Matrike Vektorski prostor

Vektorski prostor

Vektorski prostor nad množico realnih števil R je množica X

opremljena z operacijama seštevanja + : X × X → X in
Matematika II (FKKT – Kemijsko inženirstvo) množenja s skalarjem · : R × X → X , za kateri velja.
komutativnost seštevanja
a + b = b + a za vsaka a, b ∈ X
Matjaž Željko asociativnost seštevanja
(a + b) + c = a + (b + c) za vsake a, b, c ∈ X
FKKT – Kemijsko inženirstvo
obstoj nevtralnega elementa za seštevanje
13. teden Obstaja 0 ∈ X , da je a + 0 = 0 + a = a za vsak a ∈ X
(Zadnja sprememba: 23. maj 2013) obstoj nasprotnega elementa za seštevanja
Za vsak a ∈ X obstaja b ∈ X , da je a + b = b + a = 0.
Vektor b imenujeno nasprotni vektor in označimo z −a.

1 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 2 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)

Matrike Vektorski prostor Matrike Vektorski prostor

distributivnost v vektorskem faktorju Vektorski prostor Rn . Za a = (a1 , . . . , an ) ∈ Rn ,

λ (a + b) = λ a + λ b za vsake a, b ∈ X in λ ∈ R b = (b1 , . . . , bn ) ∈ Rn in λ ∈ R definiramo operaciji po
distributivnost v skalarnem faktorju komponentah
(λ + µ )a = λ a + µ a za vsake a ∈ X in λ , µ ∈ R
(a1 , . . . , an ) + (b1 , . . . , bn ) = (a1 + b1 , . . . , an + bn ),
homogenost v skalarnem faktorju
λ (a1 , . . . , an ) = (λ a1 , . . . , λ an ).
λ (µ a) = (λ µ )a za vsake a ∈ X in λ , µ ∈ R
lastnost enote za množenje
1a = a za vsak a ∈ X Vektorski prostor Rm×n . Običajni matrični operaciji
seštevanja in množenja s skalarjem ustrezata vsem
aksiomom za vektorski prostor.
V posebnem primeru lahko prostor matrik Rn×1
obravnavamo kot vektorski prostor.

3 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 4 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)
 Matrike Vektorski prostor Matrike Vektorski prostor

Linearna neodvisnost
Zgled
Naj bodo ai ∈ X poljubni vektorji ter λi ∈ R poljubni skalarji. Ali so vektorji a1 = (1, 3, 1), a2 = (2, 1, −1), a3 = (1, 5, 3)
Izraz linearno neodvisni?
n
λ1 a 1 + λ2 a 2 + . . . + λn a n = ∑ λi a i
i=1

imenujemo linearna kombinacija vektorjev a1 , . . . , an , števila

λ1 , . . . , λn pa imenujemo koeficiente te linearne kombinacije.

Pravimo, da so vektorji ai ∈ X linearno neodvisni, če iz

λ1 a 1 + λ2 a 2 + . . . + λn a n = 0

sledi, da je λ1 = λ2 = . . . = λn = 0. Vektorji so linearno odvisni,

če niso linearno neodvisni.
Vektor 0 je linearno odvisen.

5 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 6 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)

Matrike Vektorski prostor Matrike Vektorski prostor

Izrek
Naj bodo a1 , . . . , an ∈ Rn poljubni vektorji. Vektorji a1 , . . . , an so
linearno neodvisni natanko tedaj, ko je matrika A, katere stolpci
so aT1 , aT2 , . . . , aTn , obrnljiva.

Videli smo že, da enačbi a1 λ1 + a2 λ2 + . . . + an λn = 0 ustreza

homogeni sistem Ax = 0, kjer so stolpci matrike A ravno aT1 , aT2 ,
. . . , aTn , neznani vektor pa je x = (λ1 , λ2 , . . . , λn ).
Vemo, da premore sistem Ax = 0 neničelno rešitev natanko
tedaj, ko je det(A) = 0. Neničelna rešitev sistema pa pomeni,
da so vektorji a1 , . . . , an linearno odvisni.

7 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 8 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)
 Matrike Vektorski prostor Matrike Vektorski prostor

Naj bodo a1 , . . . , an ∈ Rm poljubni vektorji. V splošnem lahko Zgled

rečemo, da so ti vektorji linearno neodvisni natanko tedaj, ko
ima matrika A = [aT1 , aT2 , . . . , aTn ] rang n. Ali so vektorji a1 = (1, 3, 1, 3), a2 = (0, 2, 1, −1), a3 = (2, 4, 1, 7)
r r linearno neodvisni?

