelten für beliebige Körper.
Wir werden uns aber im weiteren Verlauf quasi ausschließlich mit den aus der Analysis bekannten Körper der reellen Zahlen $ℝ$ und der komplexen Zahlen $ℂ$ beschäftigen.
\section{Der lineare Raum}
\label{sec:der-lineare-raum}
\begin{definition}[Vektorraum, linearer Raum]
    \label{defi:vektorraum-1.1.1}
    \index{Raum!linearer}
    \index{Vektorraum}
    Sei $\K$ ein Körper. Eine Abelsche Gruppe $(X,+)$ zusammen mit einer Abbildung
    \[
        \cdot : \K × X → X
    \]
    heißt $\K$-\emph{Vektorraum} oder \emph{linearer Raum}, falls für alle $\alpha , β ∈ \K$ und $x, y ∈ X$ gilt:
    \begin{wenumerate}[label=(V\arabic*)]
    \item $\alpha  x+y) = \alpha x + βy$
    \item $(\alpha +β)x = \alpha x + βx$
    \item $(\alpha β)x = \alpha (βx)$
    \item $1 \cdot x = x$
    \end{wenumerate}
\end{definition}
\begin{definition-nn}
    \begin{enumerate}
    \item
        Je nachdem, ob $\K = ℂ$ oder $\K = ℝ$ gilt, heißt $X$ ein \emph{komplexer} oder ein \emph{reeller} Vektorraum.
    \item
        \index{Raum!linearer Teil-}
        Eine nichtleere Teilmenge $Y ⊂ X$ ist bereits dann ein linearer Raum, falls aus $\alpha , β ∈ \K$, $x, y ∈ Y$ bereits $\alpha x + βy ∈ Y$ folgt, also $Y$ abgeschlossen unter den Vektorraumoperationen ist.
        $Y$ heißt dann \emph{linearer Teilraum} oder auch \emph{linearer Unterraum}.
    \item
        \index{Aufspann}
        Zu jeder Teilmenge $M ⊂ X$ bildet die Menge aller Linearkombinationen von je endlich vieler Elemente einen linearen Teilraum von $X$.
        Dieser heißt die \emph{lineare Hülle} von $M$ oder der \emph{Aufspann} von $M$
        \[
            \lspan M = \Big\{ x ∈ X: ∃ l ∈ ℕ, \alpha _1,…,\alpha _l ∈ \K, m_1,…,m_l ∈ M \text{ mit } \sum_{i=1}^l \alpha _i m_i = x \Big\}.
        \]
    \item
        \index{Basis!Hamel-}
        $M = \{x_\lambda \}_{\lambda\Lambda } ⊂ X$ heißt \emph{Basis} oder \emph{Hamel-Basis} von $X$, falls $M$ \emph{linear unabhängig}, das heißt,
        $0 ∈ X$ lässt sich nur auf triviale Art und Weise als Linearkombination endlich vieler der $x_\lambda $ schreiben, und $\lspan M = X$ ist.
    \item
        \index{Dimension}
        Besitzt $X$ eine Basis von $n < \infty $ Elementen, dann heißt $n$ die \emph{Dimension} von $X$ und wir schreiben $\dim X = n$.
        Andernfalls heißt $X$ \emph{unendlich-dimensional} ($\dim X = \infty $).
    \item
        \index{Summe}
        Seien $X_1, X_2 ⊂ X$ lineare Teilräume. Dann ist
        \[
            X_1 + X_2 \coloneq \left\{ \alpha x_1 + βx_2: \alpha , β ∈ \K, x_1 ∈ X_1, x_2 ∈ X_2 \right\}
        \]
        ebenfalls ein linearer Teilraum.
        Falls $X_1 ∩ X_2 = \{ 0\}$, schreiben wir $X_1 \oplus X_2$ und nennen die Summe \emph{direkt}.
    \item
        \index{Raum!Quotienten-}
        Sei $Y$ ein linearer Teilraum von $X$. Definiere die Äquivalenzrelation $\sim$ auf $X$ durch
        $x \sim y \Leftrightarrow x - y ∈ Y$.
        Dann wird die Menge der Äquivalenzklassen mit vertreterweiser Addition und Multiplikation auch ein $\K$-Vektorraum.
        Wir schreiben für diesen Vektorraum $X/Y$.
    \end{enumerate}
\end{definition-nn}
\begin{satz}
    \label{satz:vr-besitzt-basis-1.1.2}
    Jeder lineare Raum besitzt eine (Hamel-)Basis.
\end{satz}
\begin{proof}
    Folgt unmittelbar aus \cref{satz:basisergaenzungssatz-1.1.3}.
\end{proof}

