Линейные пространства.
Линейным пространством называется множество элементов «векторов» x,y,z,… для которых определены операции сложения векторов и умножения их на числа: x,yL z=x+yL; xL, RxL, причём эти операции удовлетворяют аксиомам:
аксиомы сложения:
x+(y+z)=(x+y)+z (ассоциативность);
x+y=y+x (коммутативность);
0L: x+0=0+x=x xL;
у любого вектора есть противоположный
xL=>(-x)L :x+(-x)=0.
аксиомы умножения на число:
1*x=x;
()x=(x).
аксиомы дистрибутивности:
(+)x=x+x;
(x+y)=x+y.
Примеры линейных пространств.
Пространство V3. Пространство геометрических векторов.
Пространство Rn. Арифметическое пространство. Роль векторов – упорядоченные наборы из n вещественных чисел. x=(x1,x2,x3,…,xn), y=(y1,y2,y3,…,yn) и т.д.. Операции сложения векторов и умножения на число определяются покомпонентно, т.е. x+y=(x1+y1,…,xn+yn), x=(x1,…, xn).
Пространство Mmn. Роль векторов – матрицы. Сумма матриц и умножение на число поэлементно.
Пространство Pn. Пространство многочленов степени не выше n. Роль векторов – многочлены вида P=P(t)=p0+p1t+…+pntn. Сложение векторов и умножение на число по правилам действия с многочленами.
Пространство функций непрерывных на отрезке С[c,c]. Векторы – функции x=x(t), y=y(t) – непрерывные при t[c,c]. Сумма векторов и умножение на число по правилам действия с функциями. x+y=x(t)+y(t), x=x(t).
Следствия из аксиом линейного пространства.
Ноль вектор в линейном пространстве единственен.
Док-во. Допустим, что есть два 0 вектора 01, 02 L. По определению имеем 01 + x=x, xL x=02 ; y + 02 = y, yL y=01. 01 + 02 = 02; 01 + 02 = 01 => 01 = 02.
У каждого вектора есть лишь один противоположный.
Корректно определено вычитание векторов: z=x-yz=x+(-y). Имеет место эквивалентность: a+b=c a=c-b.
Док-во. Корректность определения вычитания связана с единственностью противоположного вектора. Докажем эквивалентность.
a+b=c a=c-b
Пусть a=c-b=c+(-b), тогда a+b=c+(-b)+b=c((-b)+b)=c+0=c
c-b=a+b+(-b_=a+(b+(-b))=a+0=a
0*x=0.
Док-во. Если =0 или x=0, то x=0. Покажем, что при <>0 и x<>0 будет x<>0. Допустим x=0, тогда x=1*x=((1/))x=(1/)(x)=(1/)0=0 =>x<>0.
0=0.
x=0 =0 или x=0.
(-)x=(-x)= -x.
Док-во. (-)x= -x. (-x)+ x=((-)+)x=0x=0 => (-)x=-x.
(-)x=x-x; (x-y)=x-y.
Док-во. (-)x=x-x=(+(-))x=x+(-)x=x-x.
Множество векторов ML образует подпространство в линейном пространстве L, если М замкнута относительно сложения векторов и умножении их на числа, т.е.из того, что x,yM, тогда z-x+yM, если xM и R => xM.
Св-ва подпространств.
Если М подпространство, то 0М и для любого xM, => -xM.
Док-во. Для xM имеем 0=0xM по определению, –x=(-1)xM по определению.
L=R4={x=(x1,x2,x3,x4),xiR}
M1={x=(,0,,0),,R}R4
M2={x=(,1,,0),,R}R4
Тогда М1 – подпространство в R4, а М2 не является подпространством R4. Для x,yM1 имеем x=(1,0,1,0), y=(2,0,2,0), x+y=(1+2,0,1+2,0)M1, x=(1,0,1,0)M1, значит М1 подпространство в R4. М2 не подпространство, например не содержит 0.
Подпространство линейного пространства само является линейным пространством.
Док-во. Операции сложения векторов и умножения на числа определены на всём линейном пространстве L, а значит и на МL, причём результаты снова в М по определению подпространства. По св-ву 1 М содержит 0 вектор и для xM +> -xM. Все остальные аксиомы линейного пространства выполнены на всём L, а значит и на М. Вывод: М является линейным подпространством.
Вектор xL называется линейной комбинацией векторов из S, если существует набор чисел 1,…,kR такой, что x=1x1+…+kxk.
Мн-во М=L(S) всех линейных комбинаций векторов из системы S называется линейной оболочкой системы S.
S1={a}, aV3; L(S1)={a; R} – все векторы, коллинеарные a.
