Lec3 Vector Spaces

Линейна алгебра
3. Векторни пространства. База и размерност

на векторно пространство
специалности: Математика, Бизнес математика, Приложна

математика, I курс
лектор: Марта Теофилова
3. Векторни пространства
Векторно пространство
Определение
Непразно множество V се нарича линейно (векторно) пространство
над числовото поле K, ако е снабдено с две действия – събиране,
което на всеки два елемента u, v ∈ V съпоставя елемент u + v ∈ V ,
наречен сума на u и v и умножение с число, което на всеки елемент
v ∈ V и c ∈ K съпоставя елемента cv ∈ V , наречен произведение на
c и v, при което за произволни u, v, w ∈ V и c, d ∈ K са изпълнени
следните осем свойства (аксиоми):
1) u + v = v + u (комутативност при събиране);
2) (u + v) + w = u + (v + w) (асоциативност при събиране);
3) съществува елемент o ∈ V такъв, че v + o = v за всеки елемент
v ∈ V ; елементът o се нарича нулев елемент на V ;
4) за всеки елемент v съществува елемент (−v) такъв, че v +(−v) =
o; елементът (−v) се нарича противоположен елемент на v;
Векторно пространство
5) c(u + v) = cu + cv (дистрибутивност относно множител от K);

6) (c + d)v = cv + dv (дистрибутивност относно множител от V );
7) (cd)v = c(dv) (асоциативност при умножение с множител от K);
8) 1v =v.
Елементите на V се наричат вектори. Действията събиране на век-

тори и умножение на число с вектор се наричат линейни действия
(операции).
Ако K = R, то V се нарича реално векторно пространство, а ако
K = C, то V се нарича комплексно векторно пространство.
Някои следствия от аксиомите за векторно пространство
• Нулевият елемент на всяко векторно пространство е единствен.

• Противоположният елемент на всеки елемент на векторно прост-
ранство е единствен.
• 0v = o за всяко v ∈ V .
• (−1)v = −v за всяко v ∈ V .
• co = o за всяко c ∈ K.
• Ако cv = o, то или c = 0, или v = o.
• Ако u и v са произволни вектори от V , то уравнението u + x = v
има единствено решение x ∈ V , което се определя от x = v+(−u)
и се нарича разлика на векторите v и u (означаваме с v − u).
Примери за векторни пространства
• Всяко числово поле K е векторно пространство над себе си. Сле-

дователно векторни пространства са множеството на рационални-
те числа Q, множеството на реалните числа R и множеството на
комплексните числа C относно естествените операции събиране
и умножение с число, дефинирани над тези числови множества.
• Множеството на свободните (геометричните) вектори, т.е. на на-
сочените отсечки, с линейните действия събиране на вектори (по
правилото на триъгълника или правилото на успоредника) и ум-
ножение на вектор с реално число е реално векторно пространс-
тво. Нарича се геометрично векторно пространство.
• Множеството Rn = {(x1 , x2 , ..., xn )|x1 , x2 ..., xn ∈ R}, n ∈ N, на

наредените n-торки от реални числа e векторно пространство над
R относно операциите събиране и умножение с реално число,
дефинирани съответно чрез:
(x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn ),

c(x1 , x2 , ..., xn ) = (cx1 , cx2 , ..., cxn )
за произволни (x1 , ..., xn ), (y1 , ..., yn ) ∈ Rn и c ∈ R.

Нулевият елемент на Rn е наредената n-торка (0, 0, ..., 0). Тогава
противоположният елемент на (x1 , ..., xn ) ∈ Rn е (−x1 , −x2 , ..., −xn ).
Същото важи и за множеството Cn = {(x1 , x2 , ..., xn )|x1 , x2 ..., xn ∈
C}, n ∈ N, на наредените n-торки комплексни числа.
• Множествата Mm×n (R) и Mm×n (C) на матриците от тип m×n с
елементи съответно реални или комплексни числа относно дейс-
твията събиране на матрици от един и същ тип и умножение на
матрица с реално или съответно комплексно число (дефинирани
в Лекция 2) са съответно реално и комплексно векторно прост-
ранство.
• Множеството Rn [x] на полиномите на x с реални коефициенти
от степен ≤ n, n ∈ N, е реално векторно пространство относно
операциите събиране на полиноми и умножение на полином с
реално число.
Ако f (x) = an xn + ... + a1 x + a0 и g(x) = bn xn + ... + b1 x + b0 са
елементи на Rn [x], а c ∈ R, то:
(f + g)(x) = (an + bn )xn + ... + (a1 + b1 )x + (a0 + b0 ),