\begin{satz}[Basisergänzungssatz]
    \index{Satz!Basisergänzungs-}
    \label{satz:basisergaenzungssatz-1.1.3}
    Sei $M ⊂ X$ eine linear unabhängige Teilmenge.
    Dann gibt es eine Basis $B$ von $X$ mit $M ⊂ B$.
\end{satz}
\begin{proof}
    Sei $P$ die durch Inklusion geordnete Menge aller linear unabhängigen Teilmengen von $X$, die $M$ umfassen.
    Wegen $M ∈ P$ ist $P$ nichtleer.
    Für jede totalgeordnete Teilmenge $T ⊂ P$ ist $\bigcup T ∈ P$, also $T$ durch $\bigcup T$ beschränkt.
    Nach Zorn's Lemma besitzt $P$ ein maximales Element $B$.
    Wäre $B$ keine Basis, gäbe es ein $x ∈ X \setminus \lspan B$.
    Aber dann wäre $B ∪ \{x\}$ ebenfalls linear unabhängig im Widerspruch zur Maximalität von $B$.
\end{proof}

\section{Beispiele}
\label{sec:beispiele}
In diesem Abschnitt geben geben wir nun einige Beispiele zu linearen Räumen über den Körpern $ℝ$ und $ℂ$ an.
Wir werden uns mit diesen Räumen noch weiter beschäftigen, zunächst betrachten wir aber nur die lineare Struktur auf ihnen.
Zunächst die (bis auf isomorphie eindeutig bestimmten) endlich"=dimensionalen Räume:
\index{$ℝ^n$}
\index{$ℂ^n$}
\begin{beispiel}[$ℝ^n$, $ℂ^n$]
    Der $ℝ^n$ ist ein linearer Raum über dem Körper $ℝ$. Der $ℂ^n$ ist sowohl ein $ℂ$- als auch ein $ℝ$-Vektorraum.
    Dabei ist $\dim_ℝ ℝ^n = n$ und  $\dim_ℂ ℂ^n = n$, aber $\dim_ℝ ℂ^n = 2n$.
    Insbesondere ist $ℂ$ auch ein zwei"=dimensionaler reeller Vektorraum.
\end{beispiel}

In der klassischen Analysis haben wir uns bereits ausgiebigst mit diesen Räumen befasst.
Die Funktionalanlaysis versucht nun, einige der Konzepte, die wir von diesen Räumen kennen, auf die nachfolgenden unendlich"=dimensionalen Räume zu übertragen:

\begin{beispiel}[{$C[a,b]$}]
    \index{$C[a,b]$}
    Sei $[a,b] ⊂ ℝ$, $a < b$. Dann ist
    \[
      C[a,b] = \{x: [a,b]\K, x \text { ist stetig}\}
    \]
    ein $\K$-Vektorraum mit $\dim C[a,b] = \infty $.
    Zum Beispiel sind die Monome $(t^k)_{k ∈ ℕ}$ ein unendliches linear unabhängiges System, jedoch keine Basis.
    Tatsächlich ist jede Basis dieses Raumes überabzählbar.
\end{beispiel}

\begin{beispiel}[Folgenräume]
    \index{$\ell^p$}
    \index{Folge!$p$-summierbar}
    \index{Raum!Folgen-}
    Sei $0 < p < ∞$. Wir betrachten die Menge $\ell^p$ aller $p$-Summierbaren Folgen in $\K$
    \[
        \ell^p = \Big\{ x = (ξ_n)_{n ∈ ℕ} : ξ_n ∈ \K, \sum_{n=1}^∞ |ξ_n|^p < ∞ \Big\}.
    \]
    Sie wird mit der komponentenweisen Addition und Skalarmultiplikation ein linearer Raum.
    Dabei ist die Menge der Einheitsvektoren $\{e_i\}_{i ∈ ℕ}$ mit $e_i = (0,…,0,1,0,…)$ ist eine unendliche linear unabhängige Teilmenge, aber ebenfalls keine Basis.