S2={a, 2a}; L(S2)={x=1a+22a; 1,2R}={a}=L(S1)
S3={a,b;not(a||b)}; L(S3)={x=a+b:,R} – мн-во всех векторов плоскости, заданной векторами a и b.
Теорема. Линейная оболочка системы векторов образует подпространство.
Док-во. Пусть S система векторов {x1,…,xk}L, L(s)={x=1x1+…+kxk: 1,…kR} (1). Для x,yL(S) имеем в силу (1) x=1x1+…+kxk, y=1y1+…+kyk; x+y=(1+1)x+…+(k+k)xkL(S)
x=1x1+…+kxkL(S) => L(S) подпространство в L. Замечание. L(s) есть наименьшее подпространство, содержащее все векторы системы S.
Система S={x1,…,xk} называется линейно независимой, если равенство 1x1+…+kxk=0 возможно только, когда все коэффициенты нулевые.
Системы S называется линейно зависимой, если существует не нулевой набор коэффициентов 1,…,k<>0 (хотя бы один) для которого справедливо равенство 1x1+…+kxk=0.
Св-ва линейной зависимости и независимости.
Система из одного вектора линейно зависима тогда и только тогда, когда этот вектор нулевой. S={x} лин. зав. x=0. Если x=0, то 1*x=0 верно, хотя коэффициент 1=1<>0. Если же x<>0 и <>0, то произведение x<>0. Т.е. S={x} линейно независима.
Система из двух векторов линейно зависима тогда и только тогда, когда эти векторы пропорциональны., т.е. S={x,y} лин. зав. R, x=y||y=x.
Док-во. Пусть x=y, тогда 1*x+(-)y=0, хотя набор коэффициентов (1,-)<>(0,0), значит система линейно зависима. Пусть система {x,y} линейно зависимая система, тогда 1,2R, (1,2)<>(0,0), такое что 1x+2y=0. Пусть например 2<>0, тогда 2y=(-1)x => y=(-1/2)x, т.е. y=x при =-1/2R.
Если некоторая часть системы векторов линейно зависима, то и вся система линейно зависима.
Док-во. S={x1,…,xk,xk+1,…,xn) и S0={x1,…xk} – линейно зависима. Покажем, что S – линейно зависима. Т.к. S0 – линейно зависима, то существует набор (1,..,k) не совпадающий с (0,…,0), такой что 1x1+…+kxk=0. Тогда рассмотрим (1,…,k,0,…,0}<>{0,…,0}, но 1x1+…+kxk+0xk+1+…+0xn=0. S – линейно зависима.
Следствие 1. Всякая часть линейно зависимой системы векторов линейно независима.
Следствие 2. Система, содержащая 0 вектор линейно зависима.
Следствие 3. Система, содержащая два одинаковых или два пропорциональных вектора линейно зависима.
Критерий линейной зависимости. Для того, чтобы система векторов была линейно зависима необходимо и достаточно, чтобы хотя бы один из её векторов был линейной комбинацией других.
Док-во. Пусть один из векторов системы линейно выражается через другие, например xk=1x1+…+k-1xk-1, тогда 1x1+…+k-1xk-1+(-1)xk=0, хотя набор коэффициентов <> (0,…,0) => S – линейно зависима. Если S линейно зависима, то (1,…,k-1,k) не все нули, такие что 1x1+…+k-1xk-1+kxk=0. пусть например k<>0, тогда получим 1x1+…+k-1xk-1=(-k)xk => xk= (-1/k)*x1+…+(-k-1/k)*xk-1, т.е. вектор xk линейно выражается через другие.
Расширение линейно независимой системы. При добавлении в линейно независимую систему нового вектора она станет линейно зависимой тогда и только тогда, когда новый вектор входит в её линейную оболочку.
S={x1,…,xk} линейно независима.
xL, тогда S1={x1,…,xk,x} станет линейно зависимой xL(S).
S={x1,…,xk}, xL
S1={x1,…,xk,x}
Док-во. Если xL(S), то S1 – линейно зависима. т.к. один из её векторов x линейно выражается через другие. Пусть S1 линейно зависима, покажем, что xL(S). По определению линейной зависимости набор чисел {1,…,k,} не нулевой, такой что линейная комбинация 1x1+…+kxk=0 => 1=k=0, т.е. (1,…,k,) – нулевой набор. Вывод: чтобы сохранять линейную независимость надо добавлять векторы, не входящие в линейную оболочку.
Система S называется полной в L, если любой вектор x линейно выражается через вектора системы, т.е. 1,…,kR: x=1x1+…+kxk.