1 1
?
m
0 1 m 0 1
0
0
n
n
Ker je r = rang(A) ≤ min{m, n}, v primeru n > m vektorji ne
morejo biti linearno neodvisni. Če pa je n ≤ m, mora za
linearno neodvisnost veljati r = n.
9 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 10 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)

Matrike Vektorski prostor Matrike Vektorski prostor

Množica V = {v1 , . . . , vn } linearno neodvisnih vektorjev je baza

vektorskega prostora V , če je vsak vektor v ∈ V možno izraziti
kot linearno kombinacijo vektorjev v1 , . . . , vn .

Izrek
Naj bo V baza vektorskega prostora V . Potem se da vsak
vektor v ∈ V razviti po bazi na en sam način.

Naj bo V = {v1 , . . . , vn }. Če je

n n
v= ∑ αi vi = ∑ βi vi ,
i=1 i=1

je
n
∑ (αi − βi )vi = 0.
i=1
Zaradi linearne neodvisnosti baznih vektorjev je zato αi − βi = 0
za vsak i.
11 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 12 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)
 Matrike Vektorski prostor Matrike Vektorski prostor

Izrek Ker imajo torej vse (končne) baze vektorskega prostora V

enako število vektorjev, je smiselno definirati dimenzijo
Če sta U = {u1 , . . . , um } in V = {v1 , . . . , vn } bazi vektorskega vektorskega prostora V kot število vektorjev v neki (pravzaprav
prostora V , je m = n. vsaki) bazi prostora V .
Ker je V baza, lahko za vsak j = 1, 2, . . . , m zapišemo Zgled
n
Dimenzija vektorskega prostora Rn je n.
uj = ∑ αij vi .
j=1

Označimo A = [αij ] ∈ Rn×m . Če dokažemo, da je Ab = 0 le za

ničelni vektor b = (β1 , . . . , βm )T ∈ Rm , bo rang(A) = m in m ≤ n.
Naj bo torej ∑m j=1 αij βj = 0 za vsak i. Računajmo
!
n m m n m
0= ∑ ∑ αij βj vi = ∑ βj ∑ αij vi = ∑ βj uj .
i=1 j=1 j=1 i=1 j=1

Ker so vektorji uj linearno neodvisni, je res βj = 0 za vsak j.

Podobno dokažemo, da je tudi n ≤ m in je zato m = n.
13 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 14 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)

Matrike Vektorski prostor Matrike Vektorski prostor

Zgled Naj bo V vektorski prostor nad R. Podmnožica U ⊆ V je

vektorski podprostor, če je vektorski prostor za isti operaciji
Dimenzija vektorskega prostora matrik Rm×n je mn. seštevanja in množenja s skalarjem kot v V . Torej je
za poljubna u, v ∈ U tudi u + v ∈ U ter
za poljubna u ∈ U in α ∈ R je tudi α u ∈ U.
Kot kaže naslednji izrek, pa lahko pogoja tudi združimo.
Izrek
Podmnožica U ⊆ V je vektorski podprostor natanko tedaj, ko je
α u + β v ∈ U za vse u, v ∈ U in vse α , β ∈ R.

15 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 16 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)
 Matrike Vektorski prostor Matrike Evklidski prostor

Naj bo V vektorski prostor nad R in V = {v1 , . . . , vn } množica

Evklidski prostor
vektorjev iz V . Množico vseh linearnih kombinacij vektorjev iz
V imenujemo linearna ogrinjača vektorjev v1 , . . . , vn in Naj bo V vektorski prostor nad množico realnih števil R.
označimo z L (v1 , . . . , vn ). Skalarni produkt je operacija

Izrek h . , . i : V × V → R,
Množica L (v1 , . . . , vn ) je vektorski podprostor v V . za katero velja
linearnost v prvem faktorju
Po definiciji linearne ogrinjače sledi, da je α u + β v ∈ L za
hα u + β v, w i = α hu, w i + β hv, w i za vse α , β ∈ R in
vsaka u, v ∈ L .
u, v, w ∈ V ;
simetričnost
hu, vi = hv, ui za vse u, v ∈ V ;
pozitivna definitnost
hu, ui ≥ 0 za vse u ∈ V in hu, ui = 0 natanko tedaj, ko je
u = 0.
Vektorski prostor, opremljen s skalarnim produktom, imenujemo
Evklidski prostor.
17 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 18 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)

Matrike Evklidski prostor Matrike Evklidski prostor

Zgled
Dokaži, da je s predpisom
n
hu, vi = ∑ ui vi
i=1

za u = (u1 , . . . , un ) ∈ Rn in v = (v1 , . . . , vn ) ∈ Rn definiran skalarni

produkt na Rn .