(cf )(x) = can xn + ... + ca1 x + ca0 .
• Множеството C[a, b] от всички реални непрекъснати функции в

интервала [a, b], a, b ∈ R е реално векторно пространство относно
следните операции:
(f + g)(x) = f (x) + g(x), (cf )(x) = cf (x),
където f (x), g(x) ∈ C[a, b], c ∈ R. Нулевият елемент на C[a, b] е

нулевата функция, т. е. числото 0. Противоположният елемент на
f (x) ∈ C[a, b] е −f (x).
Векторни подпространства
Непразното подмножество W на векторното пространство V (∅ = 6
W ⊆ V ) се нарича векторно подпространство на V , ако W е векторно
пространство относно линейните действия, дефинирани над елемен-
тите на V . В такъв случай записваме W ≤ V .
Твърдение
Непразното подмножество W на векторното пространство V е вектор-
но подпространство на V , точно когато е изпълнено едно от следните
еквивалентни условия:
1) W е затворено относно линейните действия над елементите на V ,
т. е. за произволни u, v ∈ W и c ∈ K имаме: u + v ∈ W и cv ∈ W ;
2) За всеки u, v ∈ W и c, d ∈ K имаме cu + dv ∈ W .
Векторни подпространства
Множеството {o} е векторно пространство и се нарича нулево век-

торно пространство.
Очевидно за всяко векторно пространство V е изпълнено V ≤ V ,
{o} ≤ V . Тези векторни подпространства се наричат тривиални век-
торни подпространства на V .
Нулевият елемент на дадено векторно пространство V принадлежи
на всяко негово векторно подпространство.
Примери
Подмножеството M = {(x, y, 0)|x, y ∈ R} на векторното пространство

R3 на наредените тройки реални числа е векторно подпространство
на R3 , защото за всеки v = (x1 , y1 , 0), w = (x2 , y2 , 0) от M и c ∈ R е
изпълнено v + w = (x1 + x2 , y1 + y2 , 0) ∈ M и cv = (cx1 , cy1 , 0) ∈ M
(т.е. множеството M е затворено относно линейните действия в R3 ).
Подмножеството N = {(x, y, 1)|x, y ∈ R} на векторното пространство
R3 не е векторно подпространство на R3 , тъй като за v = (x1 , y1 , 1) и
w = (x2 , y2 , 1) от N сумата v +w = (x1 +y1 , x2 +y2 , 2) не е елемент на
N . Друг начин да установим същото е като забележим, че нулевият
елемент на V , т.е. наредената тройка o = (0, 0, 0), не принадлежи на
множеството N .
Линейна комбинация на вектори
Нека V е векторно пространство над полето K, {v1 , v2 , ..., vn } е про-

изволна система от вектори на V , а c1 , c2 , ..., cn ∈ K. Вектор u от
вида
u = c1 v1 + c2 v2 + ... + cn vn
се нарича линейна комбинация на векторите v1 , v2 , ..., vn .
Една линейна комбинация се нарича тривиална, ако всички коефици-
енти в тази комбинация са равни на нула.
Множеството span{v1 , v2 , ..., vn } от всички линейни комбинации на
{v1 , v2 , ..., vn } е векторно пространство над K и още по-точно, вектор-
но подпространство на V .
Линейно зависими системи от вектори
Система от вектори {v1 , v2 , ..., vn } се нарича линейно зависима, ако
съществуват числа c1 , c2 , ..., cn , поне едно от които е различно от нула,
така че да е в сила равенството
c1 v1 + c2 v2 + ... + cn vn = o.
Векторите на линейно зависима система се наричат линейно зави-

сими вектори.
С други думи, една система от вектори на дадено векторно простран-

ство е линейно зависима, ако нулевият вектор на това пространство
може да се представи като тяхна нетривиална линейна комбинация.
Пример за линейно зависими вектори
Нека разгледаме наредените тройки (вектори на R3 ): v1 = (1, −1, 2),
v2 = (3, 0, −1) и v3 = (9, −3, 4), за които непосредствено се проверява,
че е в сила равенството
3v1 + 2v2 − v3 = o = (0, 0, 0).
Следователно, съгласно определението от предходния слайд, систе-

