7. Wale. pe ektorski prostori —~ 1. Baza j dimenzija vektorskoga prostora «6.6... 412 2. Promjenabaze ..... 6.0020 e eee 118 271, Baza i dimenzija yektorskoga prostora Yektorski prostor. S pojmom vektorskoga prostora ve¢ smo se susreli, govo- rili smo o vektor-stupcima prostora R”, 0 dvodimenzionalnom, trodimenzionalnom prostoru vektora itd. Svojstva vektorskoga prostora takoder smo veé riavodili. Ponovit demo ta svojstva navodesi njegovu strogu definiciju. Neprazni skup X na kojemu su definirane dvije operacije, + :X x X > X (zb- rajanje vektora i - : R x X + X mnojenje skalara i vektora) naziva se vektorski prostor! ako vrijede sljedeca svojstva: VP,) (Vx,y€X) x+y =y +x (komutativnost). VP2) (Vx,y,2€X) x4 (y+z) = (x+y) +2 (asocijativnost). VP3) (B0EX)(¥x EX) x+0=0+4+x =x (postojanje nul-vektora). VPs) (vx € X)(Sx EX) x+x' = x' +x = 0 (postojanje suprotnoga vektora). . VPs) (¥a,B © R)Vx EX) a(Bx) = (aft)x (kompatibilnost mnozenja). VPs) (Wa ER)(¥x,yEX) a(x+y) = ax + ay (distributivnost mnozenja prema zbrajanju u X). VP,) (Wa,BER)(VXEX) (4+ 8)x = ax + Bx (distributivnost mnozenja prema zbrajanjuu R). VPs) 1-x =x (netrivijalnost mnoZenja). | engl. vector spuce, njem, Vektorratn, frane. Mespace vectorial, rus. BeEXTOPHOe TpocTpancTno.Govorimo preciznije da je vektorski prostor uredena trojka (X,+,:). KaZemo jo8 da je to vektorski prostor nad poljem realnih brojeva R, posto se u definiciji mno- Zenja sa skalarom koriste realni brojevi. Umjesto polja R moze se koristiti i drugo polje skalara, na primjer polje kompleksnih brojeva C. Tad bi govorili 0 vektorskom prostoru nad poljem C ili naprosto o kompleksnom vektorskom prostoru. Re Neke smo primjere vektorskih prostora promatrali u prethodnim poglavijima. U prvom smo poglavlju pokazali da skup .M%p, svih matrica tipa m x a Gini vektorski prostor, uz operacije matri¢noga zbrajanja i mnoZenja skalara s matricom. » ‘Tako i vektor-stupci, odnosno vektor retei duljine 1 cine vektorski prostor, jer su to matrice tipa n x 1 odnosno 1 x n. Prostori V!, V?, V? vektora na praveu, ravnini i u prostoru £°, uz standardno definirane operacije zbrajanja i mnoZenja $a skalarom takoder su vektorski prostori. Nazivamo ih klasitnim vektorskim prostorima. Vektorski prostor mogu Giniti i funkcije. Neka je X skup svih funkcija definiranih naintervalu [a, 6] s vrijednostima u R. Operacije definiramo na navin (+ 9)4) = a2) + 99, {ox)(t) = exx(t). \ Syojstva VP;—VPs vrijede jer se svode na analogna svojstva za skup realnih brojeva. Fk Vektorski potprostor. Pri navodenju narednih primjera esto Cemo biti u situaciji da promatramo neki podskup gore navedenih vektorskih prostora te se pitamo Cini li i taj podskup vektorski prostor? S tim je u vezi sljedeéa definicija. Neka je (X, +, +) vektorski prostor. Podskup W < X Cini vektorski potprostor prostora X ako je on vektorski prostor uz iste operacije koje su definirane na prostoru xX. Je li neki skup vektorski potprostor, moZemo provjeriti na sljedeci jednostayni nacin: Teorem 7.1. Neka je X vektorski prostor. W C X je potprostar ako i sumo ako vrijedi () (vxyeWw)(Ve,B ER) ox+fyew. Dokaz. Cinjenica da je W podskup vektorskoga prostora dozvoljava nam da ne provjeravamo posebno vrijede li svojstva VP), VPs, VPs, VPg, VP; i VPs u pros- toru W: ona su ispunjena jer