19 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 20 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)
 Matrike Evklidski prostor Matrike Evklidski prostor

Zgled Naj bop h, i skalarni produkt. Norma vektorja v ∈ V je število

kvk = hv, vi. V Evklidskem prostoru Rn je norma kar običajna
Dokaži, da je s predpisom dolžina vektorja.
hu, vi = 2u1 v1 + u1 v2 + u2 v1 + u2 v2 Norma vektorja ima naslednje lastnosti
pozitivna definitnost
za u = (u1 , u2 ) ∈ R2 in v = (v1 , v2 ) ∈ R2 definiran skalarni
kvk ≥ 0 za vse v ∈ V in kvk = 0 natanko tedaj, ko je v = 0.
produkt na R2 . Določi kot med vektorjema (1, 0) in (0, 1) glede
na ta skalarni produkt. absolutna homogenost
kα vk = |α | kvk za vse α ∈ R in v ∈ V .
trikotniška neenakost
ku + vk ≤ kuk + kvk

21 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 22 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)

Matrike Evklidski prostor Matrike Evklidski prostor

Pravimo, da sta vektorja u in v pravokotna, če je hu, vi = 0. Izrek (Pitagorov izrek)

Izrek Če sta u in v pravokotna vektorja, je
Če sta neničelna vektorja pravokotna, sta linearno neodvisna.
ku + vk2 = kuk2 + kvk2 .
Naj bo a ⊥ b in α a + β b = 0. Torej je
hα a + β b, ai = α ha, ai = α kak2 = 0, kar nam da α = 0. Podobno Računajmo
je tudi β = 0.
ku + vk2 = hu + v, u + vi =
Izrek
= hu, ui + hu, vi + hv, ui + hv, vi = kuk2 + kvk2
Če sta u in v linearno neodvisna vektorja, sta vektorja u in
hu,v i
v ′ = v − hu,ui u pravokotna in linearno neodvisna.

Zaradi linearne neodvisnosti u in v je vektor v ′ neničeln.

Pravokotnost pa sledi iz računa
hu, vi hu, vi
hu, v − ui = hu, vi − hu, ui = 0.
hu, ui hu, ui
23 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 24 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)
 Matrike Evklidski prostor Matrike Evklidski prostor

Naj bo V Evklidski prostor. Množica vektorjev V = {v1 , . . . , vn } Zgled

je ortogonalna, če je hvi , vj i = 0 za i 6= j.
Dokaži, da je
Množica vektorjev V = {v1 , . . . , vn } je ortonormirana, če je  
ortogonalna in kvi k = 1 za vsak i. 1 1 1
(1, 2, −2), (2, 1, 2), (2, −2, −1)
3 3 3
Zgled
Standardna baza E = {e1 , . . . , en } za Rn je ortonormirana. ortonormirana baza za R3 .

25 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 26 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)

Matrike Evklidski prostor Matrike Evklidski prostor

Gram-Schmidtov postopek Iz pogoja

k
Izrek 0 = hfk +1 , ej i = hvk +1 − ∑ λi ei , ej i = hvk +1 , ej i − λj
Naj bo V = {v1 , v2 , . . . , vn } baza prostora V . Potem obstaja taka i=1
ortonormirana baza E = {e1 , e2 , . . . , en } prostora V , da za vsak
k velja L (e1 , e2 , . . . , ek ) = L (v1 , v2 , . . . , vk ). sledi λj = hvk +1 , ej i. Torej je

k
Trditev dokažemo z indukcijo, ki je hkrati tudi konstrukcija fk +1 = vk +1 − ∑ hvk +1 , ei iei
ortonormirane baze. i=1
Za k = 1 postavimo e1 = kv11 k v1 .
Recimo, da smo vektorje e1 , e2 , . . . , ek že konstruirali in da velja in L (e1 , e2 , . . . , ek , fk +1 ) = L (v1 , v2 , . . . , vk , vk +1 ). Nazadnje
L (e1 , e2 , . . . , ek ) = L (v1 , v2 , . . . , vk ). Naj bo postavimo ek +1 = kfk1+1 k fk +1 . Torej je {e1 , e2 , . . . , ek +1 }
ortonormiran sistem vektorjev in
k L (e1 , e2 , . . . , ek +1 ) = L (v1 , v2 , . . . , vk +1 ).
fk +1 = vk +1 − ∑ λi ei . Ker je L (e1 , e2 , . . . , en ) = L (v1 , v2 , . . . , vn ) = V , je
i=1
E = {e1 , e2 , . . . , en } res iskana ortonormmirana baza za V
Vektor fk +1 izberemo tako, da je fk +1 ⊥ ej za j = 1, 2 . . . , k.
27 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 28 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)
 Matrike Evklidski prostor Matrike Evklidski prostor

Zgled
Izvedi Gram-Schmidtov postopek na bazi
{(1, 1, 0), (0, 1, 1), (1, 0, 1)} prostora R3 .

29 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo) 30 Matjaž Željko Matematika II (FKKT – Kemijsko inženirstvo)