VMath
Инструменты сайта
Основное
Навигация
Информация
Действия
Содержание
Благодарю Ю.А.Смолькина за обнаружение 07.08.19 ошибки на настоящей странице и информирование о ней.
Линейное пространство
Определения
Пусть дано множество $ \mathbb V_<>=\left\ < X,Y,Z,U,\dots \right\>$ элементов произвольной природы. Пусть для элементов этого множества определены две операции: сложения $ X+Y_<> $ и умножения на любое вещественное число $ \alpha_<> $: $ \alpha \cdot X_<> $, и множество $ \mathbb V_<> $ замкнуто относительно этих операций: $ X+Y \in \mathbb V ,\ \alpha \cdot X \in \mathbb V_<> $. Пусть эти операции подчиняются аксиомам:
1. $ X+Y=Y+X_<> $ для $ \ < X,\, Y\>\subset \mathbb V_<> $;
2. $ (X+Y)+Z_<>=X+(Y+Z) $ для $ \ < X,\, Y,\, Z \>\subset \mathbb V_<> $;
3. в $ \mathbb V_<> $ cуществует нулевой вектор $ \mathbb O_<> $ со свойством $ X+ \mathbb O =X_<> $ для $ \forall X\in \mathbb V_<> $;
4. для каждого $ X\in \mathbb V_<> $ существует обратный вектор $ X^<\prime>\in \mathbb V_<> $ со свойством $ X+X^<\prime>=\mathbb O_<> $;
5. $ 1\cdot X=X_<> $ для $ \forall X\in \mathbb V_<> $;
6. $ \lambda \left(\mu X \right)_<>= \left(\lambda \mu \right)X $ для $ \forall X\in \mathbb V_<> $, $ \ <\lambda ,\, \mu \>\subset \mathbb R_<> $ ;
7. $ (\lambda + \mu)X=\lambda X + \mu X_<> $ для $ \forall X\in \mathbb V_<> $, $ \<\lambda ,\, \mu \>\subset \mathbb R_<> $ ;
8. $ \lambda (X + Y) =\lambda X_<> + \lambda Y $ для $ \ < X,\, Y\>\subset \mathbb V_<> , \lambda \in \mathbb R $.
Тогда такое множество $ \mathbb V_<> $ называется линейным (векторным) пространством, его элементы называются векторами, и — чтобы подчеркнуть их отличие от чисел из $ \mathbb R_<> $ — последние называются скалярами 1) . Пространство, состоящее из одного только нулевого вектора, называется тривиальным .
Элементарно доказывается единственность нулевого вектора, и единственность вектора, обратного вектору $ X\in \mathbb V_<> $: $ X^<\prime>=-1\cdot X_<> $, его привычно обозначают $ — X_<> $.
Подмножество $ \mathbb V_ <1>$ линейного пространства $ \mathbb V_<> $, само являющееся линейным пространством (т.е. $ \mathbb V_ <1>$ замкнуто относительно сложения векторов и умножения на произвольный скаляр), называется линейным подпространством пространства $ \mathbb V_<> $. Тривиальными подпространствами линейного пространства $ \mathbb V_<> $ называются само $ \mathbb V_<> $ и пространство, состоящее из одного нулевого вектора $ \mathbb O_<> $.
Примеры линейных пространств
Пример 1. Пространство $ \mathbb R^ <3>$ упорядоченных троек вещественных чисел $ (a_1,a_2,a_<3>) $ с операциями, определяемыми равенствами:
$$ (a_1,a_2,a_3)+(b_1,b_2,b_3)= (a_1+b_1,a_2+b_2,a_3+b_3),\ \alpha (a_1,a_2,a_3) = ( \alpha a_1, \alpha a_2, \alpha a_3 ) \ . $$ Геометрическая интерпретация очевидна: вектор в пространстве, «привязанный» к началу координат, может быть задан координатами своего конца $ (a_1,a_2,a_<3>) $. На рисунке показано и типичное подпространство пространства $ \mathbb R^ <3>$: плоскость, проходящая через начало координат. Точнее говоря, элементами $ \mathbb V_1 $ являются векторы, имеющие начало в начале координат и концы — в точках плоскости. Замкнутость такого множества относительно сложения векторов и их растяжения 2) очевидна.
