ברוכים הבאים ליחידת הלימוד "מרחבי מכפלה פנימית ואורתוגונליות" בקורס אלגברה לינארית. יחידה זו מרחיבה את המושגים הגיאומטריים האינטואיטיביים של אורך, מרחק וזווית, שאנו מכירים ממרחבים כמו $\mathbb{R}^2$ ו-$\mathbb{R}^3$, למרחבים וקטוריים מופשטים יותר. הבנה עמוקה של מושגים אלו חיונית לא רק באלגברה לינארית עצמה, אלא גם בתחומים רבים במדעי המחשב, כגון למידת מכונה, עיבוד אותות וגרפיקה ממוחשבת. נתמקד בהגדרות, תכונות, ובמיוחד ביישומים חישוביים הנפוצים בבחינות האוניברסיטה הפתוחה.
מכפלה פנימית, נורמה ומרחק
הבסיס להכללת מושגי האורך והזווית הוא מושג המכפלה הפנימית.
ממכפלה פנימית ניתן לגזור את מושגי הנורמה (אורך) והמרחק:
מכפלה פנימית סטנדרטית (מכפלה סקלרית)
ב-$\mathbb{R}^n$, $\langle u, v \rangle = u \cdot v = \sum_{i=1}^n u_i v_i$. זוהי הדוגמה המוכרת ביותר, ממנה נגזרים האורך האוקלידי והמרחק האוקלידי.
מכפלה פנימית כללית
ניתן להגדיר מכפלות פנימיות רבות ושונות על אותו מרחב. למשל, ב-$\mathbb{R}^2$, $\langle (x_1, y_1), (x_2, y_2) \rangle = 2x_1x_2 + y_1y_2$ היא מכפלה פנימית חוקית.
נורמה
מייצגת את "האורך" של וקטור. לדוגמה, ב-$\mathbb{R}^n$ עם המכפלה הפנימית הסטנדרטית, $\|v\| = \sqrt{v_1^2 + \dots + v_n^2}$.
מרחק
מייצג את "המרחק" בין שני וקטורים. לדוגמה, ב-$\mathbb{R}^n$ עם המכפלה הפנימית הסטנדרטית, $d(u, v) = \sqrt{(u_1-v_1)^2 + \dots + (u_n-v_n)^2}$.
אורתוגונליות ובסיסים אורתונורמליים
מושג הזווית מוכלל באמצעות אורתוגונליות.
יתרונות בסיסים אורתונורמליים:
- חישוב קואורדינטות של וקטור ביחס לבסיס אורתונורמלי הוא פשוט: $v = \sum_{i=1}^k \langle v, u_i \rangle u_i$.
- חישוב מכפלה פנימית בין וקטורים קל יותר.
- קבוצה אורתוגונלית של וקטורים שאינם וקטור האפס היא תמיד בלתי תלויה לינארית.
היטלים אורתוגונליים ומשלימים אורתוגונליים
היכולת לפרק וקטור לרכיבים אורתוגונליים היא כלי רב עוצמה.
- $W^\perp$ הוא תמיד תת-מרחב.
- $V = W \oplus W^\perp$ (סכום ישר).
היטל אורתוגונלי הוא הווקטור ב-$W$ הקרוב ביותר ל-$v$. אם $\{u_1, \dots, u_k\}$ הוא בסיס אורתונורמלי ל-$W$, אז $P_W(v) = \sum_{i=1}^k \langle v, u_i \rangle u_i$. אם הבסיס אינו אורתונורמלי, יש להשתמש בנוסחה מורכבת יותר או לבנות בסיס אורתונורמלי תחילה.
שאלות לדיון
- האם כל פונקציה המקבלת שני וקטורים ומחזירה סקלר יכולה להיות מכפלה פנימית? נמקו והביאו דוגמה לפונקציה שאינה מכפלה פנימית.
- כיצד תהליך גרם-שמידט מבטיח שהווקטורים החדשים שנוצרים יהיו אורתוגונליים לווקטורים הקודמים? הסבירו את הרעיון מאחורי הנוסחה.
- כיצד ניתן להשתמש בהיטל אורתוגונלי כדי למצוא את הפולינום ממעלה נתונה הקרוב ביותר לפונקציה רציפה מסוימת, בהינתן מכפלה פנימית מתאימה?
- הסבירו את הקשר בין המשלים האורתוגונלי של תת-מרחב לבין מרחב הפתרונות של מערכת משוואות לינאריות.
נקודות לתשובת מודל
- לשאלה 1: לא, רק פונקציות המקיימות את ארבעת אקסיומות המכפלה הפנימית. דוגמה נגדית: פונקציה שאינה חיובית לחלוטין (למשל, $\langle v, v \rangle = 0$ עבור $v \neq 0$).
- לשאלה 2: כל וקטור חדש $v_k'$ מחושב על ידי הפחתת ההיטלים של $v_k$ על הווקטורים האורתונורמליים $u_1, \dots, u_{k-1}$ שכבר נבנו. $v_k' = v_k - \sum_{i=1}^{k-1} \langle v_k, u_i \rangle u_i$. זה מבטיח ש-$v_k'$ יהיה אורתוגונלי לכל $u_i$ עבור $i
- לשאלה 3: מגדירים מכפלה פנימית על מרחב הפונקציות (לרוב אינטגרל). מוצאים בסיס (למשל, פולינומי לז'נדר) למרחב הפולינומים ממעלה נתונה. הפולינום הקרוב ביותר הוא ההיטל האורתוגונלי של הפונקציה על תת-מרחב הפולינומים, המחושב באמצעות הבסיס האורתונורמלי.
- לשאלה 4: עבור מטריצה $A$, מרחב השורות שלה הוא $Row(A)$. המשלים האורתוגונלי של $Row(A)$ הוא מרחב האפס של $A$, כלומר $Nul(A)$. באופן דומה, המשלים האורתוגונלי של מרחב העמודות $Col(A)$ הוא מרחב האפס השמאלי $Nul(A^T)$.