Занятие 14 (АиГ1) (Основные занятия по АиГ)

Занятие 14. Линейные пространства.

14.1. Определение линейного пространства, примеры линейных пространств. Следствия из аксиом линейного пространства.

14.2. Линейные подпространства, примеры подпространств. Линейные оболочки векторов.

14.3. Линейная зависимость (независимость) системы векторов. Критерий линейной зависимости системы векторов.

1. Линейным пространством называется множество , состоящее из элементов (эти элементы обычно называют векторами, хотя фактически это могут быть не векторы), на которых определены операция сложения: и операция умножения элемента на число: . При этом указанные операции для любых элементов и любых чисел удовлетворяют следующим восьми аксиомам.

- коммутативность сложения.

- ассоциативность сложения.

- существование нулевого элемента.

- существование обратного элемента.

.

.

.

.

Приведем некоторые важные следствия указанных аксиом: .

Рассмотрим теперь примеры множеств, являющихся (не являющихся) линейными пространствами.

1) - множество всех векторов на плоскости с обычными операциями сложения векторов и умножения вектора на число (см. Занятие 6). Все восемь аксиом здесь очевидно выполнены. Поэтому множество является линейным пространством.

2) - множество всех векторов на плоскости с началом в точке и концом в верхней полуплоскости с обычными операциями сложения векторов и умножения вектора на число. Это множество векторов не является линейным пространством, т.к. .

3) - множество всех квадратных матриц второго порядка, в котором действуют принятые для матриц операции сложения и умножения на число. Это множество является линейным пространством. Покажем это.

Пусть - произвольные матрицы из множества . .

.

Проверим теперь выполнение аксиом .

.

.

.

.

.

.

.

.

Таким образом, все требования определения линейного пространства выполнены, и значит, - линейное пространство.

4) Опять рассмотрим множество всех квадратных матриц второго порядка. Но в качестве операции сложения возьмем операцию умножения матриц, т.е. знак + между матрицами означает теперь произведение матриц. Операцию умножение матрицы на число оставим обычной. Обозначим полученное множество с введенными операциями . Проверим, будет ли это множество линейным пространством.

Пусть - произвольные матрицы из множества .

.

Однако аксиома в множестве не выполнена (произведение матриц не коммутативно). Следовательно, и можно сделать вывод о том, что не является линейным пространством. Отметим еще, что в множестве не выполнена также аксиома , а все остальные аксиомы выполнены!

5) - множество всех многочленов степени меньше или равно является линейным пространством. Докажем это.

.

Аксиомы выполнены. Элементом в множестве является многочлен тождественно равный нулю, т.е. . Обратным элементом для многочлена является тот же многочлен, взятый с обратным знаком, т.е. . Таким образом, аксиомы также выполнены. Следовательно, - линейное пространство.

6) Рассмотрим множество всех функций вида , с обычными операциями сложения функций и умножения функции на число. Предоставляем самостоятельно проверить, что данное множество является линейным пространством.

Пример 1. Доказать, что множество всех решений матричного уравнения образует линейное пространство.

Решение. Обозначим множество всех решений заданного уравнения через . ,

где - множество матриц с размером . не пусто, т.к. матричное уравнение

допускает очевидное решение , где - нулевая матрица размера .

Пусть - два произвольных решения матричного уравнения, т.е.

, (1)

и - произвольные числа. Покажем, что матрица будет решением уравнения. Действительно,

.

Последнее равенство выполнено в силу равенств (1). Таким образом, установлено, что

.

Покажем теперь, что служит решением заданного матричного уравнения.

.

Последнее равенство выполнено согласно первому из равенств (1). .

Из аксиом нужно доказать только выполнимость аксиом , поскольку остальные аксиомы выполнены в силу правил матричного исчисления.

. : . Матрица уже приведена выше .

: . В качестве матрицы следует взять матрицу .

Доказательство завершено. Множество - линейное пространство.