Пример 2. Основываясь на том же примере, можно дать и иную интерпретацию векторного пространства $ \mathbb V_1 $ (заложенную, кстати, уже в самом происхождении слова «вектор» 3) ) — оно определяет набор «сдвигов» точек пространства $ \mathbb R^ <3>$. Эти сдвиги — или параллельные переносы любой пространственной фигуры — выбираются параллельными плоскости $ \mathbb V_1 $.
Пример 3. Естественным обобщением $ \mathbb R^ <3>$ служит пространство $ \mathbb R_<>^
$$ \left\<\begin
Почему множество решений системы неоднородных уравнений не образует линейного подпространства?
Пример 4. Обобщая далее, можем рассмотреть пространство «бесконечных» строк или последовательностей $ (a_1,\dots,a_n, \dots ) $, обычно являющееся объектом математического анализа — при рассмотрении последовательностей и рядов. Подпространство этого пространства образуют, например, линейные рекуррентные последовательности $ \
Можно рассматривать строки (последовательности) «бесконечные в обе стороны» $ \< \dots,a_<-2>,a_<-1>,a_0,a_1,a_2,\dots \> $ — они используются в ТЕОРИИ СИГНАЛОВ.
Пример 5. Множество $ m\times n_<> $-матриц с вещественными элементами с операциями сложения матриц и умножения на вещественные числа образует линейное пространство. Будем обозначать это пространство $ \mathbb R^
В пространстве квадратных матриц фиксированного порядка каждое из следующих подмножеств составляет линейное подпространство: симметричных, кососимметричных, верхнетреугольных, нижнетреугольных и диагональных матриц.
Пример 6. Множество полиномов одной переменной $ x_<> $ степени в точности равной $ n_<> $ с коэффициентами из $ \mathbb A_<> $ (где $ \mathbb A_<> $ — любое из множеств $ \mathbb Z, \mathbb Q, \mathbb R_<> $ или $ \mathbb C_<> $) с обычными операциями сложения полиномов и умножения на число из $ \mathbb A_<> $ не образует линейного пространства. Почему? — Потому что оно не является замкнутым относительно сложения: сумма полиномов $ f(x)=x^n -x+1 $ и $ g(x)=-x^n+x^
Пример 7. Обобщением предыдущего случая будет пространство полиномов нескольких переменных $ x_1,\dots, x_ <\ell>$ степени не выше $ n_<> $ с коэффициентами из $ \mathbb A_<> $. Например, множество линейных полиномов $$ \left\< a_1x_1+\dots+a_<\ell>x_<\ell>+b \big| (a_1,\dots,a_<\ell>,b) \in \mathbb A^ <\ell+1>\right\> $$ образует линейное пространство. Множество однородных полиномов (форм) степени $ n_<> $ (с присоединением к этому множеству тождественно нулевого полинома) — также линейное пространство.
Изоморфизм
Пусть имеются два линейных пространства разной природы: $ \mathbb V_<> $ с операцией $ +_<> $ и $ \mathbb W_<> $ с операцией $ \boxplus_<> $. Может оказаться так, что эти пространства «очень похожи», и свойства одного получаются простым «переводом» свойств другого.
Говорят, что пространства $ \mathbb V_<> $ и $ \mathbb W_<> $ изоморфны если между множествами их элементов можно установить такое взаимно-однозначное соответствие, что если $ X_<> \leftrightarrow X^ <\prime>$ и $ Y_<> \leftrightarrow Y^ <\prime>$ то $ X+Y \leftrightarrow X_<>^ <\prime>\boxplus Y^ <\prime>$ и $ \lambda X_<> \leftrightarrow \lambda X^ <\prime>$.
При изоморфизме пространств $ \mathbb V_<> $ и $ \mathbb W_<> $ нулевому вектору одного пространства будет соответствовать нулевой вектор другого пространства.
Пример. Пространство $ \mathbb R^
Пример. Пространство $ \mathbb R^
Пример. Пространство квадратичных форм от $ n_<> $ переменных изоморфно пространству симметричных матриц $ n_<> $-го порядка. Изоморфизм устанавливается соответствием, которое мы проиллюстрируем для случая $ n=3_<> $:
$$ a_<11>x_1^2+a_<12>x_1x_2+a_<13>x_1x_3+a_<22>x_2^2+a_<23>x_2x_3+a_<33>x_3^2 \leftrightarrow \left( \begin
Линейная зависимость, базис, координаты
Линейной комбинацией системы векторов $ \
Множество всевозможных линейных комбинаций системы векторов $ \
Теорема 1. Линейная оболочка векторов $ X_1,\dots,X_
Пример. В пространстве $ \mathbb P_
Система векторов $ \< X_<1>,\dots,X_m \> $ называется линейно зависимой (л.з.) если существуют числа $ \alpha_<1>,\dots,\alpha_m $, такие что хотя бы одно из них отлично от нуля и $$ \alpha_1X_1+\dots+\alpha_mX_m=\mathbb O $$ Если же это равенство возможно только при $ \alpha_<1>=0,\dots,\alpha_m=0 $, то система векторов называется линейно независимой (л.н.з.).