Линейное пространство L называется конечномерным, если в нём полные системы, состоящие из конечного числа векторов.
Линейно независимая полная система называется базисом.
Теорема. Если S={e1,…,ek} – базис в L, то для любого x из L существует единственное разложение по базису: x=x1e1+…+xkek.
Коэффициенты разложения x=x1e1+…+xkek вектора xL по по базису S называется координатами вектора в этом базисе. Из теоремы видим, что каждый вектор однозначно определяется набором координат.
Теорема. Сложение векторов и умножение их на числа производится покоординатно. Т.е. если x=(x1,…,xn), y=(y1,…,yn) – координаты векторов в базисе S, то вектор x+y=(x1+y1,…,xn+yn), а вектор x=(x1,…,xn).
Док-во. x=(x1,…,xn) x=x1e1+…+xnen; y(y1,…,yn) y=y1e1+…+ynen; x+y=(x1+y1)e1+…+(xn+yn)en x+y=(x1+y1,…,xn+yn).
Теорема. В конечномерном линейном пространстве число векторов в любой линейно независимой системе не больше числа векторов в любой полной системе.
E={e1,…,ek} линейно независима
F={f1,…,fm} полна в L
то k<=m
Теорема. Все базисы конечно мерного пространства содержат одинаковое число векторов.
Док-во. S={e1,…,en} – базис в L
S`={f1,…,fn} – другой базис в L
Тогда S – линейно независима, а S` - полна => n<=m. С другой стороны S – полна, а S` - линейно независима => m<=n. Следовательно, n=m.
Размерностью конечно мерного пространства называется число векторов в любом базисе этого пространства. обозначение dim L=n.
Утверждение. В n-мерном линейном пространстве L всякая система из m>=n+1 векторов линейно зависима.
Док-во. Пусть S={e1,…,en} – базис в L, S` - любая система {f1,…,fm}, где m>=n+1. Тогда S` - линейно зависима. Если бы S` - была линейно независима, то т.к. базис S – полная система, то имели бы m<=n.
Утверждение. В n-мерном пространстве всякая система из n линейно независимых векторов образует базис.
Док-во. Пусть dimL=n, S={e1,…,en} линейно независима. Докажем её полноту. Действительно xL система S1={e1,…,en,x} линейно зависима xL, т.е. разлогается по системе S. Значит, S по определению полна в L. Итак S – линейно независима и полна.
В n – мерном пространстве всякая полная система из n – векторов – базис.
Построение базисов в конкретных линейных пространствах.
L=V3 – пр-во геометрических векторов.
Утверждение. Базис в L образует любая система из трёх некомпланарных векторов.
Размерность L равна 3.
Док-во. Пусть S={a,b,c} некомпланарные векторы, что S линейно независима. Покажем, что S полна в L= V3, т.е. в V3 есть разложение по системе S: d=a+b+c. Запишем векторы a, b, c, d через координаты в базисе {i,j,k}. a=(ax,ay,az), b=(bx,by,bz), c=(cx,cy,cz), d=(dx,dy,dz).
<>0, т.к. векторы a, b, c не компланарны.
Система с не нулевым определителем имеет единственное решение, значит разложение существует.
Следствие. В пр-ве V3 любая система из 4 и более векторов линейно зависима.
L=Rn – арифметическое n-мерное пространство.
Утверждение. dim Rn =n; пример базиса в Rn даёт система S={e1,e2,…,en}, где e1=(1,0,…,0), e2=(0,1,0,…,0)… en=(0,0,…,1) канонический базис в Rn.
Док-во. Докажем полноту. x=(x1,x2,…,xn)Rn имеем равентсво x=x1e1+x2e2+…+xnen. Действительно x=(x1,0,…,0)+(0,x2,…,0)+…+(0,0,…,xn)=x1(1,0,…,0)+x2(0,1,0,…,0)+…+xn(0,0,…,1)=x1e1+x2e2+…+xnen. Пусть 0=1e1+2e2+…+nen. Покажем, что все коэффициенты нули 1=n=0. Действительно 0=(0,0,…,0)=1(1,0,…,0)+ 2(0,1,0,…,0)+…+n(0,0,…,1)=(1,2,…,n) => 1=2=…= n=0. Вывод: S – линейно независима и полна, т.е. S – базис в Rn.
Следствие. Размерность Rn = n. В Rn любая система из m>=n+1 векторов линейно зависима.
L=Pn – пр-во многочленов степени не выше n.
L=Pn={p(t)=p0+p1t+…+pntn: pkR}
Утверждение. Размерность Pn=n+1, при этом пример базиса даёт система: S={1,t,…,tn}.
