Übungsquiz zu Vektorräumen & Unterräumen mit interaktiver Schritt-für-Schritt-Lektion

Vektorräume, Unterräume und der Unterraumtest

Kernidee

Ein Vektorraum \(V\) über einem Körper (wie \(\mathbb{R}\)) ist eine Menge mit zwei Operationen: Vektoraddition und Skalarmultiplikation, die die Standardaxiome erfüllt (Assoziativität, Kommutativität der Addition, Distributivgesetze, skalares Einselement, additives neutrales Element \(0\), additive Inverse und Abgeschlossenheit).

Eine Teilmenge \(U\subseteq V\) ist ein Unterraum, wenn sie mit denselben Operationen ein Vektorraum ist. In der Praxis nutzt du den Unterraumtest.

Der Unterraumtest

• Nullvektor: \(0 \in U\).
• Abgeschlossen unter Addition: Wenn \(u,v\in U\), dann \(u+v\in U\).
• Abgeschlossen unter Skalarmultiplikation: Wenn \(u\in U\) und \(c\in \mathbb{R}\), dann \(cu\in U\).

Typische Beispiele

• \(\mathbb{R}^n\) und jede Ebene durch den Ursprung in \(\mathbb{R}^3\).
• Matrixräume wie \(M_{m\times n}(\mathbb{R})\); Mengen, die durch lineare Bedingungen definiert sind, sind oft Unterräume.
• Funktionsräume wie \(C[0,1]\); Mengen, die durch lineare Bedingungen definiert sind (z. B. \(f(0)=0\)), sind Unterräume.

Ausgearbeitetes Beispiel

Übe selbst

Zusammenfassung

• Ein Unterraum muss \(0\) enthalten und unter Addition sowie Skalarmultiplikation abgeschlossen sein.
• Mengen wie \(x+y=1\) sind meist affin (verschoben) und bestehen den Test \(0\in U\) nicht.

Linearkombinationen, lineare Hülle und Beschreiben von Unterräumen

Kernidee

Eine Linearkombination von Vektoren \(v_1,\dots,v_k\) ist jeder Vektor der Form \[ c_1 v_1 + \cdots + c_k v_k \] wobei \(c_1,\dots,c_k\in\mathbb{R}\). Die lineare Hülle (Span) ist die Menge aller solchen Kombinationen: \[ \text{span}\{v_1,\dots,v_k\}=\{c_1 v_1 + \cdots + c_k v_k : c_i\in\mathbb{R}\}. \] Eine lineare Hülle ist immer ein Unterraum.

Lösungsräume sind Unterräume

Die Lösungsmenge eines homogenen Systems \(Ax=0\) ist der Nullraum von \(A\), \[ \mathcal{N}(A)=\{x: Ax=0\}, \] und sie ist immer ein Unterraum von \(\mathbb{R}^n\).

Ausgearbeitetes Beispiel

Übe selbst

Zusammenfassung

• \(\text{span}(S)\) ist immer ein Unterraum: Er enthält \(0\) und ist unter Linearkombinationen abgeschlossen.
• Homogene Lösungsräume (Nullräume) sind Unterräume, und ihre Dimension ist die Anzahl der freien Parameter.

Basen, Koordinaten bezüglich einer Basis und Dimension

Kernidee

Eine Menge \(B=\{b_1,\dots,b_n\}\) ist eine Basis für einen Vektorraum \(V\), wenn: (1) sie \(V\) aufspannt und (2) sie linear unabhängig ist. Wenn \(B\) eine Basis ist, kann jeder \(v\in V\) eindeutig geschrieben werden als \[ v = c_1 b_1 + \cdots + c_n b_n. \] Die Skalare \((c_1,\dots,c_n)\) sind die Koordinaten von \(v\) bezüglich der Basis \(B\).

Dimension

Wenn \(V\) endlichdimensional ist, ist die Dimension \(\dim V\) die Anzahl der Vektoren in einer beliebigen Basis von \(V\). Zum Beispiel gilt \(\dim \mathbb{R}^n = n\), \(\dim P_n = n+1\) und \(\dim M_{m\times n}(\mathbb{R}) = mn\). Hat \(V\) eine Basis der Größe \(5\), dann gilt auch \(\dim V = 5\) und \(\dim V^* = 5\).

Ausgearbeitetes Beispiel

Übe selbst

Zusammenfassung

• Basen liefern eindeutige Koordinatendarstellungen.
• Die Dimension ist die Anzahl der Vektoren in einer Basis (und \(\dim V^*=\dim V\) für endlichdimensionale \(V\)).

Schnitt, Summe, Vereinigung und typische Unterraumgeometrie in \(\mathbb{R}^n\)

Schnitt \(U\cap W\)

Wenn \(U\) und \(W\) Unterräume von \(V\) sind, dann ist \(U\cap W\) immer ein Unterraum von \(V\). Grund: Er enthält \(0\) und ist unter Addition/Skalarmultiplikation abgeschlossen, weil sowohl \(U\) als auch \(W\) das sind.