Пример. Для полиномов нескольких переменных свойство линейной зависимости является частным проявлением более общего свойства функциональной зависимости. Так, однородные полиномы (формы)
$$ f_1=(x_1+x_2+x_3)^2,\quad f_2=x_1x_2+x_1x_3+x_2x_3,\quad f_3=x_1^2+x_2^2+x_3^2 $$ являются линейно зависимыми, поскольку $$ f_1-2\,f_2-f_3 \equiv 0 \ . $$ Полиномы $$ \tilde f_1=x_1+x_2+x_3,\quad f_2=x_1x_2+x_1x_3+x_2x_3,\quad f_3=x_1^2+x_2^2+x_3^2 $$ не являются линейно зависимыми, но являются функционально зависимыми, поскольку $$ \tilde f_1^2-2\,f_2-f_3 \equiv 0 \ . $$ ♦
Теорема 2. а) Если система содержит хотя бы один нулевой вектор, то она л.з.
б) Если система л.н.з., то и любая ее подсистема л.н.з.
в) При $ m>1 $ система $ \
Теорема 3. Если каждый из векторов системы $ \ < X_1,\dots,X_
Две системы векторов называются эквивалентными если каждый вектор одной системы линейно выражается через векторы другой и обратно.
Теорема 4. Системы векторов
$$ \ < X_1,\dots,X_
Теорема 5. Если каждая из двух эквивалентных систем
$$ \ < X_1,\dots,X_
Линейно независимая система векторов $ \
При этом не подразумевается конечность системы, т.е. суммирование может распространяться на бесконечное число слагаемых. Так, например, пространство бесконечных строк (или последовательностей) $ \left[a_<1>,a_2,\dots\, \right] $ имеет бесконечный базис, состоящий из векторов $$ [\underbrace<0,\dots,0,1>_j,0,\dots \, ] \quad npu \ j \in \mathbb N \ . $$
В случае, когда базис пространства $ \mathbb V_<> $ конечен, пространство $ \mathbb V_<> $ называется конечномерным, а число векторов базиса тогда называется размерностью пространства $ \mathbb V_<> $ и обозначается 5) : $ \dim \mathbb V_<> $. Также полагают, что размерность тривиального пространства, состоящего из одного только нулевого вектора, равна нулю: $ \dim \ <\mathbb O_<>\>= 0 $.
Пример. Линейное пространство $ m\times n_<> $ матриц имеет размерность $ mn_<> $. Так, для случая $ m_<>=3 ,n=2 $ в качестве базиса можно выбрать следующий набор матриц
$$ \left( \begin
Найти размерности подпространства симметричных и подпространства кососимметричных матриц порядка $ n_<> $.
Пример [1]. Замечательный пример трехмерного линейного пространства дает нам совокупность всех цветов. Под суммой двух цветов будем понимать цвет, образованный их смешением
под умножением цвета на положительное число $ k_<> $ — увеличение в $ k_<> $ раз яркости цвета
Анимация ☞ ЗДЕСЬ (1500 K, gif)
под умножением на $ (-1) $ — взятие дополнительного цвета. При этом оказывается, что совокупность всех цветов выражается линейно через три цвета: красный, зеленый и синий, т.е. образует трехмерное линейное пространство. (Точнее, некоторое тело в трехмерном пространстве, поскольку яркости цветов ограничены верхним порогом раздражения.) Исследование этого трехмерного тела всех цветов является важным орудием цветоведения. ♦
Если $ \dim \mathbb V=d_<> $ и вектора $ X_1,\dots,X_
Теорема 6. Если $ \dim \mathbb V=d>0 $, то любая система из $ d_<> $ линейно независимых векторов пространства образует базис этого пространства.
Доказательство. Пусть $ \
Теорема 7. Любой вектор $ X \in \mathbb V_<> $ может быть разложен по фиксированному базису пространства единственным образом.
