Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w), u, v, w V 3. o V : u + o = u, u V 4. ( u V )( ( u) V ) : u + ( u) = o 5. a (u + v) = a u + a v, u, v V, a T 6. (a + b) u = a u + b u, u V, a, b T 7. a (b u) = (a b) u, u V, a, b T Příklad. Ukažme si příklady vektorových prostorů: 0) Položíme-li V = {o}, budeme mít vektorový prostor nad tělesem T (které lze vzít libovolně) skládající se pouze z nulového vektoru. 1) Každé těleso je vekt. prostorem nad sebou samým. Tj. položíme V = T a definujme operace přirozeným způsobem: ( u, v V = T )( a T ) : u + V v := u + T v; a V u := a T u, což znamená, že sčítání ve vekt. prostoru (+ V ) provádím jako sčítání v tělese (+ T ). To samé pro násobení ( V jako T ). Pořád ale nedefinujeme, a tedy ani nesmíme(!) provádět, násobení dvou vektorů. 2) Tzv. aritmetický vektorový prostor T n : T n := {(a 1 ; a 2 ;... ; a n ); a i T }. Vektorem je n-tice (dvojice, trojice,...) prvků tělesa. Sčítání vektorů a násobení prvky tělesa definujeme po složkách: r T, u, v T n, u = (a 1 ; a 2 ;... ; a n ), v = (b 1 ; b 2 ;... ; b n ), pak u + v = (a 1 ; a 2 ;... ; a n ) + (b 1 ; b 2 ;... ; b n ) := (a 1 + b 1 ; a 2 + b 2 ;... ; a n + b n ) r u = r (a 1 ; a 2 ;... ; a n ) := (r a 1 ; r a 2 ;... ; r a n ) 3) Přejdeme k abstraktnějším příkladům. Mějme neprázdnou množinu S a těleso T. Naším vekt. prostorem nad tělesem T bude T S := {f : S T }, tj. prostor zobrazení z S do T. Operace definujeme následovně: r T, s S, f, g T S : (f + g)(s) := f(s) + g(s); (r f)(s) := r f(s) Příklad. Ukážeme si nějaké konkrétní případy výše uvedených příkladů. ad 1) Vezmeme např. těleso reálných čísel R a podíváme se na něj jako na vektorový prostor nad R. Pak našimi vektory jsou reálná čísla, která umíme sčítat 1
a násobit je nějakým reálným číslem. ad 2)Vezměme R 2 (nad R). Jde o známou rovinu, kde má každý vektor dvě složky: u R 2 : u = (x; y), kde x, y R. Vektory sčítáme a násobíme reálným číslem po složkách. Např. pro u = (1; 7), v = (4; 2), r = 0, 5 dostaneme u + v = (5; 5), r v = (2; 1). ad 3) Vezměme S = R a těleso T = R. Tedy naším vekt. prostorem bude R R = {f : R R}, neboli reálné funkce jedné (reálné) proměnné. Vezměme např. vektory, tj. funkce, f = x 2, g = log x 3 a reálné číslo r = 1 3. Pak f + g = x 2 + log x 3 a r g = 1 3 log x 1. 4) Vekt. prostorem je C(R) := {f : R R; fje spojitá}, tj. prostor spojitých funkcí. Platí totiž, že součet spojitých funkcí je spojitá funkce a násobek spojité funkce nějakým (reálným) číslem je opět spojitá funkce. 5)Vekt. prostorem je P n (T ) := {polynomy stupně nejvýše n nad tělesem T} = { n k=0 a kx k ; a k T }. Opět součet a násobení polynomu číslem dává opět polynom (stupně nejvýše n a s koeficienty v tělese T ). Jak ukazují příklady, vektrovým prostorem mohou být nejrůznější věci, se kterými se v matematice setkáváme. Následující poznámka jen ukazuje, že mnoho objektů jsou vlastně jedno a to samé. Poznámka. Všimněme si, že pokud položíme S = {1; 2;... ; n} a T bude nějaké těleso, tak T S je shodné s aritmetickým vekt. prostorem T n. Podobně pro S = N a T = R vekt. prostor R N = {f : N R} není ničím jiným, než prostorem všech (reálných) posloupností { {a n } n=1; a i R }. Přejděme k podrobnějšímu zkoumání (obecných) vekt. prostorů. Prvním pojmem, se kterým se setkáme, je podprostor vektorového prostoru. Definice. Nechť V je vektorový prostor nad T. Pak W je jeho podprostor, značíme W V, pokud platí: W V a W je vektorový prostor nad T (se stejnými operacemi jako V ). Ekvivalentně, lze požadovat, aby W V a W byl uzavřen na operace. Příklad. Zkoumejme podprostory R 2. 1) Každý vekt. pr. musí obsahovat o (nulový vektor). W = {o} patří do V a je uzavřen na operace (sčítáním a násobením se nul. vektor nezmění) - je to tedy (nejmenší) podprostor. 2) Zkusíme do W = {o} přidat další vektor, např. w. Budeme muset W = {o, w} uzavřít - totiž s w, musíme přidat i všechny násobky w reálným číslem. Tím se Pokud toto není jasné, viz vysvětlení na konci textu. 2