Summe \(U+W\)

Die Summe von Unterräumen ist \[ U+W=\{u+w: u\in U,\; w\in W\}. \] Sie ist der kleinste Unterraum, der beide \(U\) und \(W\) enthält.

Vereinigung \(U\cup W\)

Im Allgemeinen ist die Vereinigung zweier Unterräume kein Unterraum. Sie ist nur in dem Spezialfall ein Unterraum, in dem einer der Unterräume im anderen enthalten ist: \[ U\cup W \text{ ist ein Unterraum } \Longleftrightarrow U\subseteq W \text{ oder } W\subseteq U. \]

Ausgearbeitetes Beispiel

Übe selbst

Zusammenfassung

• \(U\cap W\) und \(U+W\) sind immer Unterräume.
• \(U\cup W\) ist meistens kein Unterraum (außer einer enthält den anderen).

Dimension in der Praxis: Bedingungen, Freiheitsgrade und unendliche Dimension

Kernidee

Dimension zählt Freiheitsgrade. Jede unabhängige lineare Bedingung verringert die Dimension typischerweise um \(1\) (in endlichdimensionalen Situationen). Zum Beispiel definiert eine einzelne homogene lineare Gleichung in \(\mathbb{R}^3\) einen 2D-Unterraum (eine Ebene durch den Ursprung).

Endliche vs. unendliche Dimension

Ein Vektorraum ist endlichdimensional, wenn er eine endliche Basis besitzt. Wenn keine endliche Basis existiert, ist er unendlichdimensional (zum Beispiel \(P\) = alle Polynome oder \(C[0,1]\)). Wenn ein Unterraum \(S\) unendliche Dimension hat, kann er nicht von endlich vielen Vektoren aufgespannt werden (jede aufspannende Menge muss unendlich sein).

Ausgearbeitetes Beispiel

Übe selbst

Zusammenfassung

• Dimensionen zählen freie Parameter (Freiheitsgrade).
• Unendlichdimensional bedeutet, dass keine endliche aufspannende Menge existiert.

Quotientenräume \(V/W\): Vektoren modulo eines Unterraums

Kernidee

Sei \(W\) ein Unterraum von \(V\). Zwei Vektoren \(v\) und \(u\) werden modulo \(W\) als äquivalent betrachtet, wenn \[ v-u \in W. \] Die Äquivalenzklasse von \(v\) ist die Nebenklasse \[ v+W = \{v+w : w\in W\}. \] Der Quotientenraum \(V/W\) ist die Menge aller Nebenklassen: \[ V/W = \{v+W : v\in V\}. \]

So kannst du dir \(V/W\) vorstellen

• Du "kollabierst" den gesamten Unterraum \(W\), sodass er im Quotienten wie das Nullelement wirkt.
• Vektoren, die sich um ein Element von \(W\) unterscheiden, werden derselbe Punkt in \(V/W\).
• Das hilft, dich auf Richtungen "nicht in \(W\)" zu konzentrieren und Strukturen zu vereinfachen.

Ausgearbeitetes Beispiel

Übe selbst

Zusammenfassung

• \(V/W\) ist die Menge der Nebenklassen \(v+W\), also Vektoren modulo dem Unterraum \(W\).
• Quotienten "kollabieren" Richtungen in \(W\), damit du dich auf das konzentrierst, was übrig bleibt.

Warum Vektorräume und Unterräume wichtig sind

Wo Vektorräume und Unterräume auftauchen

• Lineare Systeme: Lösungsmengen von \(Ax=0\) sind Unterräume (Nullräume).
• Lineare Abbildungen: Kerne und Bilder sind Unterräume; Dimension hängt mit Rang und Nullität zusammen.
• Geometrie: Geraden/Ebenen durch den Ursprung sind Unterräume; Summen und Schnitte passen zur geometrischen Intuition.
• Daten und ML: Unterräume modellieren niedrigdimensionale Struktur in hochdimensionalen Daten (PCA).
• Funktionen: Viele Funktionsräume sind Vektorräume; Bedingungen wie \(f(0)=0\) definieren Unterräume.

Ausgearbeitetes Beispiel: eine klare Dimensionszählung bei Matrizen

Übe selbst

Abschluss-Wiederholung

• Unterraumtest: prüfe \(0\in U\), Abgeschlossenheit unter Addition, Abgeschlossenheit unter Skalarmultiplikation.
• Lineare Hülle (Span): alle Linearkombinationen; \(\text{span}(S)\) ist immer ein Unterraum.
• Basis: aufspannend + unabhängig; liefert eindeutige Koordinaten.
• Dimension: Anzahl der Basisvektoren; zählt Freiheitsgrade.
• Operationen: \(U\cap W\) und \(U+W\) sind Unterräume; \(U\cup W\) ist meistens keiner.
• Quotient: \(V/W\) besteht aus Nebenklassen \(v+W\), also Vektoren modulo \(W\).