vrijede u vecem prostoru X . Potrebno je samo provjeriti dali nul-element iz X lezi u W te dali suprotni element svakoga elementa iz W i sam leZiu W.Ako je x € W, tad po pretpostavci u W lei i kombinacija 1.x + (—1)-x=0. Takoder, im je x € W, u tom prostoru ledi i kombinacija 0-x +{—1)-x = —x. Time smo pokazali da je W vektorski prostor. Obratna tvrdnja je ogevidna, ako je W vektorski prostor, on mora sadrZavati linearni spoj svaka svoja dva elementa. Uvjet (1) iz Teorema moze se zamijeniti sa sljedeca dva uvjeta (2a) (VxyEW)xt+yew, (2b) (Wee W)(Va € R) ox ew, Sto Eitatelj mo%e lako sam provjeriti. Primjeri vektorskih prostora. ZnajuGi za primjere vrlo opéenitih vektorskih prostora, pomocu ovoga tcorema mozemo dati i neke nove primjere. Kako sve matricetipa # x n ine vektorski prostor, to ¢e vektorski prostor Ciniti i sve dijagonalne matrice, sve gomje ili donje trokutaste matrice itd., jer je linearna kombinacija dvije takve matrice ponovo matrica istoga oblika. Sligno, vektorski prostor Gini skup Cla, b| svih neprekinutih funkcija na interva- lu [@, 8], jer je zbroj neprekinutih funkcija ponovo neprekinuta funkcija. Vektorski prostor Gini skup svih polinoma, skup , svih polinoma stupnja < x itd. Ovi primjeri ukazuju na vaznost pojma vektorskoga prostora. # ye Navest Cemo najvazniji natin dobivanja vektorskih potprostora. Neka je X vek- torski prostor te a),...,@, bilo koji vektori iz X . Tvrdimo da'je skup Wa={aeX:a=Aay+...+ Ana, a, € R} vektorski potprostor. Da se uvjerimo w to, uzmimo dva elementa a, b ovoga skupa: asAjayt...+Ana, b= part... + Maan Tad je njihova linearna kombinacija oblika cra + Bb = (aay + Byy)ay +... + (2m + Bn) an i ona ponovo pripada skupu W. Stoga je W vektorski potprostor od X. Nazivamo ga potprostor generiran (razapet) vektorima aj, ...,a, ioznatavamos L(a,..., an). Primjer 7.1. Neka je X prostor svih funkcija definiranih na R. Izdvojimo slje- deée funkcije Xo(t) = 1, mit) =, x,(f) = 0" Tad je L(X, Xi... Xn) = A, , prostor svih polinoma stupnja < x. Primjer 7.2. Neka je a € V" zadani vektor. £(a) je vektorski potprostor koji ine svi vektori Kolinearni s a. Ako b nije takay, tad L(a,b) predstavlja skup svih vektora u ravnini razapetoj s a i b.Konaéno-dimenzionalni i beskonatno-dimenzionalni prostori. Svi se prosto- ri u gornjim primjerima mogu podijeliti u dvije bitno razligite skupine. Prvu Cine konaéno-dimenzionalni a drugu beskonaéno-dimenzionalni prostori. Je li neki pro- stor konaéno ili beskona¢no-dimenzionalan odredujemo po broju linearno nezavisnih vektora koje moZemo u njemu pronaci. Tako na primjer, prostor svih polinama zasigumo je beskonaténo-dimenzionalan jer su za svaki n vektori 1, ¢, r ” linearno nezavisni: njihov linearni spoj jednak je nul funkciji ako za svaki t vrijedi Oy + Ott Oat +... + at" =0 Sto je moguée samo ako su svi koeficijenti jednaki nuli. Jednako tako, beskona¢no-dimenzionalni su prostor neprekinutih funkcija (jer sadrzi sve polinome!), prostor svik funkcija itd. Podruéje matematike koje izuéava beskonatno-dimenzionalne vektorske prostore naziva se funkcionalna analiza. Linearna algebra bavi se kona¢no-dimenzionalnim prostorima. Stoga ée svi vektorski prostori u nastavku biti konaéno-dimenzionalni. Po gornjoj definiciji, to znagi da ée u njima broj linearno nezavisnih vektora