Очевидно, $ \dim \mathbb R^
Имеются два способа задания линейных подпространств в $ \mathbb R^
Пример. Найти базис подпространства
Решение. Ищем $$ \operatorname
Ответ. Базис составляют, например, первая, вторая и четвертая строки.
Другим способом задания линейного подпространства в $ \mathbb R^
Теорема 8. Множество решений системы однородных уравнений $ AX=\mathbb O_<> $ образует линейное подпространство пространства $ \mathbb R^
Пример. В пространстве $ \mathbb P_
$$ f(x)=a_0+a_1x+a_2x^2+\dots+a_nx^n $$ будут его коэффициенты. Можно выбрать и другой базис, например, $ \ <1, x-c,(x-c)^2,\dots,(x-c)^n \>$ при произвольном числе $ c_<> $. Координатами полинома в этом базисе будут теперь коэффициенты формулы Тейлора: $$ f(x) \equiv f(c)+ \frac
Найти координаты полинома
Теорема 9. Любое векторное пространство $ \mathbb V_<> $ размерности $ d_<> $ изоморфно $ \mathbb R^
Доказательство. Изоморфизм можно установить следующим соответствием. Если $ \
Критерии линейной зависимости
Теорема . Строки
$$ \<(a_<11>,\dots,a_<1n>),\dots, (a_
Теорема . Строки
$$ \<(a_<11>,\dots,a_<1n>),\dots, (a_
$$ \<(a_<11>,\dots,a_<1n>),\dots, (a_
Теорема . Аналитические на интервале $ ]a,b[ $ функции $ u_1(x),\dots,u_n(x) $ линейно зависимы на $ ]a,b[ $ тогда и только тогда, когда их вронскиан
Относительный базис
В настоящем пункте $ \mathbb V_1 $ обозначает линейное подпространство пространства $ \mathbb V_<> $, отличное от тривиального; обозначаем $ d_1=\dim \mathbb V_1 $.
Теорема. Произвольный базис подпространства $ \mathbb V_1 $ можно дополнить до базиса пространства $ \mathbb V_<> $.
Доказательство. Пусть $ \
Говорят, что система векторов $ \
Теорема. Обозначим $ \
Пример. Найти все значения параметра $ <\color
Решение. Базисом подпространства $ \mathbb V_1 $ является произвольная ФСР заданной системы однородных уравнений, например $ \
Ответ. $ <\color
Говорят, что система векторов $ \
Теорема. Обозначим $ \ < Y_1,\dots,Y_
Доказательство. Действительно, любой вектор $ X\in \mathbb V_<> $ выражается через векторы $ X_1,\dots,X_k,Y_1,\dots,Y_
Базис $ \mathbb V_<> $ строится дополнением базиса $ \mathbb V_1 $ векторами $ X_1,\dots,X_k $ линейно независимыми относительно $ \mathbb V_1 $. Поэтому $$<.>_<> \mbox <число векторов относительного базиса >\ = \dim \mathbb V — \dim \mathbb V_1 \ .$$
Это число называется коразмерностью 6) подпространства $ \mathbb V_1 $ в пространстве $ \mathbb V $.
Сумма и пересечение линейных подпространств
Пусть $ \mathbb V_1 $ и $ \mathbb V_2 $ — подпространства линейного пространства $ \mathbb V_<> $. Множество $$ \mathbb V_1+ \mathbb V_2 = \left\
Понятие пересечения линейных подпространств совпадает с понятием пересечения их как множеств.
Теорема. $ \mathbb V_1+ \mathbb V_2 $ и $ \mathbb V_1 \cap \mathbb V_2 $ являются подпространствами линейного пространства $ \mathbb V_<> $.
Докажите, что $ \mathbb V_1+ \mathbb V_2 $ — это подпространство минимальной размерности, содержащее как $ \mathbb V_1 $, так и $ \mathbb V_2 $.
Теорема. Имеет место формула:
$$ \dim \, \mathbb V_1 + \dim \, \mathbb V_2=\dim \, (\mathbb V_1 \cap \mathbb V_2) + \dim \, (\mathbb V_1 + \mathbb V_2) \ . $$
Доказательство ☞ ЗДЕСЬ.