2. По определению, множество , вложенное в линейное пространство и само являющееся линейным пространством, называется линейным подпространством пространства . Приведем примеры подпространств.

1) - множество всех векторов, лежащих на оси пространства . – подмножество трехмерного пространства и - линейное пространство. Следовательно, - линейное подпространство пространства .

Аналогично, множество всех пространственных векторов, лежащих в плоскости , является линейным пространством, вложенным в линейное пространство . Значит, - линейное подпространство пространства .

2) - множество всех многочленов не выше 1-й степени,

- множество всех многочленов не выше 2-й степени,

- множество всех многочленов не выше 3-й степени.

- линейные подпространства пространства .

3) - линейное пространство нижнетреугольных матриц является линейным подпространством пространства квадратных матриц третьего порядка.

4) - множество всех дифференцируемых на отрезке функций.

- множество всех непрерывно дифференцируемых на отрезке функций.

- множество всех непрерывных на отрезке функций.

, , - бесконечномерные линейные пространства. .

Следовательно, , - линейные подпространства пространства .

При решении некоторых задач бывает удобно использовать критерий подпространства:

подмножество линейного пространства является линейным подпространством

когда .

3. Пусть - линейное пространство и - некоторый набор элементов этого пространства, называемый системой векторов. Линейной оболочкой системы векторов

называется множество всех векторов , где

. Любая линейная оболочка, построенная в линейном пространстве , является линейным подпространством пространства , либо совпадает с самим пространством . Приведем примеры линейных оболочек.

1) . Множество всех матриц , где - произвольные числа – линейная оболочка на матрицах в линейном пространстве квадратных матриц второго порядка.

2) . Множество всех функций , где

- произвольные числа - линейная оболочка на многочленах . Эта линейная оболочка – линейное подпространство в линейном пространстве многочленов не выше 3-й степени.

3) . - линейная оболочка на векторе . Эта линейная оболочка – линейное подпространство пространства .

4. Теперь обратимся к важному понятию "линейная зависимость (независимость) системы векторов". Пусть - линейное пространство и - система векторов в .

Вектор , называется линейной комбинацией векторов . Набор чисел называется не тривиальным, если хотя бы одно из этих чисел не равно нулю. Если все числа равны нулю, то такой набор называется тривиальным.

По определению, система векторов линейного пространства называется линейно зависимой, если существует нетривиальный набор чисел , для которого . Если же только при тривиальном наборе чисел (т.е. для любого нетривиального набора ), то система называется линейно независимой.

Пример 2. Проверить на линейную зависимость (независимость) систему векторов из линейного пространства (множество всех векторов в пространстве).

Решение. Рассмотрим линейную комбинацию из данных векторов и выясним, при каких числах эта линейная комбинация равна .

.

Решаем данную систему по правилу Крамера. Главный определитель системы

. Следовательно, система имеет только одно решение, и это решение

- тривиальный набор чисел. Согласно определению, заданная система векторов линейно независима.

Пример 3. Проверить на линейную зависимость (независимость) систему векторов из линейного пространства .

Решение. Рассмотрим линейную комбинацию из данных векторов и выясним, при каких числах эта линейная комбинация равна .

.

Полученная система совместна (у нее есть тривиальное решение ). Остается выяснить, имеет ли эта система нетривиальные решения. Решить систему по правилу Крамера, как это сделано в примере 2 теперь уже нельзя, эта система не является квадратной (число уравнений меньше числа неизвестных). Поступим так. Определитель из коэффициентов при неизвестных отличен от нуля (он равен 5, см. пример 2). Присвоим неизвестной произвольное значение и перепишем систему в виде

.

Эта система является квадратной относительно неизвестных с главным определителем . Решаем ее по правилу Крамера. Вспомогательные определители равны

.

Следовательно, .

Отсюда сразу видно, что система имеет нетривиальные решения.

Например, при получаем, . Таким образом, существует нетривиальный набор , при котором .

Согласно определению, система линейно зависима.