biti ogranicen. Dimenzija vektorskoga prostora. U kona¢no-dimenzionalnome prostoru broj linearno nezavisnih vektora je konaéan. Sam naziv prostora sadrZi u sebi rijet “dimen- zionalan’ koji upravo odreduje koliki je taj broj. Dimenzija prostora maksimalan je broj linearno-nezavisnih vektora u tome prostoru. Pojam dimenzije vektorskoga prostora intuitivno je jasan. Mi smo navikli govoriti dvo ili tro-dimenzionalnom prostoru. Primjeri takvih prostora su R?, V*, R*, V3 itd, broj u oznaci prostora upravo oznafava njegovu dimenziju. Kod sloZenijih prostora dimenziju je neSto teZe utvrditi. Posebice, pri odredivanju dimenzije raznih potprostora moramo koristiti aparat linearne algebre. Prije no Sto nastavimo s navodenjem primjera, korisno je definirati jo jedan pojam koji se prirodno nastavlja na ovo razmatranje. To je pojam baze vektorskoga prostora. Baza vektorskoga prostora. Neka je X vektorski prostor dimenzije &. To znaci dau njemu moZemo pronaci skup ¥), ..., Vz linearno nezavisnih vektora, takav da — dodamo li mu bilo koji novi clement x — novodobiveni skup vise nece biti linearno nezavisan. Stoga postoje skalari A,,..., Ax, A od kojih je barem jedan razliéit od nule, takvi da vrijedi AV, He FAG FAK =O Pri tomjesigurno A # 0, inaée bi iS¢ezavala linearna kombinacija vektora ¥),..., Vs- Dijeljenjem s brojem —A vektor x prikazujemo u obliku spoja vektora v),..., ¥¢: 2 aa, x= zr Vi Ye Prema tome, svaki se vektor prostora moze napisati u gbliku linearne kombinacije Vigeees MeeOva dva svojstva upravo definiraju bazu prostora. Zbog njezine vaznosti, ponovit éemo ih u strogoj definiciji, Neka je X vektorski prostor. Bazau X jesvakiskup v1, ..., Ye koji ima sledeca dva svojstva (By) vektori vy, V2,..-. Ve SU linearno nezavisni, i (Bz) svaki drugi vektor x € X moée se napisati u obliku linearne kombinacije vektora Vi, V2, +++) Ve- Skup svih linearnih kombinacija vektora ¥;,..., Ve oznadilismo s L(v,, .- oy Ve) Svojstvo (Bz) kaze da za bazu veijedi X = L(V, Va, --+5 Ye) Kazemo jog da vektori baze razapinju citav prostor. Prikaz svakoga vektora u odabra- noj bazi je jedinstven. Zaista, iz pretpostavke da x ima dya razligita prikaza, KSA +. Hb Age = Mav +. Maeve slijedi (Ay — wavs to + Ak — Halve = 0 a odavde, zbog linearne nezavisnosti, svi koeficijenti moraju biti jednaki nuli, te je Ay = Biss Ae = Mee aR Po gornjoj konstrukciji baze zakljuéujemo da se broj vektora u bazi podudara s dimenzijom prostora. No, ta tvrdnja nije posve o€ita pa bi bilo korisno dati detaljniji dokaz. Naime, baza ima beskonaéno mnogo i nije o¢ito da ée svake dvije imati isti broj elemenata. Teorem 7.2. Svake dvije baze u vektorskom prostoru X imaju isti broj elemenata. Taj se broj podudara s dimenzijom prostora. Dokaz. Neka je n dimenzija prostora. Broj vektora u bazi mora biti manji ili jednak av jer su njezini clementi linearno nezavisni vektori. Pretpostavimo da postoji baza V1,-..,¥m kod koje je m et dvije po volji odabrane baze u tome prostoru, Prvu emo zvati sara, a drugu nova baza. Vektor x ima u te dvije baze prikaz X= KO, b. HAney = re, He. HHL). U ovakvoj situaciji prirodno se nameée pitanje: na koji su natin povezane kom- ponente vektora u staroj i novoj bazi? Da bismo odgovorili na nj, potrebno je pronaci vezu izmedu vektora stare i nove baze. Ta se veza