Можно ли обобщить этот результат на случай трех (и более подпространств)? Cправедлив ли, к примеру, аналог формулы включений-исключений в следующем виде:
$$\dim \, \mathbb V_1 + \dim \, \mathbb V_2 + \dim \, \mathbb V_3 — $$ $$ -\left\ <\dim \, (\mathbb V_1 \cap \mathbb V_2) + \dim \, (\mathbb V_1 \cap \mathbb V_3) + \dim \, (\mathbb V_2 \cap \mathbb V_3) \right\>+ $$ $$+ \dim \, (\mathbb V_1 \cap \mathbb V_2 \cap \mathbb V_3) =\dim \, (\mathbb V_1 + \mathbb V_2 + \mathbb V_3) \ ?$$
Теорема. Имеет место формула:
Пример. Найти базис суммы и размерность пересечения
$$\mathbb V_1=<\mathcal L>\left( \left[ \begin
Решение. Действуя согласно предыдущей теореме, составляем матрицу из всех векторов $$ \left( \begin
Ответ. Базис $ \mathbb V_1 + \mathbb V_2 $ составляют векторы $ X_1,X_2,X_3 $; $ \dim \, (\mathbb V_1 \cap \mathbb V_2) = 3+2 — 3 =2 $.
Алгоритм нахождения базиса $ <\mathcal L>(X_1,\dots,X_m) \cap <\mathcal L>(Y_1,\dots,Y_<\ell>) $ проиллюстрируем на примере.
Пример. Найти базис $ \mathbb V_1 \cap \mathbb V_2 $ при
$$ \begin
Решение. 1. Сначала найдем базисы каждого из подпространств: $$\dim \mathbb V_1=2, \ \mathbb V_1=\mathcal L(X_1, X_2) \ ; \ \dim \mathbb V_2=3,\ \mathbb V_2=\mathcal L(Y_1, Y_2, Y_3) \ . $$
2. Произвольный вектор $ Z\in \mathbb R^5 $, принадлежащий $ \mathbb V_1 \cap \mathbb V_2 $, должен раскладываться по базису каждого из подпространств: $$Z=\alpha_1 X_1 + \alpha_2 X_2= \beta_1 Y_1 + \beta_2 Y_2 + \beta_3 Y_3 \ .$$ Для определения неизвестных значений координат составляем систему уравнений $$ \begin
3. Получившиеся значения координат позволяют выразить базис пересечения — либо через базис подпространства $ \mathbb V_1 $ (если использовать полученные значения для $ \alpha_1,\alpha_2 $), либо через базис подпространства $ \mathbb V_2 $ (если использовать $ \beta_1,\beta_2, \beta_3 $). Например, $$ Z_1=-1/3 X_1 + 1/3 X_2 = [0,1,0,1,0]^<^<\top>>,\ $$ $$ Z_2=1/3 X_1 + 2/3 X_2 = [1,1,1,1,1]^<^<\top>> \ . $$
Найти базисы суммы и пересечения подпространств
Решение ☞ ЗДЕСЬ.
Прямая сумма линейных подпространств
Пусть $ \mathbb V_1 $ и $ \mathbb V_2 $ — подпространства линейного пространства $ \mathbb V_<> $. Говорят, что $ \mathbb V_<> $ раскладывается в прямую сумму подпространств $ \mathbb V_1 $ и $ \mathbb V_2 $ если любой вектор $ X\in \mathbb V_<> $ может быть представлен в виде $ X=X_1+X_2 $, где $ X_1\in \mathbb V_1,X_2\in \mathbb V_2 $ и такое представление единственно. Этот факт записывают: $ \mathbb V= \mathbb V_1 \oplus \mathbb V_2 $. Вектор $ X_ <1>$ называется проекцией вектора $ X_<> $ на подпространство $ \mathbb V_1 $ параллельно подпространству $ \mathbb V_ <2>$.
Пример. Линейное пространство квадратных матриц порядка $ n_<> $ раскладывается в прямую сумму подпространств: подпространства симметричных матриц и подпространства кососимметричных матриц. В самом деле, для матрицы $ A_
$$A=\frac<1> <2>\left(A+A^ <^\top>\right) + \frac<1> <2>\left(A-A^ <^\top>\right) $$ и в правой части первая скобка дает симметричную матрицу, а вторая — кососимметричную. Покажите, что не существует иного разложения матрицы $ A_<> $ в сумму симметричной и кососимметричной.