    Genauso ist
    \[
        \ell^∞ = \Big\{ x = (ξ_n)_{n ∈ ℕ} : ξ_n ∈ \K, \sup_{n=1} |ξ_n| < ∞ \Big\}
    \]
    ein überabzählbar"=dimensionaler linearer Raum mit den unendlich"=dimensionalen linearen Unterräumen
    \[
        c = \Big\{ (ξ_n)_{n ∈ ℕ}\ell^∞: \lim_{n → ∞} ξ_n \text{ existiert}\Big\}
    \]
    und
    \[
        c_0 = \Big\{ (ξ_n)_{n ∈ ℕ}\ell^∞: \lim_{n → ∞} ξ_n = 0 \Big\}.
    \]
\end{beispiel}
\begin{beispiel}[Lebesgue-integrierbare Funktionen]
    \index{$L^p(Ω)$}
    \index{$\L^p(Ω)$}
    \index{Funktion!Lebesgue-integrierbar}
    Sei $M ⊂ ℝ$ messbar und $0 < p < ∞$.
    Dann ist
    \[
        \L^p(M) = \Big\{f : M → ℝ, f \text { messbar}, ∫_M |f|^p \dd μ < ∞ \Big\}
    \]
    ein unendlich"=dimensionaler linearer Raum.
    Offenkundig ist $\mathcal N \coloneq \{ f: M → ℝ,\; f = 0$ fast überall $\}$ ein Unterraum von $\L^p(M)$, also auch
    \[
        L^p(M) = \L^p(M)/\mathcal N
    \]
    ein linearer Raum.
\end{beispiel}

\section{Lineare Abbildungen}
\label{sec:lineare-abbildungen}
\begin{definition}[Lineare Abbildung]
    \index{Funktion!linear}
    \index{Abbildung!linear}
    \index{Kern}
    \index{Bild}
    \index{Funktional}
    \label{defi-lineare-abbildung-1.3.1}
    Seien $X, Y$ lineare Räume über $\K$. $A: X → Y$ heißt \emph{linear}, falls für alle $x_1, x_2 ∈ X$ und $\alpha , β ∈ \K$ gilt:
    \[
    A(\alpha x_1 + βx_2)  = \alpha A(x_1) + βA(x_2).
    \]
    $A: X → \K$ heißt \emph{lineares Funktional}.
    Für $A$ linear heißt $R(A) = \im A = \{A(x): x ∈ X\}$ der \emph{Bildraum} von $A$ und $N(A) = \ker A = \{ x ∈ X: A(x) = 0\}$ der \emph{Kern} von $A$.
\end{definition}
\begin{bemerkung}
    \label{bem:lineare-abb-eigenschaften-1.3.2}
    Sei $A: X → Y$ linear.
    \begin{enumerate}
    \item Sei $M ⊂ X $ ein linearer Unterraum. Dann ist $A(M) ⊂ Y$ wieder ein linearer Unterraum und es gilt $\dim A(M) \le \dim M$ mit Gleichheit bei Injektivität.
    \item Es gilt
        \[
            A \text{ injektiv} \Longleftrightarrow N(A) = \{ 0\}.
        \]
        Allgemeiner ist
        \[
            X/(N(A)) \cong \im A.
        \]
    \item
        Falls $\dim X = \dim Y = n < \infty $, dann ist $A$ genau dann injektiv, wenn $A$ surjektiv ist.
    \item
        $A: X → Y$ ist linear und bijektiv genau dann, wenn es eine lineare Umkehrabbildung $A^{-1}: Y → X$ gibt.
    \item
        \index{isomorph!linear}
        Falls so ein $A: X → Y$ linear und bijektiv existiert, nennen wir $X$ und $Y$ \emph{linear isomorph.}
        $A$ heißt dann ein \emph{linearer Isomorphismus}.