мата от вектори {v1 , v2 , v3 } е линейно зависима.
Забележете, че поне един от векторите v1 , v2 или v3 (в този случай
и трите вектора) може да се представи като линейна комбинация на
останалите два:
1 3 1 2
v3 = 3v1 + 2v2 , v2 = v3 − v1 , v1 = v3 − v2 .
2 2 3 3
Както ще видим по-нататък, това е една важна характеристика на
линейно зависимите вектори.
Линейно независими системи от вектори
Система от вектори {v1 , v2 , ..., vn } се нарича линейно независима,
ако само тривиалната линейна комбинация на векторите от системата
е равна на нулевия вектор, т. е. равенството
c1 v1 + c2 v2 + ... + cn vn = o
е изпълнено, точно когато c1 = c2 = ... = cn = 0.

Векторите на линейно независима система се наричат линейно не-
зависими вектори.
Пример за линейно независими вектори
Нека разгледаме наредените тройки (вектори на R3 ): v1 = (1, −1, 2)
и v2 = (3, 0, −1). Използвайки определенията, ще проверим дали сис-
темата от двата вектора {v1 , v2 } е линейно зависима или линейно
независима.
Приравняваме произволна линейна комбинация на тези вектори, т.е.
израза xv1 + yv2 (x, y ∈ R) на нулевия вектор o = (0, 0, 0). Така полу-
чаваме xv1 + yv2 = o. Ще търсим стойностите на x и y, за които е из-
пълнено последното равенство. След извършване на линейните дейс-
твия, това равенство е еквивалентно на (x + 3y, −x, 2x − y) = (0, 0, 0),
откъдето достигаме до системата хомогенни линейни уравнения

x + 3y = 0

−x = 0

2x − y = 0.
Тъй като единственото решение на горната система е x = y = 0, то
нулевият вектор се изразява само като нулева линейна комбинация на
v1 и v2 . Следователно тези вектори са линейно независими.
Твърдение
Система от един вектор е линейно зависима, точно когато този вектор
е нулевият.
Система от два или повече вектора е линейно зависима, точно ко-
гато поне един от тези вектори може да се представи като линейна
комбинация на останалите вектори от системата.
Твърдение
Всяка система от вектори, която съдържа линейно зависима подсис-
тема, е линейно зависима.
Всяка линейно независима система съдържа само линейно независи-
ми подсистеми.
Твърдение
Ако една система от вектори съдържа нулевия вектор, то тази система
е линейно зависима.
Пораждащи системи от вектори
Системата от вектори {v1 , v2 , ..., vn } на векторното пространство V се
нарича пораждаща за V , ако всеки вектор на V се изразява като
линейна комбинация на v1 , v2 , ..., vn , т.е. V = span{v1 , v2 , ..., vn }.
Казва се още, че тази система поражда V , а V е породено от нея.
Векторите на една пораждаща система могат да бъдат както линейно

независими, така и линейно зависими. На следващите два слайда ще
разгледаме такива примери.
Векторно пространство V се нарича крайномерно, ако притежава
пораждаща система от краен брой вектори. В противен случай то се
нарича безкрайномерно.
Примери за пораждащи системи
Нека разгледаме векторите e1 = (1, 0) и e2 = (0, 1) на векторното

пространство R2 . Тъй като всеки вектор u = (a, b) на R2 може да се
представи във вида
u = ae1 + be2 = a(1, 0) + b(0, 1) = (a, b),
то системата {e1 , e2 } е пораждаща за R2 .