Теорема. Пусть $ \mathbb V=\mathbb V_1 + \mathbb V_2 $. Эта сумма будет прямой тогда и только тогда, когда подпространства $ \mathbb V_1 $ и $ \mathbb V_2 $ имеют тривиальное пересечение:
$$\mathbb V_1 \cap \mathbb V_2=\ <\mathbb O \>\ .$$
Доказательство. Необходимость. Пусть сумма $ \mathbb V_1 + \mathbb V_2 $ — прямая, но существует вектор $ X\ne \mathbb O $, принадлежащий $ \mathbb V_1 \cap \mathbb V_2 $. Но тогда и вектор $ (-X) $ принадлежит $ \mathbb V_1 \cap \mathbb V_2 $. Для нулевого вектора $ \mathbb O $ получаем два представления в виде суммы проекций на подпространства: $$ \mathbb O = \mathbb O + \mathbb O = X+ (-X) \, . $$ Это противоречит понятию прямой суммы.
Достаточность. Если $ \mathbb V_1 \cap \mathbb V_2=\ <\mathbb O \>$, но существует вектор $ X \in \mathbb V_1 + \mathbb V_2 $, имеющий два различных разложения в сумму проекций $$ X=X_1+X_2 =Y_1+ Y_2 \quad npu \quad \
Сумма $ \mathbb V=\mathbb V_1 + \mathbb V_2 $ будет прямой тогда и только тогда, когда базис $ \mathbb V_<> $ может быть получен объединением базисов $ \mathbb V_
Пример [2]. Доказать, что сумма подпространств
$$\mathbb V_1=<\mathcal L>\left( \left[ \begin
Решение. Базисы $ \mathbb V_1 $ и $ \mathbb V_2 $ составляют соответственно системы $ \
Линейные многообразия
Пусть $ \mathbb V_1 $ — линейное подпространство пространства $ \mathbb V_<> $, а $ X_ <0>$ — произвольный фиксированный вектор из $ \mathbb V_<> $. Множество $$ \mathbb M = X_0+ \mathbb V_1 = \left\
$ \
а $ \mathfrak r= \operatorname
Получаем, следовательно, $ (n-<\mathfrak r>) $-мерную плоскость в $ \mathbb R^n $, a в случае $ (n-<\mathfrak r>)=1 $ — прямую $$\mathbb M=X_0+tX_1 \quad npu \ t \in \mathbb R \ ; $$ в последнем случае вектор $ X_ <1>$ называют направляющим вектором этой прямой.
Некоторые задачи на линейные многообразия ☞ ЗДЕСЬ.
Подпространство линейного пространства
Определение и размерность подпространства
Определение 6.1. Подпространством L n-мерного пространства R называется множество векторов, образующих линейное пространство по отношению к действиям, которые определены в R.
Другими словами, L называется подпространством пространства R, если из x, y∈L следует, что x+y∈L и если x∈L, то λ x∈L, где λ— любое вещественное число.
Простейшим примером подпространства является нулевое подпространство, т.е. подмножество пространства R, состоящее из единственного нулевого элемента. Подпространством может служить и все пространство R. Эти подпространства называются тривиальными или несобственными.
Подпространство n-мерного пространства конечномерно и его размерность не превосходит n: dim L≤ dim R.
Сумма и пересечение подпространств
Пусть L и M — два подпространства пространства R.
Cуммой L+M называется множество векторов x+y, где x∈L и y∈M. Очевидно, что любая линейная комбинация векторов из L+M принадлежит L+M, следовательно L+M является подпространством пространства R (может совпадать с пространством R).
Пересечением L∩M подпространств L и M называется множество векторов, принадлежащих одновременно подпространствам L и M (может состоять только из нулевого вектора).
Теорема 6.1. Сумма размерностей произвольных подпространств L и M конечномерного линейного пространства R равна размерности суммы этих подпространств и размерности пересечения этих подпространств:
dim L+dim M=dim(L+M)+dim(L∩M).
Доказательство. Обозначим F=L+M и G=L∩M. Пусть G g-мерное подпространство. Выберем в нем базис . Так как G⊂L и G⊂M, следовательно базис G можно дополнить до базиса L и до базиса M. Пусть базис подпространства L и пусть базис подпространства M. Покажем, что векторы
составляют базис F=L+M. Для того, чтобы векторы (6.1) составляли базис пространства F они должны быть линейно независимы и любой вектор пространства F можно представить линейной комбинацией векторов (6.1).
Докажем линейную независимость векторов (6.1). Пусть нулевой вектор пространства F представляется линейной комбинацией векторов (6.1) с некоторыми коэффициентами:
Левая часть (6.3) является вектором подпространства L, а правая часть является вектором подпространства M. Следовательно вектор
принадлежит подпространству G=L∩M. С другой стороны вектор v можно представить линейной комбинацией базисных векторов подпространства G:
Из уравнений (6.4) и (6.5) имеем:
Но векторы являются базисом подпространства M, следовательно они линейно независимы и . Тогда (6.2) примет вид:
В силу линейной независимости базиса подпространства L имеем:
Так как все коэффициенты в уравнении (6.2) оказались нулевыми, то векторы
линейно независимы. Но любой вектор z из F (по определению суммы подпространств) можно представить суммой x+y, где x∈L, y∈M. В свою очередь x представляется линейной комбинацией векторов а y — линейной комбинацией векторов. Следовательно векторы (6.10) порождают подпространство F. Получили, что векторы (6.10) образуют базис F=L+M.
Изучая базисы подпространств L и M и базис подпространства F=L+M (6.10), имеем: dim L=g+l, dim M=g+m, dim (L+M)=g+l+m. Следовательно:
dim L+dim M−dim(L∩M)=dim(L+M). ■
Прямая сумма подпространств
Определение 6.2. Пространство F представляет собой прямую сумму подпространств L и M, если каждый вектор x пространства F может быть единственным способом представлен в виде суммы x=y+z, где y∈ L и z∈M.
Прямая сумма обозначается L⊕M. Говорят, что если F=L⊕M, то F разлагается в прямую сумму своих подпространств L и M.
Теорема 6.2. Для того, чтобы n-мерное пространство R представляло собой прямую сумму подпространств L и M, достаточно, чтобы пересечение L и M содержало только нулевой элемент и чтобы размерность R была равна сумме размерностей подпространств L и M.
Доказательство. Выберем некоторый базис в подпространстве L и некоторый базис в подпространстве M. Докажем, что
является базисом пространства R. По условию теоремы размерность пространства R n равна сумме подпространств L и M (n=l+m). Достаточно доказать линейную независимость элементов (6.11). Пусть нулевой вектор пространства R представляется линейной комбинацией векторов (6.11) с некоторыми коэффициентами:
Так как левая часть (6.13) является вектором подпространства L, а правая часть — вектором подпространства M и L∩M= 0, то
Но векторы и являются базисами подпространств L и M соответственно. Следовательно они линейно независимы. Тогда
Установили, что (6.12) справедливо лишь при условии (6.15), а это доказывает линейную независимость векторов (6.11). Следовательно они образуют базис в R.
Пусть x∈R. Разложим его по базису (6.11):
Из (6.17) и (6.18) следует, что любой вектор из R можно представить суммой векторов x1∈L и x2∈M. Остается доказать что это представление является единственным. Пусть кроме представления (6.17) есть и следующее представление:
Вычитая (6.19) из (6.17), получим
Так как , и L∩M= 0, то и . Следовательно и . ■
Подпространства линейного пространства
Определение линейного подпространства
Непустое подмножество линейного пространства называется линейным подпространством пространства , если
1) (подпространство замкнуто по отношению к операции сложения);
2) и любого числа (подпространство замкнуто по отношению к операции умножения вектора на число).
Для указания линейного подпространства будем использовать обозначение , а слово «линейное» опускать для краткости.
1. Условия 1, 2 в определении можно заменить одним условием: и любых чисел и . Разумеется, что здесь и в определении речь идет о произвольных числах из того числового поля, над которым определено пространство .
2. В любом линейном пространстве имеются два линейных подпространства:
а) само пространство , т.е. ;
б) нулевое подпространство , состоящее из одного нулевого вектора пространства , т.е. . Эти подпространства называются несобственными, а все остальные — собственными.
3. Любое подпространство линейного пространства является его подмножеством: , но не всякое подмножество является линейным подпространством, так как оно может оказаться незамкнутым по отношению к линейным операциям.
4. Подпространство линейного пространства само является линейным пространством с теми же операциями сложения векторов и умножения вектора на число, что и в пространстве , поскольку для них выполняются аксиомы 1-8. Поэтому можно говорить о размерности подпространства, его базисе и т.п.
5. Размерность любого подпространства линейного пространства не превосходит размерности пространства . Если же размерность подпространства равна размерности конечномерного пространства , то подпространство совпадает с самим пространством: .
Это следует из теоремы 8.2 (о дополнении системы векторов до базиса). Действительно, взяв базис подпространства , будем дополнять его до базиса пространства . Если это возможно, то . Если нельзя дополнить, т.е. базис подпространства является базисом пространства , то . Учитывая, что пространство есть линейная оболочка базиса (см. следствие 1 теоремы 8.1), получаем .
6. Для любого подмножества линейного пространства линейная оболочка является подпространством и .
В самом деле, если (пустое множество), то по определению , т.е. является нулевым подпространством и . Пусть . Нужно доказать, что множество замкнуто по отношению к операциям сложения его элементов и умножения его элементов на число. Напомним, что элементами линейной оболочки служат линейные комбинации векторов из . Так как линейная комбинация линейных комбинаций векторов является их линейной комбинацией, то, учитывая пункт 1, делаем вывод, что является подпространством , т.е. . Включение — очевидное, так как любой вектор можно представить как линейную комбинацию , т.е. как элемент множества .
7. Линейная оболочка подпространства совпадает с подпространством , т.е. .
Действительно, так как линейное подпространство содержит все возможные линейные комбинации своих векторов, то . Противоположное включение следует из пункта 6. Значит, .
Примеры линейных подпространств
Укажем некоторые подпространства линейных пространств, примеры которых рассматривались ранее. Перечислить все подпространства линейного пространства невозможно, за исключением тривиальных случаев.
1. Пространство , состоящее из одного нулевого вектора пространства , является подпространством, т.е. .
2. Пусть, как и ранее, — множества векторов (направленных отрезков) на прямой, на плоскости, в пространстве соответственно. Если прямая принадлежит плоскости, то . Напротив, множество единичных векторов не является линейным подпространством, так как при умножении вектора на число, не равное единице, получаем вектор, не принадлежащий множеству.
3. В n-мерном арифметическом пространстве рассмотрим множество «полунулевых» столбцов вида с последними элементами, равными нулю. Сумма «полунулевых» столбцов является столбцом того же вида, т.е. операция сложения замкнута в . Умножение «полунулевого» столбца на число дает «полунулевой» столбец, т.е. операция умножения на число замкнута в . Поэтому , причем . Напротив, подмножество ненулевых столбцов не является линейным подпространством, так как при умножении на нуль получается нулевой столбец, который не принадлежит рассматриваемому множеству. Примеры других подпространств приводятся в следующем пункте.
4. Пространство решений однородной системы уравнений с неизвестными является подпространством n-мерного арифметического пространства . Размерность этого подпространства определяется матрицей системы: .
Множество решений неоднородной системы (при ) не является подпространством , так как сумма двух решений неоднородной ; системы не будет решением той же системы.
5. В пространстве квадратных матриц порядка л рассмотрим два подмножества: множество симметрических матриц и множество кососимметрических матриц. Сумма симметрических матриц является симметрической матрицей, т.е. операция сложения замкнута в . Умножение симметрической матрицы на число также не нарушает симметричность, т.е. операция умножения матрицы на число замкнута в . Следовательно, множество симметрических матриц является под пространством пространства квадратных матриц, т.е. . Нетрудно найти размерность этого подпространства. Стандартный базис образуют : л матриц с единственным ненулевым (равным единице) элементом на глав ной диагонали: , а также матрицы с двумя ненулевыми (равными единице) элементами, симметричными относительно главной диагонали: . Всего в базисе будет матриц. Следовательно, . Аналогично получаем, что и .
Множество вырожденных квадратных матриц n-го порядка не является подпространством , так как сумма двух вырожденных матриц может оказаться невырожденной матрицей, например, в пространстве
6. В пространстве многочленов с действительными коэффициентами можно указать естественную цепочку подпространств
Множество четных многочленов является линейным подпространством , так как сумма четных многочленов и произведение четно го многочлена на число будут четными многочленами. Множество нечетных многочленов также является линейным пространством. Множество многочленов, имеющих действительные корни, не является линейным подпространством, так как при сложении таких двух многочленов может получиться многочлен, который не имеет действительных корней, например, .
7. В пространстве можно указать естественную цепочку подпространств:
Многочлены из можно рассматривать как функции, определенные на . Так как многочлен является непрерывной функцией вместе со своими производными любого порядка, можно записать: и . Пространство тригонометрических двучленов является подпространством , так как производные любого порядка функции непрерывны, т.е. . Множество непрерывных периодических функций не является подпространством , так как сумма двух периодических функций может оказаться непериодической функцией, например, .
http://matworld.ru/linear-algebra/linear-space/linear-subspace.php
http://mathhelpplanet.com/static.php?p=podprostranstva-linyeinogo-prostranstva