        Nur falls $\dim X = \dim Y < \infty $ sind $X$ und $Y$ auch „topologisch“ isomorph.
        In diesem Fall erhält man die Prototypen $ℝ^n$ und $ℂ^n$ für endlich-dimensionale Vektorräume und andere gibt es nicht (die sie auch als Topologische Räume isomorph sind).
    \end{enumerate}
\end{bemerkung}

\begin{beispiel}
    $X = \{ x: [a,b] → ℝ, x, \dot x, \ddot x \text{ stetig},\; x(a) = \dot x(a) = 0\}$ ist ein linearer Raum.
    Sei $Y = C[a,b]$ und $A: X → Y$ gegeben durch
    \[
        (Ax)(t) \coloneq \ddot x(t) + c_1 (t) \dot x (t) + c_2 (t) x(t), \quad t ∈ [a,b], c_1,c_2 ∈ C[a,b].
    \]
    Dann ist $A$ linear, weil differenzieren linear ist und $A$ ist injektiv:
    Zunächst ist $x = 0$ eine Lösung der linearen Differentialgleichung zweiter Ordnung $Ax = 0$.
    Die Theorie der Differentialgleichungen sagt uns, dass diese Differentialgleichung eine eindeutige Lösung des Anfangswertsproblems ist.

    $A$ ist aber auch surjektiv: Sei $y ∈ Y$ gegeben, dann suchen wir $x ∈ X$ mit $Ax = y$.
    Also wollen wir eine inhomogene Differentialgleichung zweiter Ordnung lösen.
    Auch diese ist nach der Theorie von gewöhnlichen Differentialgleichungen eindeutig lösbar.

    Also ist $A$ bijektiv, das heißt, es gibt eine lineare Abbildung $A^{-1}: Y → X$.
    Diese Inverse ist in der Regel schlecht anzugeben.
    Einen einfacheren Spezialfall dazu wird in der Übung behandelt.
\end{beispiel}

\begin{beispiel}
    Sei $X = Y = C[a,b]$, $A: X → X$ gegeben durch
    \[
        (Ax)(t) \coloneq ∫_a^b k(s,t) x(s) ds, \quad t ∈ [a,b],
    \]
    wobei $k : [a,b] × [a,b] → ℝ$ stetig und gegeben ist.
    Dann ist $A$ linear, da das Integral linear ist.
    Auch ist, wenn $\lambda  ∈ ℝ$ ein Parameter ist, die Abbildung
    \[
        (A_\lambda x)(t) \coloneq \lambda x(t) - (Ax)t), \quad t ∈ [a,b]
    \]
    linear.
    Die Probleme $Ax = y$ (bei gegebenem $y ∈ Y$ und gesuchtem $x ∈ X$) oder $A_\lambda  x = 0$ (gesucht ist $\lambda  ∈ ℝ$ und eine nichttriviale Lösung $x ∈ X \setminus \{ 0\}$)
    heißen Integralgleichungen erster und zweiter Ordnung.
\end{beispiel}

\begin{beispiel}
    Sei $X = C[a,b]$, $A : X → ℝ$ mit
    \[
        Ax = x(t_0),
    \]
    wobei $t_0 ∈ [a,b]$ fest gewählt sei.
    Eine andere lineare Abbildung $A: X → ℝ$ ist gegeben durch
    \[
        Ax = ∫_a^b x(t) dt
    \]
    Dann sind beide Abbildungen $A$ linear und nicht injektiv, aber surjektiv.
\end{beispiel}

\begin{beispiel}
    Sei $X = \ell^2$, $A: X → X$. Für $x = (ξ_n)_{n ∈ ℕ}$ sei
    \[
        Ax = (0,ξ_1, ξ_2, \dots) ∈ \ell^2.
    \]
    $A$ heißt (Rechts-)Shiftoperator und ist linear und injektiv, jedoch nicht surjektiv.
    Solche Abbildungen gibt es für $\dim X = \dim Y < \infty $ nicht.
\end{beispiel}

