Untervektorraum

Im dreidimensionalen euklidischen Raum bilden alle Ursprungsebenen und Ursprungsgeraden Untervektorräume.

Ein Untervektorraum, Teilvektorraum, linearer Unterraum oder linearer Teilraum ist in der Mathematik eine Teilmenge eines Vektorraums, die selbst wieder einen Vektorraum darstellt. Dabei werden die Vektorraumoperationen Vektoraddition und Skalarmultiplikation von dem Ausgangsraum auf den Untervektorraum vererbt. Jeder Vektorraum enthält sich selbst und den Nullvektorraum als triviale Untervektorräume.

Jeder Untervektorraum ist das Erzeugnis einer linear unabhängigen Teilmenge von Vektoren des Ausgangsraums. Die Summe und der Durchschnitt zweier Untervektorräume ergibt wieder einen Untervektorraum, dessen Dimension über die Dimensionsformel ermittelt werden kann. Jeder Untervektorraum besitzt mindestens einen Komplementärraum, sodass der Ausgangsraum die direkte Summe aus dem Untervektorraum und seinem Komplement ist. Weiter kann jedem Untervektorraum ein Faktorraum zugeordnet werden, der dadurch entsteht, dass alle Elemente des Ausgangsraums entlang des Untervektorraums parallelprojiziert werden.

Untervektorräume werden in der linearen Algebra unter anderem dazu verwendet, Kern und Bild von linearen Abbildungen, Lösungsmengen von linearen Gleichungen und Eigenräume von Eigenwertproblemen zu charakterisieren. In der Funktionalanalysis werden insbesondere Untervektorräume von Hilberträumen, Banachräumen und Dualräumen untersucht. Untervektorräume besitzen vielfältige Anwendungen, beispielsweise bei numerischen Lösungsverfahren für große lineare Gleichungssysteme und für partielle Differentialgleichungen, bei Optimierungsproblemen, in der Kodierungstheorie und in der Signalverarbeitung.

Definition

Ist ein Vektorraum über einem Körper , so bildet eine Teilmenge genau dann einen Untervektorraum von , wenn sie nichtleer und abgeschlossen bezüglich der Vektoraddition und der Skalarmultiplikation ist. Es muss also

für alle Vektoren und alle Skalare gelten. Dabei sind die Vektoraddition und die Skalarmultiplikation im Untervektorraum die Einschränkungen der entsprechenden Operationen des Ausgangsraums .

Äquivalent zur ersten Bedingung kann man auch fordern, dass der Nullvektor von in enthalten ist. Enthält nämlich zumindest ein Element, dann ist aufgrund der Abgeschlossenheit von bezüglich der Skalarmultiplikation auch der Nullvektor in enthalten (setze ). Umgekehrt ist die Menge , wenn sie den Nullvektor enthält, nichtleer.

Mit Hilfe dieser drei Kriterien lässt sich überprüfen, ob eine gegebene Teilmenge eines Vektorraums ebenfalls einen Vektorraum bildet, ohne alle Vektorraumaxiome nachweisen zu müssen. Ein Untervektorraum wird häufig kurz als „Unterraum“ bezeichnet, wenn aus dem Kontext klar ist, dass es sich dabei um einen linearen Unterraum und nicht um einen allgemeineren Unterraum handelt.

Beispiele

Die Menge der Vektoren , für die gilt, bildet einen Untervektorraum der euklidischen Ebene.

Konkrete Beispiele

Die Menge aller Vektoren der reellen Zahlenebene bildet mit der üblichen komponentenweisen Vektoraddition und Skalarmultiplikation einen Vektorraum. Die Teilmenge der Vektoren, für die gilt, bildet einen Untervektorraum von , denn es gilt für alle :

  • der Koordinatenursprung liegt in

Als weiteres Beispiel kann man den Vektorraum aller reellen Funktionen mit der üblichen punktweisen Addition und Skalarmultiplikation betrachten. In diesem Vektorraum bildet die Menge der linearen Funktionen einen Untervektorraum, denn es gilt für :

  • die Nullfunktion liegt in
  • , somit
  • , somit

Allgemeinere Beispiele

Eigenschaften

Vektorraumaxiome

Die drei Unterraumkriterien sind tatsächlich hinreichend und notwendig für die Gültigkeit aller Vektorraumaxiome. Aufgrund der Abgeschlossenheit der Menge gilt nämlich für alle Vektoren durch Setzen von

und damit weiter durch Setzen von

.