Освен това от горното равенство се вижда, че всеки вектор на R2 се
представя по единствен начин като линейна комбинация на e1 и e2 .
Както ще видим по-късно, това се дължи на факта, че двата вектора
от тази система са линейно независими.
Примери за пораждащи системи
Нека разгледаме друга система от вектори на R2 , която се състои от
трите наредени двойки v1 = (1, 1), v2 = (1, −1) и v3 = (2, 0). Нека
u = (a, b) е произволен вектор на R2 . Равенството
xv1 + yv2 + zv3 = v ⇐⇒ (x + y + 2z, x − y) = (a, b)
е еквивалентно на системата линейни уравнения

x + y + 2z = a

x − y = b.
Последната система има безброй много решения за коефициентите в

линейната комбинация x, y и z, които могат да се запишат във вида
x = a+b−2z
2 , y = a−b−2z
2 , z ∈ R. Следователно всеки вектор на R2
може да се представи като линейна комбинация на v1 , v2 и v3 (т.е. те
са пораждащи за R2 ), но представянето не е единствено. Последното
се дължи на факта, че векторите v1 , v2 и v3 са линейно зависими
(v3 = v1 + v2 ).
Забелязаното от нас в предходните два слайда се потвърждава от
следното
Твърдение
Нека системата от вектори {v1 , v2 , ..., vn } на векторното пространство
V е пораждаща за V . Тогава системата {v1 , v2 , ..., vn } е линейно не-
зависима, точно когато всеки вектор на V се представя по единствен
начин като линейна комбинация на v1 , v2 , ..., vn .
База (базис) на векторно пространство
Наредена система от вектори на ненулево векторно пространство V ,
която е линейно независима и пораждаща за V , си нарича база (ба-
зис) на V . Векторите, които образуват база, се наричат базисни.
Нулевото векторно пространство V = {o} не притежава база, тъй като

всички негови вектори, т.е. векторът o, са линейно зависими.
Твърдение
Всяко ненулево крайномерно векторно пространство притежава база.
Размерност на векторно пространство
Твърдение
Нека системата от вектори {v1 , v2 , ..., vn } на V е база на ненулевото
крайномерно векторно пространство V . Тогава всяка система от век-
тори на V , която съдържа повече от n на брой вектора, е линейно
зависима.
Твърдение
Всички бази на ненулево крайномерно векторно пространство съдър-
жат равен брой вектори.
Броят на векторите в произволна база на ненулевото крайномерно
векторно пространство V се нарича размерност на V и се означава
с dimV .
Твърдение
За n-мерно векторно пространство V (т.е. dimV = n) са в сила след-
ните твърдения:
• всяка линейно независима система на V съдържа най-много n
вектора;
• всяка пораждаща система на V притежава най-малко n вектора;
• всяка линейно независима система от n вектора е база на V ;
• всяка пораждаща система на V от n вектора е база на V ;
• всяка система от n + 1 вектора на V е линейно зависима.
Стандартни бази и размерност на някои векторни
пространства
Стандартната база на векторното пространство Rn се състои от век-

торите
e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0..., 0), ..., en = (0, 0, 0, ..., 1).
Размерността на това векторно пространство е dimRn = n.

В частност, стандартната база на R2 се състои от векторите e1 = (1, 0)
и e2 = (0, 1), а тази на R3 – от векторите e1 = (1, 0, 0), e2 = (0, 1, 0) и
e3 = (0, 0, 1).
Стандартната база на векторното пространство Mm×n (R) се състои

от матриците:
   
1 0 ... 0 0 1 ... 0
 0 0 ... 0   0 0 ... 0 
E11 = 
 ... ... ... ...  , E12 =  ... ... ... ...
   , ...,

0 0 0 0 0 0 0 0
   
0 0 ... 1 0 0 ... 0
 0 0 ... 0   0 0 ... 0 
E1n =
 ...
 , ..., Emn =  .
... ... ...   ... ... ... ... 
0 0 0 0 0 0 0 1
Следователно dimMm×n (R) = mn.
В частност, стандартната база на векторното пространство M2×2 (R)

на квадратните матрици от втори ред се състои от матриците:

1 0 0 1 0 0 0 0
E1 = , E2 = , E3 = , E4 =
0 0 0 0 1 0 0 1
и затова dimM2×2 (R) = 4.
Стандартната база на Rn [x] се състои от полиномите 1, x, x2 , ..., xn .

Тогава dimRn [x] = n + 1.
Координати на вектор относно база
Нека V е n-мерно векторно пространство над K с база e = {e1 , e2 , ..., en }.