Док-во. p(t)Pn имеем p(t)=p0+p1t+…+pntn – разложение по системе S с коэффициентами p0, p1,…, pn. pPn имеем p(t)=p0e0(t)+p1e1(t)+…+pnen(t) разложение по системе S. Линейная независимость. Если 0e0(t)+1e1(t) +…+nen(t)=0, т.е. 0+1t+…+ntn 0, то покажем, что 0==…=n=0. Дифференцируем это множество n раз. Получаем 0=1=…=n=0.
Пусть L – линейное пространство, МL, М – подпространство. Тогда само М является линейным пространством. Обозначим n=dimL, m=dimM.
Теорема. Размерность подпространства не выше размерности пространства. m<=n. Если m=n, то подпространство совпадает со всем пространством. Если m<n, то базис подпространства М можно достроить до базиса всего пространства L.
Док-во. Sm={e1,e2,…,em} – базисв М. Тогда Sm – линейно не зависимая система векторов из L и число векторов в Sm не больше, чем размерность L=n, т.е. m<=n. Пусть m=n, тогда базис Sm подпространства М будет линейно независимой системой векторов в L с числом векторов равным n=dimL, значит такая система образует базис в L, т.е. Sm базис в М и L. Следовательно, её линейная оболочка L(Sm)=L, т.к. Sm базис в L. Значит, в М=L. Пусть m<n, тогда базис Sn подпространства М будет линейно независимой системой векторов в L, но не базисом, значит Sm не полна в L, т.е. существует вектор em+1L\L(sm). Добавим этот вектор в систему. Sm+1={e1,…,em,em+1}. Эта система линейно независима. Если m+1=n, то Sm+1, базис в L. Если m+a<n, то Sm+1 не полна в L и можно найти вектор em+2L, em+2L(Sm+1). Добавив его получим систему Sm+2={e1,…,em,em+1,em+2} (линейно независима). Если m+2=n, то Sm+2 базис в L. Продолжая построение в результате получим систему Sn линейно независимую, она и есть базис в L.
Рангом r(S) системы векторов S называется размерность её линейной оболочки: r(S)=dimL(S).
Базой (максимальной линейно независимой подсистемой) системы S называется её подсистема S` со свойствами:
S` - линейно независима;
все векторы из S линейно выражаются через векторы из S`.
Замечание. Если система S линейно независима, то она сама является своей базой.
Теорема. База системы векторов образует базис в её линейной оболочке.
Док-во. Пусть S – система векторов, S` - её база. Тогда S` линейно независима, любой вектор из L(S) линейно выражается через векторы из S, а они в свою очередь линейно выражаются через векторы системы S`. В итоге любой вектор xL(S) линено выражается через векторы из S`. Это означает, что S` полна в L(S), следовательно S` - базис в L(S).
Следствие. Все базы содержат одинаковое число векторов, равное рангу системы.
Следствие. Если S` линейно независимая подсистема системы S и число векторов в S` равно рангу S, то S` - база системы.
Замечание. Если система линейно независима, то размерность её линейной оболочки (её ранг) равен числу векторов в ней, т.к. она сама является своей базой.
Пусть L – линейное пространство, S={e1,…,ek}, S1={f1,…,fm} – системы векторов из L.
Теорема. Если все векторы из S1 линейно выражаются через векторы из S, то ранг системы S1 не больше, чем ранг S (r(S1)<=r(S)).
Док-во. Покажем, что L(S1)L(S). Для xL(S1) есть линейное выражение этого вектора через векторы из S1. Но они линейно выражаются через векторы из S. В итоге получаем линейное выражение вектора xL(S1) через векторы из S, т.е. xL(S). Доказали, что если xL(S1), то xL(S). L(S) – линейное пространство, L(S1) – подпространство => dimL(s1)<=dimL(S), r(S1)<=r(S).
Элементарными преобразованиями системы векторов преобразования вида:
перестановка двух векторов в системе;
умножение одного из векторов системы на число не равное нулю;
добавление к одному из векторов другого с некоторым коэффициентом.
Замечание. Если одна система получена из другой с помощью элементарных преобразований, то и та в свою очередь получается из новой с помощью обратных элементарных преобразований.
Теорема. Если одна система получена из другой с помощью элементарных преобразований, то их ранг одинаков.
Док-во. Если S1 получена из S элементарными преобразованиями, то векторы из S1 линейно выражаются через векторы из S. r(S1)<=r(S). В свою очередь векторы из S выражаются через векторы из S1 с помощью обратных элементарных преобразований, значит r(S)<=r(S1). Значит r(S)=r(S1).
Замечание. При элементарных преобразованиях база системы может исчезнуть.