Damit enthält die Menge insbesondere den Nullvektor und zu jedem Element auch das additiv inverse Element . Also ist eine Untergruppe von und damit insbesondere eine abelsche Gruppe. Das Assoziativgesetz, das Kommutativgesetz, die Distributivgesetze und die Neutralität der Eins übertragen sich direkt von dem Ausgangsraum auf . Damit erfüllt alle Vektorraum-Axiome und ist ebenfalls ein Vektorraum. Umgekehrt muss jeder Untervektorraum die drei angegebenen Kriterien erfüllen, da die Vektoraddition und die Skalarmultiplikation die Einschränkungen der entsprechenden Operationen von sind.

Darstellung

Die lineare Hülle eines Vektors in der euklidischen Ebene

Jede Teilmenge von Vektoren eines Vektorraums spannt durch Bildung aller möglichen Linearkombinationen

,

einen Untervektorraum von auf, den man die lineare Hülle von nennt. Die lineare Hülle ist der kleinste Untervektorraum, der die Menge umfasst und gleich dem Durchschnitt aller Untervektorräume von , die umfassen. Umgekehrt ist jeder Untervektorraum das Erzeugnis einer Teilmenge von , das heißt, es gilt

,

wobei man die Menge ein Erzeugendensystem von nennt. Ein minimales Erzeugendensystem besteht aus linear unabhängigen Vektoren und heißt Basis eines Vektorraums. Die Anzahl der Elemente einer Basis gibt die Dimension eines Vektorraums an.

Operationen

Durchschnitt und Vereinigung

Der Durchschnitt zweier Untervektorräume eines Vektorraums

ist stets selbst ein Untervektorraum.

Die Vereinigung zweier Untervektorräume

ist jedoch nur dann ein Untervektorraum, wenn oder gilt. Anderenfalls ist die Vereinigung zwar abgeschlossen bezüglich der Skalarmultiplikation, aber nicht bezüglich der Vektoraddition.

Summe

Die Summe zweier Untervektorräume eines Vektorraums

ist wieder ein Untervektorraum, und zwar der kleinste Untervektorraum, der enthält. Für die Summe zweier endlichdimensionaler Untervektorräume gilt die Dimensionsformel

,

woraus sich umgekehrt auch die Dimension des Durchschnitts zweier Untervektorräume ablesen lässt. Schnitt- und Summenbasen von Untervektorräumen endlicher Dimension lassen sich mit dem Zassenhaus-Algorithmus berechnen.

Direkte Summe

Besteht der Schnitt zweier Untervektorräume lediglich aus dem Nullvektor, ist also , so bezeichnet man die Summe als innere direkte Summe

,

denn sie ist isomorph zur äußeren direkten Summe der beiden Vektorräume. In diesem Fall gibt es zu jedem eindeutig bestimmte Vektoren , mit . Aus dem Dimensionssatz folgt dann, da der Nullvektorraum nulldimensional ist, für die Dimension der direkten Summe

,

was auch im unendlichdimensionalen Fall wahr ist.

Mehrere Operanden

Die vorangegangenen Operationen lassen sich auch auf mehr als zwei Operanden verallgemeinern. Ist eine Familie von Untervektorräumen von , wobei eine beliebige Indexmenge ist, dann bildet der Durchschnitt dieser Untervektorräume

wiederum einen Untervektorraum von . Weiter ergibt auch die Summe mehrerer Untervektorräume

wieder einen Untervektorraum von , wobei im Fall einer Indexmenge mit unendlich vielen Elementen nur endlich viele Summanden ungleich dem Nullvektor sein dürfen. Eine solche Summe heißt direkt und wird dann mit

bezeichnet, wenn der Schnitt jedes Untervektorraums mit der Summe der übrigen Untervektorräume den Nullvektorraum ergibt. Das ist äquivalent dazu, dass jeder Vektor eine eindeutige Darstellung als Summe von Elementen der Untervektorräume besitzt.

Abgeleitete Räume

Komplementärraum

Zu jedem Untervektorraum von existiert mindestens ein Komplementärraum , sodass

gilt. Jedem solchen Komplementärraum entspricht genau eine Projektion auf den Untervektorraum , also eine idempotente lineare Abbildung , mit der

gilt, wobei die identische Abbildung ist. Im Allgemeinen existieren mehrere Komplementärräume zu einem Untervektorraum, von denen durch die Vektorraumstruktur keiner ausgezeichnet ist. In Skalarprodukträumen ist es allerdings möglich, von zueinander orthogonalen Untervektorräumen zu sprechen. Ist endlichdimensional, dann existiert zu jedem Untervektorraum ein eindeutig bestimmter orthogonaler Komplementärraum, der gerade das orthogonale Komplement von ist, und es gilt dann

.

Faktorraum

Jedem Untervektorraum eines Vektorraums kann ein Faktorraum zugeordnet werden, der dadurch entsteht, dass alle Elemente des Untervektorraums miteinander identifiziert werden und so die Elemente des Vektorraums entlang des Untervektorraums parallelprojiziert werden. Formal ist der Faktorraum definiert als Menge der Äquivalenzklassen

von Vektoren in , wobei die Äquivalenzklasse eines Vektors

die Menge der Vektoren in ist, die sich von nur um ein Element des Untervektorraums unterscheiden. Der Faktorraum bildet einen Vektorraum, wenn die Vektorraumoperationen vertreterweise definiert werden, er ist aber selbst kein Untervektorraum von . Für die Dimension des Faktorraums gilt

.

Die Untervektorräume von sind genau die Faktorräume , wobei Untervektorraum von mit ist.

Annihilatorraum

Der Dualraum eines Vektorraums über einem Körper ist der Raum der linearen Abbildungen von nach und damit selbst ein Vektorraum. Für eine Teilmenge von bildet die Menge aller Funktionale, die auf verschwinden, einen Untervektorraum des Dualraums, den sogenannten Annihilatorraum

.

Ist endlichdimensional, so gilt für die Dimension des Annihilatorraums eines Untervektorraums von

.

Der Dualraum eines Untervektorraums ist damit isomorph zum Faktorraum .

Untervektorräume in der linearen Algebra

Lineare Abbildungen

Ist eine lineare Abbildung zwischen zwei Vektorräumen und über dem gleichen Körper, dann bildet der Kern der Abbildung

einen Untervektorraum von und das Bild der Abbildung

einen Untervektorraum von . Weiterhin ist der Graph einer linearen Abbildung ein Untervektorraum des Produktraums . Ist der Vektorraum endlichdimensional, so gilt für die Dimensionen der involvierten Räume der Rangsatz

.

Die Dimension des Bilds nennt man auch Rang und die Dimension des Kerns auch Defekt der linearen Abbildung. Nach dem Homomorphiesatz ist dabei das Bild isomorph zum Faktorraum .

Lineare Gleichungen

Ist wiederum eine lineare Abbildung zwischen zwei Vektorräumen über dem gleichen Körper, dann ist die Lösungsmenge der homogenen linearen Gleichung

ein Untervektorraum von , und zwar gerade der Kern von . Die Lösungsmenge einer inhomogenen linearen Gleichung

mit ist hingegen, sofern sie nichtleer ist, ein affin-linearer Unterraum von , was eine Folge der Superpositionseigenschaft ist. Die Dimension des Lösungsraums ist dann ebenfalls gleich der Dimension des Kerns von .

Eigenwertprobleme

Ist nun eine lineare Abbildung eines Vektorraums in sich, also ein Endomorphismus, mit zugehörigem Eigenwertproblem

,

dann ist jeder zu einem Eigenwert zugehörige Eigenraum

ein Untervektorraum von , dessen vom Nullvektor verschiedene Elemente genau die zugehörigen Eigenvektoren sind. Die Dimension des Eigenraums entspricht der geometrischen Vielfachheit des Eigenwerts; sie ist maximal so groß wie die algebraische Vielfachheit des Eigenwerts.

Invariante Untervektorräume

Ist wieder ein Endomorphismus, dann heißt ein Untervektorraum von invariant unter oder kurz -invariant, falls

gilt, das heißt, wenn für alle das Bild ebenfalls in liegt. Das Bild von unter ist dann also ein Untervektorraum von . Die trivialen Untervektorräume und , aber auch , und alle Eigenräume von sind stets invariant unter . Ein weiteres wichtiges Beispiel für invariante Untervektorräume sind die Haupträume, die beispielsweise bei der Bestimmung der jordanschen Normalform verwendet werden.

Untervektorräume in der Funktionalanalysis

Unterhilberträume

In Hilberträumen, also vollständigen Skalarprodukträumen, werden insbesondere Unterhilberträume betrachtet, das heißt Untervektorräume, die bezüglich der Einschränkung des Skalarprodukts immer noch vollständig sind. Diese Eigenschaft ist gleichbedeutend damit, dass der Untervektorraum abgeschlossen bezüglich der Normtopologie, die durch das Skalarprodukt induziert wird, ist. Nicht jeder Untervektorraum eines Hilbertraums ist auch vollständig, es lässt sich jedoch zu jedem unvollständigen Untervektorraum durch Abschlussbildung ein Unterhilbertraum erhalten, in dem jener dann dicht liegt. Zu jedem Unterhilbertraum existiert nach dem Projektionssatz auch ein eindeutig bestimmtes orthogonales Komplement, das stets abgeschlossen ist.

Unterhilberträume spielen eine wichtige Rolle in der Quantenmechanik und der Fourier- oder Multiskalenanalyse von Signalen.

Unterbanachräume

In Banachräumen, also vollständigen normierten Räumen, kann man analog dazu Unterbanachräume, das heißt Untervektorräume, die bezüglich der Einschränkung der Norm vollständig sind, betrachten. Wie im Hilbertraumfall ist ein Untervektorraum eines Banachraums genau dann ein Unterbanachraum, wenn er abgeschlossen ist. Weiter lässt sich zu jedem unvollständigen Untervektorraum eines Banachraums durch Vervollständigung ein Unterbanachraum erhalten, der dicht in diesem liegt. Zu einem Unterbanachraum existiert jedoch im Allgemeinen kein komplementärer Unterbanachraum.

In einem halbnormierten Raum bilden die Vektoren mit Halbnorm Null einen Untervektorraum. Aus einem halbnormierten Raum erhält man einen normierten Raum als Faktorraum, indem man Äquivalenzklassen von Vektoren, die sich bezüglich der Halbnorm nicht unterscheiden, betrachtet. Ist der halbnormierte Raum vollständig, so ist dieser Faktorraum dann ein Banachraum. Diese Konstruktion wird insbesondere bei den Lp-Räumen und verwandten Funktionenräumen eingesetzt.

Bei der numerischen Berechnung partieller Differentialgleichungen mittels der Finite-Elemente-Methode wird die Lösung in geeigneten endlichdimensionalen Unterbanachräumen des zugrundeliegenden Sobolevraums approximiert.

Topologische Dualräume

In der Funktionalanalysis betrachtet man neben dem algebraischen Dualraum auch den topologischen Dualraum eines Vektorraums , der aus den stetigen linearen Abbildungen von nach besteht. Für einen topologischen Vektorraum bildet der topologische Dualraum einen Untervektorraum des algebraischen Dualraums. Nach dem Satz von Hahn-Banach besitzt ein lineares Funktional auf einem Untervektorraum eines reellen oder komplexen Vektorraums, das von einer sublinearen Funktion beschränkt wird, eine lineare Fortsetzung auf dem Gesamtraum, die ebenfalls durch diese sublineare Funktion beschränkt wird. Als Konsequenz enthält der topologische Dualraum eines normierten Raums ausreichend viele Funktionale, was die Grundlage einer reichhaltigen Dualitätstheorie bildet.

Weitere Anwendungen

Weitere wichtige Anwendungen von Untervektorräumen sind:

Siehe auch

Literatur

Weblinks

Auf dieser Seite verwendete Medien

LinearHull.svg
Autor/Urheber: Mathmon, Lizenz: CC BY-SA 3.0
Zeigt einen Vektor und seine lineare Hülle
Function-x.svg
Autor/Urheber: Qualc1, Lizenz: CC BY-SA 3.0
Function: y=x
Linear subspaces with shading.svg
Autor/Urheber: Alksentrs at en.wikipedia, Lizenz: CC BY-SA 3.0
R3, cut by 3 planes. A particular vector subspace is highlighted in blue.