Тогава произволен вектор v ∈ V се представя по единствен начин като
линейна комбинация на векторите e1 , e2 , ..., en , т.е. изразяването
v = x1 e1 + x2 e2 + ... + xn en
е еднозначно, където x1 , x2 , ..., xn ∈ K.
Числата от наредената n-торка (x1 , x2 , ..., xn ), т.е. коефициентите в
линейното представяне на вектора v по базата e = {e1 , e2 , ..., en }, се
наричат координати на вектора v относно базата e = {e1 , e2 , ..., en }
на V . Записваме v(x1 , x2 , ..., xn ).
Литература
Т. Моллов, Ст. Миховски. Линейна алгебра. Пловдивско универ-
ситетско издателство Паисий Хилендарски, Пловдив, 2008.
П. Балючев, К. Коликов, А. Стоянова. Ръководство за решаване
на задачи по линейна алгебра. Пловдивско университетско изда-
телство Паисий Хилендарски, Пловдив, 1996.
D. C. Lay, S. R. Lay, Judi J. McDonald. Linear algebra and its applications,
5th ed. Pearson, 2016.
G. Strang. Linear algebra and its applications, 4th ed. Nelson Engineering,
2007.
G. Strang, Introduction to linear algebra, 5th ed. Wellesley-Cambridge
Press, 2016, http://math.mit.edu/∼gs/linearalgebra/.
H. Anton, C. Rorres. Elementary linear algebra (applications version),
11th ed. Wiley, 2014.
P. J. Olver, Ch. Shakiban. Applied linear algebra, 2nd ed. Springer,
2018.
T. S. Shores. Applied linear algebra and matrix analysis, 2nd ed.
Springer, 2018.

Lec3 Vector Spaces

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lec3 Vector Spaces

Uploaded by

Copyright:

Available Formats

Линейна алгебра

3. Векторни пространства. База и размерност

специалности: Математика, Бизнес математика, Приложна

лектор: Марта Теофилова

5) c(u + v) = cu + cv (дистрибутивност относно множител от K);

Елементите на V се наричат вектори. Действията събиране на век-

• Нулевият елемент на всяко векторно пространство е единствен.

• Всяко числово поле K е векторно пространство над себе си. Сле-

• Множеството Rn = {(x1 , x2 , ..., xn )|x1 , x2 ..., xn ∈ R}, n ∈ N, на

(x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn ),

за произволни (x1 , ..., xn ), (y1 , ..., yn ) ∈ Rn и c ∈ R.

(f + g)(x) = (an + bn )xn + ... + (a1 + b1 )x + (a0 + b0 ),

• Множеството C[a, b] от всички реални непрекъснати функции в

(f + g)(x) = f (x) + g(x), (cf )(x) = cf (x),

където f (x), g(x) ∈ C[a, b], c ∈ R. Нулевият елемент на C[a, b] е

Множеството {o} е векторно пространство и се нарича нулево век-

Подмножеството M = {(x, y, 0)|x, y ∈ R} на векторното пространство

Нека V е векторно пространство над полето K, {v1 , v2 , ..., vn } е про-

Векторите на линейно зависима система се наричат линейно зави-

С други думи, една система от вектори на дадено векторно простран-

3v1 + 2v2 − v3 = o = (0, 0, 0).

Следователно, съгласно определението от предходния слайд, систе-

е изпълнено, точно когато c1 = c2 = ... = cn = 0.

Векторите на една пораждаща система могат да бъдат както линейно

Нека разгледаме векторите e1 = (1, 0) и e2 = (0, 1) на векторното

u = ae1 + be2 = a(1, 0) + b(0, 1) = (a, b),

то системата {e1 , e2 } е пораждаща за R2 .

xv1 + yv2 + zv3 = v ⇐⇒ (x + y + 2z, x − y) = (a, b)

е еквивалентно на системата линейни уравнения

Последната система има безброй много решения за коефициентите в

Нулевото векторно пространство V = {o} не притежава база, тъй като

Стандартната база на векторното пространство Rn се състои от век-

Размерността на това векторно пространство е dimRn = n.

Стандартната база на векторното пространство Mm×n (R) се състои

Следователно dimMm×n (R) = mn.

В частност, стандартната база на векторното пространство M2×2 (R)

и затова dimM2×2 (R) = 4.

Стандартната база на Rn [x] се състои от полиномите 1, x, x2 , ..., xn .

Нека V е n-мерно векторно пространство над K с база e = {e1 , e2 , ..., en }.

е еднозначно, където x1 , x2 , ..., xn ∈ K.

You might also like