vytvoří v R 2 přímka procházející počátkem (tj. nul. vektorem o = (0; 0)). Taky bychom měli mít W uzavřený i na sčítání vektorů, ale sčítání násobků w nám dá jenom (jiný) násobek w, takže jsme hotovi. 3) Pokud bychom do W přidali dva vektory, které neleží na jedné přímce, násobky každého z nich by vytvořili (svou) přímku a sčítáním vektorů z těchto přímek bychom zaplnili celý prostor V. Jednoduše vidíme, že v každém vektorovém prostoru V existují dva podprostory - nulový, tvořený jen nul. vektorem, a celý prostor V. Těmto podprostorům se říká nevlastní. Ostatní podprostory jsou vlastní. Platí následující: průnik libovolného systému podprostorů tvoří podprostor. Díky tomu lze definovat: Definice. Nechť V nad T je vektorový prostor a mějme podmnožinu M V. Pak definujeme lineární obal M := W, což znamená průnik všech podprostorů M W V obsahujících množinu M. Neboli lin. obal M je nejmenší podprostor obsahující M. Dále budeme všude předpokládat M = {v 1 ;... ; v n }. Není to zásadní (a vše, co řekneme, platí i pro nekonečnou množinu), ale zjednoduší to zápis. Lin. obal obal lze také vyjádřit přes lineární kombinace. Platí totiž: { n } M = a k v k ; v k M, a k T, přičemž sumu v zápise výše nazýváme právě lineární kombinací (vektorů v k ). Pokud M = W, pak říkáme, že M generuje W. Definice. Množinu M V nazveme lineárně nezávislou, pokud platí: n a k v k = o a k = 0 Tj. existuje právě jedna lin. kombinace vektorů z M, která se rovná nulovému vektoru a to pokud všechny koeficienty jsou nulové. Také můžeme psát, že lin. nezávislost znamená, že se nemůže stát: n 1 v n = a k v k, tzn. žádný vektor není lineární kombinací těch ostatních. Definice. M je báze vekt. prostoru V, pokud M = V a M je lineárně nezávislá. Dimenze vekt. prostoru V je počet prvků (kterékoli) báze V. Příklad. Mějme M R 3, M = {u, v, w}. Zjistěte, jestli M je lin. nezávislá, pokud: u = (2; 1; 3), v = (1; 3; 2), w = (4; 7; 7) 3
Můžeme si všimnout, že platí 1u + 2v + ( 1)w = o, takže M je lineárně závislá. Ale postup výpočtu je následující. Chceme zjistit, zda rovnice au + bv + cw = o má i jiné řešení než a = b = c = 0. Přepíšeme si rovnici názorně: a 2 1 3 + b 1 3 2 + c 4 7 7 = 0 0 0 Jednoduše to znamená, že musíme vyřešit soustavu rovnic: 2a + b + 4c = 0 a + 3b + 7c = 0 3a + 2b + 7c = 0 Pokud najdeme i nějaké nenulové hodnoty řešení pro trojici (a, b, c), pak je množina M lineárně závislá. (A takové najdeme, jak jsme si ukázali na začátku: a = 1, b = 2, c = 1.) 4
Vysvětlení, proč pro S = {1; 2;... ; n} a těleso T je T S shodné s aritmetickým vekt. prostorem T n : T S = {f : {1; 2;... ; n} T }, neboli máme zobrazení, která číslům 1 až n přiřadí nějaký prvek z tělesa T. Vezměme r T a dvě zobrazení f, g T S a podívejme se na součet f + g a součin r f: f(1) = a 1, f(2) = a 2,..., f(n) = a n, kde a i T g(1) = b 1, g(2) = b 2,..., g(n) = b n, kde b i T (f + g)(1) = f(1) + g(1) = a 1 + b 1, (f + g)(2) = f(2) + g(2) = a 2 + b 2, atd. (r f)(1) = r f(1) = r a 1, (r f)(2) = r f(2) = r a 2, atd. Vidíme, že to přesně opovídá práci v aritmetickém prostoru T n, kde sčítáme a násobíme (prvkem tělesa) po složkách: (a 1 ; a 2 ;...) + (b 1 ; b 2 ;...) = (a 1 + b 1 ; a 2 + b 2 ;...) r (a 1 ; a 2 ;...) = (r a 1 ; r a 2 ;...) 5