mo%e izraziti na dva nacina. Kakosu obje baze ravnopravne, moZemo prikazati vektore nove baze kao spoj vektora stare i obratno. Odaberimo prvu moguénost: eH +... + ten, (7.1) CS tne Ho +t tin. Nacinimo matricu ti tin r-|: Int «++ ban Njeai stupci predstavljaju komponente vektora nove baze prikazanih pomocu vektora stare baze. Relaciju (7.1) mozemo simboli¢ki zupisivati na nagin (e')=T'(e). Jo& je pogodnije transponirati ovu relaciju: (e')™ = na nacin TT, Sto zapisujemo pregledno tip ees tin = (er, -..,e)] ! : (7.2) fa ses Tan a Predimo sad na izratun komponenti vektora u ove dvije baze. x= eee Xs 5(Sv) = Ls wni)e el Odavde zakljucujemo da vrijedi x= DO yx (7.3) j=l ili, u matriénom zapisu x= Tx’ (7A) Drugim rijetima, trazene Komponente x}, ..., x}, rjeSenje su linearnoga sustava ti fa. tin) PX x : ee (7.5) ee Xn Matrica sustava je regularna jer je punoga ranga (stupei su linearno nezavisni), stoga ovaj sustav uvijek ima (jedinstveno) rjegenje.Prostor R". Za nas je najvazniji primjer prostora R"*. Promotrimo opisane pojmove i njihove veze u ovoj jednostavnijoj situaciji. O elementima prostora R” mozZemo govoriti kao o vektor-stupcima, ili pak o vektor-retcima: to je samo stvar zapisivanja vektora. Mi éemo ovdje zapisivati ele~ mente prostora kao uredene n-torke, Operacije su definirane na nacin; (yen) + Oy Pn) = Ot Yn tet Ya) (xX), . Xn) = (AX, ..-, En). U prostoru R" izdvajamo a karakteristiénih vektora: e, =(1,0,...,0), @ = (0, 1,-..,0), e, = (0,0,...,1). Skup {e;, €2,...,€,} nazivamo kanonskom bazom prostora R". PokaZimo da ovaj skup zaista Cini bazu prostora. Linearna kombinacija tih vektora ima oblik: Ries #2. Ante = Aad 0) Fee # An(Os oes DS Ay ees A) i ona i8¢ezava onda i samo onda kad su svi skalari A; jednaki nuli. Nadalje, bilo koji element x = (x1,...,x,) € R" moze se napisati u obliku X= (tpn) =a, 0) Fo tty, L) Soren +. wna te je on spoj vektora e,,...,€, - Time smo utvrdili da je dimenzija prostora R" jednaka n. ¥ER Baza u svakom vektorskom prostoru ima beskona¢no mnogo, sve su one medu sobom ravnopravne. Mi smo slobedni birati bazu po vlastitome izboru, ovisno 0 pro- blemu koji rjeSavamo. U prostoru R? je za veinu problema najpogodnija kanonska baza, jer su koeficijenti vektora u toj bazi jednaki njegovim koordinatama, Medutim, unekim je problemima nuZno preci i na neku drugu bazu. Opéeniti postupak prijelaza opisali smo u progloj tocki. No, ako je jedna od bazi kanonska, tad se taj postupak pojednostavnjuje. , Neka je dakle e,...,, kanonska, a e},..., e/, neka druga baza. Vektor x ima ute dvije baze prikaz KH xe te FA pee = HOS +... + xh ef. OlakSanje prema opéenitoj situaciji sastoji se u tome Sto je prikaz vektora nove baze preko vektora stare iznimno jednostavan: koordinate vektora jednake su kompo- nentama u tome prikazu: Neka je e, = (ty. tr) = ter t.. + tee C= (fay sy tne) = Hatt +... + tan €ayzapis vektora druge baze. ‘Tad imamo sljedecu vezu: x= Tx’ (7.6) odnosno x =To'x. (7.7) Primjer 7.4. Vektori a, = i+ j, a, = ~2i+j Gine bazu u prostoru V?. Kako glase koordinate to&ke 7(2, 3) kartezijevoga sustava u sustavu (O; a1, a2)? Pitanje je ekvivalentno ovome: Kako glasi rastav radij-vektora tot¢ke T po bazi a, a2? Po formuli (7.6), koordinate dobivamo rjeSavaju¢i sustav [PE] -[3) BE El-sL-Ib]-[ Odavde: eoleeaise |: