A Lineare Räume 1) Vektor-Räume 2) Normen, Konvergenzen, Banachräume 3) Hilbert-Räume 4) Strukturen: Direkte Summe; Tensor-Produkt 5) Dualräume 6) Integration und Maß 1 1) Vektor-Räume 1.1. Def: Ein (komplexer) Vektorraum ist eine Menge von Elementen {ψ, φ, χ...} für die folgendes gilt: Es ist eine Addition erklärt: ∀ψ, φ ∈ Eigenschaften: Assoziativität ψ + ( ϕ + χ ) = ( ψ + ϕ ) + χ ∃ Nullvektor ψ + 0 = ψ ∃ inverse (negative) Elemente ψ + ( −ψ ) = Kommutativität ψ + ϕ = ϕ + ψ ∃! ψ + φ∈, ( −ψ ) + ψ = 0 Es ist eine Multiplikation mit (komplexen) Zahlen erklärt: ∀ψ ∈, ∀a ∈ : ∃ aψ ∈ 2 Eigenschaften der Multiplikation: 1ψ = ψ Assoziativität Distributivität in den Vektoren Distributivität in den Skalaren (a ⋅ b)ψ = a(bψ ) a(ψ + φ) = aψ + aφ (a + b)ψ = aψ + bψ 1.2. Beispiele n Lösungsmenge einer homogenen linearen Dgl. p , 1 ≤ p ≤ ∞ [a,b]......Stetige Funktionen auf dem Intervall [a,b] p (M)... Funktionen f(x) auf einer messbaren Menge M, für die f integrierbar ist. p 3 1.3. Def. Ein Teilraum eines Vektorraumes ist eine Teilmenge ⊂ , die selbst ein Vektorraum ist, d.h. abgeschlossen unter Addition und Multiplikation mit Skalaren. 1.4. Beispiele Stetige Funktionen [a,b] ⊂ 2 [a, b] Stetige Funktionen mit kompaktem Träger 2[a,b] ⊂ 2( ) 1.5. Def. Teilraum ⊂ , Quotientenraum = = = 2( = ), {= f |f(x) 0 f.ü.}, Beispiel: o () ⊂ 2 () {ψ + } = {Hyperflächen} 2( )/ = L2( ) 4 2) Konvergenz, Norm, Banachraum 2.1. Def. Eine Metrik ist eine reellwertige Funktion von Paaren von Elementen eines Raumes, ψ, ϕ d(ψ, ϕ) , mit den Eigenschaften: a) nicht negativ d(ψ, ϕ) ≥ 0 b) positiv definit d(ψ, ϕ) =0 dann und nur dann, wenn ψ = ϕ c) symmetrisch d(ψ, ϕ)= d(ϕ, ψ ) d) Dreiecksungleichung d(ψ, χ) ≤ d(ψ, ϕ) + d(ϕ, χ) 2.2. Beispiele Komplexe Zahlen, d(w, z) = |w–z| Sphärische Geometrie, Abstand zweier Punkte auf der Kugeloberfläche = Länge des kürzesten Großkreis-Segments, das die zwei Punkte verbindet 5 2.3. Definition Ein Vektorraum heißt normiert, wenn ∀ψ ∈ eine Norm ψ definiert ist, eine Zahl mit den Eigenschaften: a) reell, nicht negativ b) Nur der Nullvektor hat Norm Null c) Linearität im Vorfaktor aψ = a ψ d) Dreiecksungleichung ψ + ϕ ≤ ψ + ϕ 2.4. Satz: Jede Norm definiert eine Metrik; d(ψ, ϕ) := ψ − ϕ 2.5. Beispiele a) komplexe Zahlen, mit Norm := Absolut-Betrag der Zahl z= z= (Re(z)) 2 + (Im(z)) 2 6 b) n , n , „Euklidische“ Länge ψ =(z1 , z 2, ...z n ) , c) , 1 ≤ p ≤ ∞ , ψ =(z1 , z 2 ,...z n ,...) , p = ψ ψ= p (z 1 p z1 + z 2 + ... + z n 2 2 + z 2 + ... + z n + ... p p ) 2 1/p , Für p=2 ist dieser Raum ist die = max { z1 , z 2 ,... z n ,...}; unendlichdimensionale Verallgemeinerung des Beispiels b). d) p (M, dμ); integrable Funktionen über dem Maßraum M, 1/p p ψ p = ∫ ψ (x) dµ . (Zu Maß und Integral siehe Kapitel 6.) M Dreiecksungleichung ↔ die Minkowski-Ungleichung ψ ∞ e) Stetige Funktionen mit der Supremums-Norm 7 Norm ⇒ Metrik ⇒ Topologie 2.6. Definition: Konvergenz, Stetigkeit Eine Folge ψ n ist konvergent, wenn ∃ψ : ψ − ψ n → 0 bei n → ∞ ; Eine Kurve ψ t ist stetig bei s, wenn ψ s − ψ t → 0 bei t → s . Schreibweise: ψ n → ψ , ψ t → ψ s 2.7. Beispiele Diffusion im Limes t → ∞ : Im x-Raum Konvergenz von ρt gegen Null punktweise und in jedem Lp mit p > 1. Aber die 1-Norm (p = 1) ist zu jeder Zeit gleich 1. Also keine Normkonvergenz im L1. Die Fouriertransformierte ist immer 1 im Ursprung, sonst konvergiert sie punktweise gegen Null, konvergiert gegen Null-Vektor in jedem Lp mit p < ∞. Diffusion im Limes t → 0: Keine Konvergenz der Green-Funktion im . Lp Klassischer Limes der Grundzustands-Wellenfunktion des harmonischen Oszillators: Konvergenz gegen Nullvektor in jedem Lp mit 1 ≤ p < 2 ; keine Konvergenz für 2 ≤ p ≤ ∞ . 8 2.8. Def. Eine vektorwertige Kurve ψ t heißt bei s differenzierbar, wenn ψs − ψ t ∃ϕ : → ϕ bei t → s ... s−t 2.9. Beispiele L2 () , Funktion mit Knick wird verschoben, ψ t (x) = ψ (x − t) . So eine Kurve ist differenzierbar. Obige Kurve ist nicht zweifach differenzierbar, denn Verschieben einer Funktion mit Sprung gibt eine nicht differenzierbare Kurve von Vektoren. 9 2.10. Def. (Wiederholung) Menge der Funktionen, die fast überall gleich Null sind, bilden einen Teilraum des Raumes der integrierbaren Funktionen. Bilde den Quotientenraum. So entstehen Räume, z.B. Lp , deren Elemente genaugenommen nicht Funktionen sind, sondern Äquivalenzklassen von Funktionen. 2.11. Def. {ψ n } ist eine Cauchyfolge, wenn ∀ε > 0 ∃N ∀m > N, ∀n > N : ψm − ψn < ε 2.12. Satz Jede konvergente Folge ist eine Cauchyfolge. 2.13. Def. Ein Raum, in dem jede Cauchyfolge konvergiert, heißt vollständig. Ein vollständiger normierter Raum heißt Banachraum. 10 2.14. Bemerkung Analog zur Vervollständigung der Menge der rationalen Zahlen zur Menge der reellen Zahlen kann man jeden normierten Vektorraum vervollständigen. Man kann formal jeder Cauchyfolge ein Limeselement zuordnen. So erhält man durch Vervollständigung eines Raumes von Riemann-integrablen einen Raum von Lebesgue-integrablen Funktionen. Hier identifiziert man alle die Funktionen, für die das angegebene Integral Null ergibt, mit dem Nullvektor. Jeder Vektor im Lp ist daher, genaugenommen, nicht eine Funktion, sondern eine Klasse von Funktionen, die miteinander „fast überall“ identisch sind. Ein extremes Beispiel: Eine Funktion, die nur auf rationalen Zahlen ungleich Null ist, repräsentiert den Nullvektor im Lp (,dx) , für jedes p. 11 2.15. Def. Ein Teilraum ⊂ heißt dicht, wenn jedes Element von Limes einer Folge von Elementen von ist. 2.16. Beispiele a) Der Weierstraßsche Approximationssatz: Polynome liegen dicht im [a,b] mit der Supremumsnorm. f = max f (x) x∈[ a ,b ] b) S(), die Schwartzsche Klasse, ist dicht in Lp () , für jedes endliche p. S() = f (x) ∀ ( m, n ) ⊂ {0,1, 2,...} : sup x m ∂ nx f (x) < ∞ x c) 0(), stetige Funktionen mit kompaktem Träger, dicht im Lp () , wenn p < ∞ 2.17.Satz dicht in U und U dicht in ⇒ dicht in . Folgerung: Polynome sind dicht in jedem Lp [a,b] 12 3) Hilbert-Räume 3.1. Def: Inneres Produkt Für jedes Paar ψ, φ von Vektoren aus gibt es eine Zahl ψ φ ∈, das innere Produkt, mit den Eigenschaften a) ψ ψ ≥ 0 b) ψ ψ = 0 ⇔ ψ=0 c) ψ ϕ * = ϕ ψ d) ψ z ⋅ ϕ = z ψ ϕ e) ψ ϕ + χ = ψ ϕ + ψ χ ψ⊥ϕ 3.2.Def: Orthogonalität ⇔ ψ ϕ =0 13 3.3. Satz: Die Schwarzsche Ungleichung (Cauchy-Bunyakovsky-Schwarz) ψϕ Beweis: Zerlege ψ in dann ist berechne 2 ≤ ψψ ϕϕ ψ|| = ( ϕ ψ ϕ ψ ⊥ =0 ; ϕ ϕ )ϕ und ψ ⊥ = ψ − ψ ; ψ ψ = ψ ⊥ ψ ⊥ + ψ ψ ≥ ψ ψ = ϕ ψ 3.4. Satz und Def: 2 ϕϕ Inneres Produkt definiert Norm ψ =: ∎ ψψ Es gilt der Satz von Pythagoras: ϕ ⊥ ψ ⇒ ϕ+ψ = ϕ + ψ 2 2 2 14 3.5. Beispiele a) n b) 2 n v | w = ∑ v k* w k k =1 ψ|ϕ = c) L2 (M, dμ) ∞ ∑ψ *ϕ k =1 k ψ|ϕ = k ∫ ψ* ϕ dµ M 3.6. Satz: Inneres Produkt ist stetig ψ m → ψ , ϕn → ϕ ⇒ ψ m ϕn → ψ ϕ 3.7. Def: Hilbertraum Ein Vektor-Raum mit innerem Produkt, der vollständig ist, heißt Hilbertraum. 15 Bemerkung: Ein Hilbertraum ist ein spezieller Banachraum 3.8. Def: Basis, VONS Basis = „Vollständiges Orthonormalsystem“ {e n } , eine Menge von Vektoren mit den Eigenschaften: a) Basisvektoren sind normiert, e n = 1 b) verschiedene sind zueinander orthogonal. e m | e n = δm,n c) Jeder Vektor in kann vollständig in Komponenten zerlegt und als Linearkombination von Basisvektoren dargestellt werden ∀ψ ∈, ∃{a n ∈ } : ψ = ∑ a n e n n N (= lim ∑ a n e n N →∞ n =1 im ∞-dim. ) 16 3.9. Def: Totale Menge, Lineare Hülle, separabel „Totale“ Menge von Vektoren ....... ⇔.......die Menge der Linearkombinationen von Elementen dieser Menge ist ein dichter Teilraum von . „Lineare Hülle“ ...... Abschluss des Teilraums der Linearkombinationen heißt „separabel“, wenn es eine totale Teilmenge gibt, die abzählbar ist. Bemerkung: In der Physik: immer separable Hilberträume 3.10. Beispiele ϕm = (δm,n) ist abzählbare totale Menge und Basis 2 : Die Potenzen xn sind total im L2 [a,b]; das folgt aus dem Weierstraßschen Approximationssatz 2.16 a, kombiniert mit dem Satz 2.17. 3.11. Satz und Def: Existenz einer Basis. Dimension. Jeder Hilbertraum besitzt eine Basis. Deren „Mächtigkeit“ (=Anzahl der Elemente) ist eindeutig; sie heißt Dimension des Raumes. 17 Gram-Schmidt-Verfahren zur Orthogonalisierung einer abzählbaren Menge von Vektoren, φ1 ...φn ..., die alle linear unabhängig von einander sind (es gibt keine Linearkombination, die Null ergibt); definiere e1 :=ϕ1 ϕ1 ϕ2 − e1 ϕ2 e 2 := ϕ2 − e1 ϕ2 ϕ3 − e1 ϕ3 e3 := ϕ3 − e1 ϕ3 e1 e1 e1 − e 2 ϕ3 e 2 .... e1 − e 2 ϕ3 e 2 Ist diese Menge total, dann wird mit diesem Verfahren eine Basis erzeugt. 18 3.12. Lemmata: Besselsche Ungleichung; Kürzungsregel {en} ein ONS, (nicht notwendigerweise vollständig), an= e n ψ , dann ist 2 2 ∑ a n ≤ ψ ; {ϕn} eine totale Menge, ϕn ψ = 0 für alle n, dann ist ψ = 0. n 3.13. Entwicklungssatz Jedes totale ONS {en} ist vollständig. Jeder Vektor ist eindeutig nach dieser Basis zu entwickeln. , an= e n ψ ψ =∑ a n e n n Bemerkung: So wird jeder separable Hilbertraum isomorph zum 2 . („Isomorph“ heißt hier: es gibt eine umkehrbare normtreue Abbildung zwischen den Räumen.) 3.14. Parsevalsche Gleichung {en} VONS ⇒ ∑a n 2 n = ψ 2 für an= e n ψ 19 3.15. Kriterien für die Vollständigkeit eines ONS a) b) c) d) e) Kürzungsregel gilt Parseval gilt Entwicklung ist möglich System ist total total in dichter Teilmenge 3.16. Beispiele Legendre-Polynome, (im Bild nicht normiert) Hermite-Polynome ↔ Harmonischer Oszillator, Fourier-Reihen 20 3.17. Def. und Lemma: Orthogonaler Teilraum M sei eine Teilmenge M⊥ ist die Menge aller zu M orthogonalen Vektoren bildet einen abgeschlossenen Teilraum. 3.18. Satz und Def: Projektion ein abgeschlossener Teilraum, ψ beliebig Eindeutige Zerlegung: ψ = ψ + ψ⊥ , mit Projektion von ψ auf → ψ 3.19. Beispiele. Gerade Funktionen / Ungerade Funktionen Lokalisierung: Funktionen mit Träger auf einer Teilmenge, / Träger im Komplement Gebundene Zustände eines Teilchens in einem Potential / freie Zustände 21