\section{Duale Räume}
\label{sec:duale-raume}
Wir bezeichnen lineare Funktionale $X → \K$ (also stetige lineare Abbildungen $X → \K$) üblicherweise mit $x'$.
Wir schreiben nun
\[
    x'(x) \eqcolon \langle  x, x' \rangle = \langle  x, x' \rangle_{X × X^f}\K
\]
und setzen
\[
    X^f \coloneq \left\{ x': x' \text{ ist lineares Funktional auf } X \right\}.
\]
Hierbei sollte man nicht $x'$ nicht mit der Ableitung von $x$ verwechseln.
Auch ist $\langle  -, - \rangle_{X × X^f}$ kein Skalarprodukt.

Der Raum $X^f$ wird auf natürlicher Weise zum linearen Raum mit
\[
    (\alpha x_1' + βx_2')(x) \coloneq \alpha x_1'(x) + βx_2'(x), \quad x ∈ X, x_1', x_2' ∈ X^f, \alpha , β ∈ \K.
\]
Dann ist
\[
    \langle -,- \rangle_{X×X^f}: X × X^f → \K
\]
eine Bilinearform.
\begin{definition}[Algebraischer Dualraum, Algebraischer Bidualraum]
    \index{Raum!algebraischer Dual-}
    \index{Raum!algebraischer Bidual-}
    \label{defi:alg-dualraum-bidualraum-1.4.1}
    $X^f$ heißt der \emph{algebraische Dualraum} zu $X$.
    $X^{ff} \coloneq (X^f)^f$ heißt der \emph{biduale Raum} zu $X$.
\end{definition}
\begin{beispiel-nn}
    \index{$J$}
    \index{Abbildung!kanonische}
    $X^{ff}$ liefert die kanonische Abbildung
    \[
        J: X → X^{ff}, \; x ↦ J(x) = x''
    \]
    mit
    \[
        \langle x', x'' \rangle \coloneq \langle x, x' \rangle \quad ∀x' ∈ X^f.
    \]
    Damit ist $x'': X^f → \K$ linear wohldefiniert.
\end{beispiel-nn}
\begin{definition}[algebraisch reflexiv]
    \index{algebraisch reflexiv}
    \label{defi:alg-reflexiv-1.4.2}
    Der lineare Raum $X$ heißt \emph{algebraisch reflexiv}, falls $J$ bijektiv ist (und damit $X$ linear isomorph zu $X^{ff}$) ist.
\end{definition}
\begin{bemerkung}
    \label{bem:X-alg-reflexiv-gdw-dim-endlich-1.4.3}
    $X$ ist genau dann algebraisch reflexiv, wenn $\dim X < \infty $ ist.

    Im Fall $\dim X < \infty $ lässt sich leicht eine duale Basis angeben:
    Sei dazu $M \coloneq \{x_1,…,x_n\}$ eine Basis von $X$. Dann wird durch
    \[
        \langle  x_i, x_k' \rangle \coloneq \delta _{i,k}
    \]
    und linearer Fortsetzung die Menge $ M' \coloneq \{x_1',…,x_n'\} ⊂ X^f$ erklärt.
    Dann ist $M'$ eine Basis von $X'$, die die \emph{duale Basis} von $M$ genannt wird.
    Tatsächlich ist $X^f$ im Falle $\dim X = \infty $ wesentlich größer.
    Man wählt deshalb eine (neue) Defintion des Dualraums:
\end{bemerkung}

\begin{definition}[Dualraum]
    \index{Raum!Dual-}
    \label{defi:dualraum-1.4.4}
    Zu einem linearen Raum $X$ ist
    \[
        X' \coloneq \left\{ x' : X → \K, x' \text{ linear und stetig} \right\} ⊂ X^f
    \]
    der Dualraum von $X$.
\end{definition}
Um Allerdings von Stetigkeit reden zu können, müssen wir zunächst \emph{Topologien} einführen.

%%% Local Variables:
%%% mode: latex
%%% TeX-master: "funkana"
%%% End: