P. 1
Seminarski rad Vektori u prostoru

Seminarski rad Vektori u prostoru

|Views: 821|Likes:
Published by bogsanja

More info:

Published by: bogsanja on Apr 13, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

06/10/2013

pdf

text

original

PANEVROPSKI UNIVERZITET ''APEIRON'' FAKULTET POSLOVNE EKONOMIJE

SEMINARSKI RAD
PREDMET: VIŠA MATEMATIKA TEMA: POJAM VEKTORSKOG PROSTORA I POTPROSTORA

Student: Svjetlana Roguljić Index br. 200-10/VPM

Mentor: Jakupović Esad

....................................................................................... POTPROSTOR........................................................ POJAM VEKTORSKOG PROSTORA............................ 6.............. 3............. godine SADRŽAJ: Strana: 1...................................................Banja Luka........................... BAZA I DIMENZIJA.................. ZAKLJUČAK........................................................ februar 2010.............. 3 8 10 14 16 17 5............... VEKTORSKI PROSTOR V 3 ................................................................................... 2 ..................................... LITERATURA................................................... 4.......................... 2......................................................

kaˇzemo da je F polje. u tom sluˇcaju svuda umjesto R treba stajati F). Binarne operacije zbr ajanja + : R × R → R i mnoˇzenja · : R × R → R na skupu realnih brojeva imaju sljede´ca svojstva: (1) α + (β + γ) = (α + β) + γ. Postoje i brojni drugi primjeri. Kad god imamo neki skup F na kojem su zadane binarne operacije zbrajanja + : F × F → F i mnoˇzenja · : F × F → F koje imaju navedenih devet svojstava (pri ˇcemu. ∀α. U tom smislu. Preciznije bi bilo re´ci da je uredena trojka (F. Definicija 2. β. dakle. u prostorima V 2 (O) i V 3 (O) definirano je mnoˇzenje radij vektora realnim brojevima. α = 0. Pritom su nam vaˇznija od same prirode realnih brojeva bila svojstva algebarske strukture koju ˇcini skup R zajedno s operacijama zbrajanja i mnoˇzenja. podsjetimo se prvo pravila raˇcunanja s brojevima. · : F × V → V . β.1. ∈ V . ∈ R. Primijetimo da je rijeˇc o 3 . γ ∈ R. ∀α ∈ R. ∀α. Nasuprot tomu. Kako smo ve´c nazn aˇcili u uvodnom poglavlju. Kaˇzemo da je uredena trojka (V. skup cijelih brojeva Z s uobiˇcajenim operacijama zbrajanja i mnoˇzenja nije polje jer u Z nije zadovoljen uvjet (7). struktura koja se sastoji od skupa snabdjevenog dvjema operacijama koje trebaju zadovoljavati navedenih 8 svojstava. ∀α ∈ R. kao i skup kompleksnih brojeva C daljnji primjeri polja. Konkretno. ∀α ∈ F. Odmah vidimo da su i skup racionalnih brojeva Q.1 P O JAM VEKTORS KOG PROSTORA . ∀a ∈ V . (2) postoji 0 ∈ R sa svojstvom α + 0 = 0 + α = α. (3) za svaki α ∈ R postoji −α ∈ R tako da je α + (−α) = −α + α = 0. prethodna napomena se moˇze jezgrovito reformulirati: skup realnih brojeva s uobiˇcajenim operacijama zbrajanja i mnoˇzenja je polje. (9) α(β + γ) = αβ + αγ. ∀α. ∀α. c ∈ V . ∀α. postoji α−1 ∈ R tako da je αα−1 = α−1 α = 1. (5) α(βγ) = (αβ)γ. u formalnoj definiciji vektorskog prostora dopustit ´cemo da ulogu polja skalara umjesto skupa R igra bilo koje odabrano polje F. Preciznije. b ∈ V . Neka je V neprazan skup na kojem su zadane binarna operacija zbr ajanja + : V × V → V i operacija mnoˇzenja skalarima iz polja F.2. b . ∀a ∈ V .1. (5) α(βa) = (αβ)a. ∀α. β. +. Napomena 2. vektorski prostor je struktura koja je izgrađena ”nad poljem skalara”. (6) postoji 1 ∈ R sa svojstvom 1 · α = α · 1 = α. bitno nam je bilo da je skup R polje. ∀a ∈ V . +. ·) polje jer je rijeˇc o zajedniˇckim svojstvima skupa F i na njemu definiranih binarnih operacija + i ·. (4) α + β = β + α. vektorski prostor je skup na kojem su zadane binarna operacija zbrajanja i operacija mnoˇzenja skalarima koje poˇstuju ”uobiˇcajena” raˇcunska pravila. Grubo govore´ci. Da bismo definiciju mogli iskazati precizno. Vektorski prostor je. ∀a. b. (6) (α + β)a = αa + βa.1. γ ∈ R. β ∈ F. ∀a ∈ V . ∀a. β. β. (3) za svaki a ∈ V postoji −a ∈ V tako da je a + (−a) = −a + a = 0. U tom smislu. (8) αβ = βα. γ ∈ R. ∀α. (2) postoji 0 ∈ V sa svojstvom a + 0 = 0 + a = a. (7) α(a + b) = αa + αb. ∈ R. ∀a. (8) 1 · a = 1. (7) za svaki α ∈ R. (4) a + b = b + a. ·) vektorski prostor nad poljem F ako vrijedi: (1) a + (b + c) = (a + b) + c. β ∈ F. naravno.

U oba sluˇcaja elemente polja oznaˇcavat ´cemo malim grˇckim slovima i zvati skalarima . kao i u prethodnoj definiciji.) No. zamislimo da postoji i vektor n ∈ V koji zadovoljava a + n = n + a = a. Stoga ´cemo se ograniˇciti samo na ova dva sluˇcaja. pa su viˇse tehn iˇcke prirode. +.3. Analogno. tada bismo imali i 0 + n = 0. (e) Formalno. primjerice.1.1. jer je zbrajanje binarna operacija na V . No kad je iz konteksta jasno o kojim se operacijama i o kojem polju radi. (b) Uvjet (4) nalaˇze da za svaki vektor a postoji njemu ”suprotan” −a koji zadovoljava a + 4 . Posebno. jer je mnoˇzenje skalarima preslikavanje s F × V u V . (d) Kad god to bude mogu´ce. korisno je uz definiciju vektorskog prostora navesti i niz konkretnih pojaˇsnjenja i opaski. Poput. oznaˇcavati malim latinskim slovima.1. obiˇcaj je da se elementi vektorskog prostora uvijek nazivaju vektorima. ·) nad poljem F. za one nad poljem C kaˇzemo da su kompleksni. dobro je definiran umnoˇzak svakog skalara iz F sa svakim elementom iz V i rezultat te operacije je opet element skupa V . za svaka dva elementa. pokazat ´ce se da teorija realnih vektorskih prostora svoje prirodno upotpunjenje dobiva tek u ovom. taj je zbroj jedinstveno odreden element skupa V . To je smisao fraze ”V je vektorski prostor nad F”. neovisni o izboru polja. Op´ci plan je da sada na naˇcelnom. naˇse definicije i teoremi ´ce biti iskazani simultano za oba sluˇcaja i tada ´ce u iskazima stajati simbol F. dakle. govori se o uredenoj trojci (V. Ipak. U posebnim sluˇcajevima izrijekom ´ce se navesti o kojem polju je rijeˇc. Vektore ´cemo. (b) U definiciji vektorskog prostora priroda elemenata skupa V je irelevantna. po definiciji. Vektorski prostori nad poljem R nazivaju se realni vektorski prostori. Naˇcelno. Daljnji komentari definicije odnose se na postavljene uvjete (1)-(8). ∀a ∈ V . zbroj je definiran za svaka dva elementa iz V i. zajedno s operacijama ˇcija se prisutnost u definiciji zahtijeva. Sˇtoviˇse. Napomena 2. oznaka F ´ce znaˇciti iskljuˇcivo R ili C. Zaista. teoreme ?? i ??). Navodimo ih u sljede´coj formalnoj napomeni. apstraktnom nivou istraˇzimo svojstva svih vektorskih prostora. (c) U definiciji vektorskog prostora zahtijeva se da na skupu V bude definirano i mnoˇzenje vektora elementima polja F. Od sada nadalje. rezultat zbrajanja bilo koja dva vektora je jedinstven i zato je n = 0. (a) Svojstvo (3) u definiciji govori o postojanju neutralnog eleme nta za zbrajanje. pisat ´cemo jednostavno V . Primijetimo da je 0 jedini vektor u vektorskom prostoru koji ima to svojstvo. ”vektorski prostor V 2 (O)”.identiˇcnim pravilima raˇcunanja koja smo otkrili kao zakonitosti u prostorima V 2 (O) i V 3 (O) (usp. Smisao definicije je da skup V . zadovoljava postavljene uvjete. Napomena 2. (Naˇsi pilot-primjeri V 2 (O) i V 3 (O) su realni prostori i nije bilo naznaka da bi teoriju trebalo ˇsiriti i na kompleksne prostore. Uz ovaj naˇcelni komentar. tj. simultan tretman realnih i kompleksnih vektorskih prostora ne´ce dodatno opteretiti naˇsa razmatranja jer ´ce gotovo svi argume nti biti univerzalni. jer je nulvektor neutralan za zbrajanje. formalna definicija vektorskog prostora je i nastala tako da smo apstrahirali prirodu skupova V 2 (O) i V 3 (O) i usredot oˇcili se na strukturu prisut nu u oba prostora. Time su implicitno navedene joˇs dvije vaˇzne ˇcinjenice: prvo. U drugu ruku.2. (a) Uoˇcimo da su operacije na vektorskom prostoru. Taj je oznaˇcen simbolom 0 i naziva se nulvektor. preslikavanja. Ipak. svih skupova V (zajedno s odgovaraju ´cim operacijama + i ·) koji zadovoljavaju definiciju 2. F moˇze biti bilo koje polje. ˇsto god po svojoj naravi bio.4. najvaˇzniji su sluˇcajevi vektorskih prostora sagradenih nad poljem realnih ili kompleksnih brojeva. ˇsirem kontekstu. U drugu ruku. U trenutku nije jasna potreba da se teorija postavi toliko ˇsiroko. Sad je bitno da je zbrajanje funkcija. vrijedi i n + 0 = n.

αa2 . V 2 (O). . i bez formalne provjere. bn ) = (a1 + b1 . . Zaista. Rn je Kartezijev produkt od n kopija skupa R). . . . . Jedino (8) ne vrijedi ˇcim je V = {0}. Naravno. Sasvim lagano se provjere svi uvjeti iz definicije 2. . npr. a2 + b2 . (f ) Preth odni primjer pokazuje da je uvjet (8) nezavisan od ostalih. ve´c otprije znamo da je ovo vektorski prostor. an ) = (αa1 . jedino zahvaljuj u´ci tomu. naime. S filozofskog stajaliˇsta ova svojstva treba razumjeti kao zahtjev da dvije operacije definirane na vektorskom prostoru budu jedna s drugom vezane. moˇze se. Odavde odmah zaklj uˇcujemo da vrijedi −0 = 0 i −(−a) = a. najjednost avniji je vjerojatno (Z. ·) zadovoljava uvjete (1)-(7). . Na kraju. (c) Svojstvo (5) iz definicije vektorskog prostora zove se kvaziasocijativnost. Samo zahvaljuj u´ci uvjetu (8) ovako konstruiran primjer ipak nije vektorski prostor. i mogu´ce vektor suprotan vektoru a oznaˇcavati funkcionalnom oznakom −a). R2 s ovako uvedenim operacijama je.(4).2 su medusobno nezavisni. . (d) Svojstva (6) i (7) zovu se distributivnost mnoˇzenja prema zbrajanju skalara. za α ∈ R. usklađene. Takvih primjera je mnogo. Neka je n ∈ N. 2. odnosno vektora. nego koordinatna realizacija vektorskog prostora V 2 (O). uoˇcimo da u sadrˇzaju pojma suprotnog vektora nema geometrijskih konotacij . odabranog. Pogledajmo sada najvaˇznije primjere vektorskih prostora: 1. Sada uz upotrebu asocijativnosti (to je uvjet (1)) i svojstvo neutralnog elementa (uvjet (2)) imamo b = b + 0 = b + (a + c) = (b + a) + c = 0 + c = c. termin ”suprotan vektor” inspiriran je stvarnim izgledom suprotnog radij vektora u prostorima V 2 (O) i V 3 (O). Za svaki a ∈ V suprotni vektor je jedinstveno određen (te je. Uvjeti iz definicije 2. . Na manipulativnom nivou njima ´cemo se sluˇziti kao i kad raˇcunamo u polju (uoˇcimo da i ovdje moˇzemo govoriti o izluˇcivanju kad oba pravila ˇcitamo s desna na lijevo). . an ) + (b1 . no treba uoˇciti da tako dobivena struktura (V. α(a1 . dok je suprotni vektor −a definiran kao objekt koji se odnosi samo na dani vektor a. . Da se to pokaˇze. Naravno da ovakvo degenerirano mnoˇzenje nije zanimljivo. . da na skupu V imamo binarnu operaciju + sa svojstvima (1) . . Zamislimo. te neka Rn oznaˇcava skup svih uredenih n-torki realnih br ojeva (drugim rijeˇcima. Na skupu R2 svih uredenih parova realnih brojeva definiramo zbrajanje (a1 .rijeˇc je iskljuˇcivo o izvjesnom algebarskom svojstvu. kao ˇsto smo to gore uˇcinili za uvjet (8). +. konstruirati primjer u kojem bi bili zadovoljeni svi uvjeti iz definicije osim tog.2. za svaki pojedini uvjet. a2 ) = (αa1 . Uz ovako uvedene operacije R2 je realan vektorski prostor. ∀α ∈ F. +). αan ). Definirajmo sada mnoˇzenje skalarima iz polja F formulom αv = 0. Lako se vidi da je uz ovako definirane operacije i Rn realan vektorski prostor. Moˇze se pokazati da isto vrijedi i za sve ostale uvjete. kao prirodno poop´cenje 5 .(−a) = −a + a = 0. . Definirajmo (a1 . ∀v ∈ V . . Primijetimo da smo time dobili ˇcitavu seriju prostor Rn . αa2 ). . No. niˇsta drugo. b2 ) = (a1 + b1 . b2 . n ∈ N. a2 ) + (b1 . V 3 (O). c ∈ V sa svojstvom a + b = b + a = 0 i a + c = c + a = 0. pretpostavimo da u vektorskom prostoru V za neki vektor a postoje vektori b. a2 + b2 ) i mnoˇzenje realnim skalarima α(a1 .1.1. (e) Posljednji zahtjev izgleda neduˇzno ali je vaˇzan jer prijeˇci da u druˇstvo vektorskih prostora uđu i neke degenerirane strukture. Nadalje. . an + bn ) i. a2 . . Uoˇcimo da je nulvektor univerzalan (jedan za sve). Prefiks kvazi upozorava da se u jednakosti pojavljuju dvije vrste mnoˇzenja: mnoˇzenje u polju i mnoˇzenje vektora skalarima. 3. a2 . . Istim argume ntima se vidi da je i R3 s analogno definiranim operacijama također realan vektorski prostor. i ovdje ´cemo umjesto a + (−b) pisati jednostavno a − b i govoriti o ”oduzimanju” (toˇcno kako smo navikli pri raˇcunanju s brojevima i radijvektorima).

4. . . i. . . (U sluˇcaju m = n umjesto Mmn obiˇcaj je pisati kratko Mn . Ako u prethodna dva primjera uzmemo n = 1. a1n ) a21 a22 . . 7. kompleksnim skalarima). ovisno o tome ˇsto odaberemo za F. Primjeri (3) i (4) imaju svoje prirodno poop´cenje u vektorskim prostorima matrica. 5. kako i R i C s uobiˇcajenim operacijama zbrajanja i mnoˇzenja zadovoljavaju sve uvjete iz definicije 2. . prostor nad samim sobom). . Uoˇcimo da nul-prostor moˇzemo shvatiti i kao realan i kao kompleksan vektorski prostor. Definicije operacija su identiˇcne. j) oznaˇcavamo kra´ce s aij i onda. ∀α ∈ F. . .2. za razliku od svih drugih primjera u kojima su vektori i skalari raznor odni objekti. te time postaje kompleksan vektorski prostor za sve n ∈ N. a2n ) (( ) A= .prostora R2 i R3 koje smo poznavali od ranije. . . dakle. . . . dogovorno. . ( ) . Oˇcito. S obzirom na to da je rijeˇc o funkcijama odmah zakljuˇcujemo da su matrice A = [aij ] i B = [bij ] s m redaka i n stupaca jednake ako i samo ako vrijedi aij = bij . te ´ce ovo biti kompleksan vektorski prostor (vektore iz Cn mnoˇzimo. b2n ) . . Joˇs neinspirativniji je vektorski prostor {0} koji se sastoji od samo jednog vektora i na kojem su operacije dane s 0 + 0 = 0. . )+( ) ( ) ( . . . 2. a2n ) ( b21 . ) . zapisujemo u pravokutnu m × n tablicu i to u i-ti redak i j-ti stupac. Za prirodne brojeve m i n neka Mmn (F) oznaˇcava skup svih matrica s m redaka i n stupaca s koeficijentima iz polja F. )=( ) ( ) ( am1 . . m} × {1. 6 ) . rijeˇc je o legitimnim primjerima vektorskih prostora.) Tipiˇcan element skupa Mmn (F) zapisujemo u obliku ( a11 a12 . . . 6. Ova dva primjera nisu inspirativna. . n. . . za α ∈ F. 2. n} → F uz dogovor da U stvari je rijeˇc o funkcijama funkcijsku vrijednost A(i. a2n + b2n ) . pa je i ovo vektorski prostor. te α · 0 = 0. a1n + b1n . a1n . . .2. . . . No. . . primj e´cujemo da je i polje R realan vektorski prostor (dakle. (a m1 am2 . Cn s ovako uvedenim operacijama ima svih osam svojstava iz definicije 2. . . amn) A : {1. jedino je sada rijeˇc o uređenim n-torkama kompleksnih brojeva. . Sada definiramo ( a11 ) ( b11 . . . . . odnosno kompleksni brojevi. Zovemo ga trivijalnim ili nulprostorom. ∀j = 1. . potpuno analogno moˇzemo opskrbiti strukturom vektorskog prostora. m. n ∈ N. . 2.1. ∀i = 1. . ) ) ) ( a21 ( ( ( . ( a11 + b11 ( a21 + b21 . kao ˇsto je i polje C kompleksan vektorski prostor. Skup Cn . u stvari se radi o izvjesnoj degeneraciji jer. ovdje su i vektori i skalari realni. amn . U ovom sluˇcaju govorimo o kvadratnim matricama reda n. 2. .1. Odmah se vidi da su zadovoljeni svi formalni uvjeti. . b1n .

) ) ) . ( ( . .) ( ) ( a21 . . . ) ) ( ( ( ) . . αa2n ) . a1n α αa11 ( αa21 )= ( . . αamn 7 . . . . . amn . . a2n ( . am1 . . αam1 . . . . a11 . αa1n . .

) i mnoˇzenje skalarima iz polja F s α(a1 . 10. I ovdje se lako provjeravaju sva traˇzena svojstva. . a2 . ∀a ∈ V . 9. Operacije zbrajanja polinoma i mnoˇzenja polinoma skalarima imamo otprije.Nije teˇsko provjeriti (pa i ovdje izostavljamo detalje) da uz ove operacije skup Mmn (F) postaje vektorsk prostor nad poljem F. . Joˇs uvijek ne znamo koliko iznosi α0. moˇzemo npr. te neka Pn oznaˇcava skup svih polinoma s koeficijentima iz polja F ˇciji je stupanj manji ili jednak n. Sliˇcno kao i kod matrica. (1) Uzmimo da je α = 0. b ∈ V . a ako polje ˇzelimo naglasiti koristit ´cemo proˇsirenu oznaku poput Pn (R). Obratno. ∀α ∈ F. (2) (−α)a = α(−a) = −(αa). Tada je. govorimo o jednostu pˇcanim matricama. odnosno kompleksnim matricama. ∀α. . 8. ako je n = 1. odnosno kompleksnih brojeva. 11. ali to je neki vektor iz V pa. a3 + b3 . ovisno o tome gledamo li polinome s realnim ili kompleksnim koeficijentima.2 dovoljno univerzalna da struktura koju prouˇcavamo . a2 + b2 . Na ovaj naˇcin smo dobili vektorske prostore nizova realnih. i u op´cim se vektorskim prostorima iz definicionih uvjeta izvode daljnja raˇcunska pravila. pret postavimo da vrijedi αa = 0. U daljnjem ´cemo pisati jednostavno Mmn ako u tom trenutku nije vaˇzno o kojem se polju radi (u smislu da se tada sve reˇceno odnosi na oba sluˇcaja). αa2 . ∀a ∈ V . Ne moramo se zaust aviti na polinomima. prema (3) iz definicije 2. U konkretnim sluˇcajevima govorimo o realnim. dobivamo 0 · a = 0. Neka je V vektorski prostor nad poljem F.1. Neka P oznaˇcava skup svih polinoma. a2 . odnosno Mmn (C). No i ovako vidimo kako je definicija 2.) Sad objema stranama dobivene jednakosti dodamo −a. ∀a. Sliˇcno. Ako α .5. . kad se za to ukaˇze potreba. Rade´ci analogno kao u prostorima Fn definiramo zbrajanje nizova kao (a1 . . Primjera je joˇs mnogo.) = (αa1 . αa3 .) = (a1 + b1 . Ako pak uzmemo a = 0 onda za proizvoljan skalar α zakljuˇcujemo ovako: α0 + α0 = α(0 + 0) = α0. . no ovdje moˇzemo zastati. . (3) α(a − b) = αa − αb. I ovo je. . realan ili kompleksan. . Smisao je u tome da ´ce tada svaki dobiveni rezultat. definicione uvjete (8).1. . slijedi α0 = 0. . vektorski prostor. t ∈ R.1. uvesti i opisati u hodu. bez ograniˇcenja na stupanj. promatrati skup C (R) svih neprekidnih funkcija na R. (6) i ponovno (8). Ako je α = 0. ∀α ∈ F. Uz ove operacije i skup Pn postaje vektorski prostor. a3 . Ta nas okolnost potiˇce da teoriju razvijamo u punoj op´cenitosti.vektorski prostor ima mnogo razliˇcitih realizacija. Tada je: (1) Za α ∈ F i a ∈ V vrijedi αa = 0 ako i samo ako je α = 0 ili a = 0. postoji vektor njemu suprotan. pisat ´cemo Mmn (R). Daljnje primjere ´cemo. (4) (α − β)a = αa − βa. Uoˇcimo i da su za m = 1 elementi prostora M1n uredene n-torke skalara. Neka FN oznaˇcava skup svih nizova realnih. Dokaz.). i mnoˇzenja realnim skalarima (αf )(t) = αf (t). odnosno kompleksnih br ojeva. pisat ´cemo kratko Pn ili P ako nam polje u momentu nije vaˇzno. . b3 . Kao i u prostorima radij vektora. ovisno o tome nad kojim poljem radimo. β ∈ F. ˇzelimo li pak naglasiti da govorimo o realnim ili kompleksnim matricama. odnosno svaki teorem biti primjenjiv u svim vektorskim prostorima. uz uobiˇcajene operacije s polinomima.2. Uz koriˇstenje asocijativnosti zbr ajanja i neutralnosti nulvektora. (Uoˇcimo da smo u prethodnom nizu jedna kosti koristili. za svaki a ∈ V . . Inaˇce se kaˇze da smo ovdje operacije zbrajanja funkcija i mnoˇzenja funkcija skalarima definirali ”po toˇckama”. Ovisno o izboru polja F opet govorimo o realnim ili kompleksnim polinomima. i C (R) postaje vektorski prostor. Primijetimo da smo dobili dvije serije vektorskih prostora. nema se ˇsto dokazivati. . zajedno s nul-polinomom. tj. a3 . redom. Uz operacije zbar ajanja (f + g)(t) = f (t) + g(t). na sasvim apstraktnom nivou. . Navedimo neka: Pro pozicija 2. Neka je n ∈ N. t ∈ R. Dodamo li −(α0) objema stranama dobivene jednakosti. b2 .) + (b1 . a + 0 · a = 1 · a + 0 · a = (1 + 0)a = 1 · a = a.

(b) Linearno zavisni skupovi su. . . Drugim rij eˇcima. .1. α2 .2. . + αk ak . pri ˇcemu je a1 .1.1. nulvektor se moˇze prikazati kao linearna kombinacija elemenata skupa S samo na trivijalan naˇcin. ak }. X αi ai = 0 ⇒ α1 = α2 = . . . . . 2. . rezultat je α−1 (αa) = 0.2. a2 . Neka je V vektorski prostor nad F i S = {a1 . konaˇcan skup vektora iz V . α2 . a2 . oni koji nisu nezavisni. (a) Istaknimo joˇs jednom puni smisao prethodne definicije: za svaki konaˇcan skup S = {a1 . . U tom smislu je onda prirodno i u op´coj. .2. . .2 i pravila dokazana u propoziciji 2. αk ∈ F i k ∈ N.3. Napomena 2.2. . α1 . .1. No u formalnom dokazu se nismo smjeli osloniti niti na koji konkretan primjer vektorskog prostora. . Zato ´cemo u daljnjem i uvjete (1)-(8) iz definicije 2. Prema upravo dokazanom. Linearna nezavisnost skupa S znaˇci da je to jedini naˇcin kako moˇzemo dobiti 0 linearno kombinir aju´ci elemente skupa S. po definiciji. ak ∈ V . . Smisao ove definicije postaje oˇcit u usporedbi s tvrdnjama korolara ?? i??. . Eksplicitno. = αk = 0. α2 . . ak } je linearno zavisan ako ∃αi . Poruka je prethodne propozicije da u svakom vektorskom prostoru zaista vrijede pravila na kakva smo navikli pri raˇcunanju s brojevima. Izraz oblika α1 a1 + α2 a2 + . . k} X α i ai = 0 i k . . U njima smo pokazali da se nekolinearnost. . BAZA I DIMENZIJA Definicija 2. Sve ˇcetiri tvrdnje prethodne propozicije su oˇcite u vektorskim prostorima radijvektora V 2 (O) i V 3 (O).2. . . . . odnosno nekomplanarnost radijvektora moˇze algebarski opisati upravo implikacijom (1) iz prethodne definicije. zauzimaju ”razliˇcite smjerove”. . . k ∈ N. pa daljnje detalje izostavljamo. . . . . Definicija 2. . . . . Neka je V vektorski prostor nad F.= 0 onda postoji α−1 ∈ F pa jednakost αa = 0 moˇzemo mnoˇziti s α−1 . αk . apstraktn oj situaciji zamiˇsljati da vektori linearno nezavisnog skupa S. = αk = 0. . Korist e´ci svojstva (5) i (8) iz definicije 2. naziva se linearna kombinacija vektora a1 . Sliˇcno se dokazuju i ostale tvrdnje. Kaˇzemo da je skup S linearno nezavisan ako vrijedi k (1) α1 . . . . zadovoljavaju´ci uvjet (1). αk ∈ F takvi da αj = 0 bar za jedan j ∈ {1. 2. a2 . αk ∈ F. . Zato se metoda dokaza i svela iskljuˇcivo na formalno manipuliranje s definicionim uvjetima. niti su potrebne zagrade koje bi nazn aˇcavale redoslijed zbrajanja (jer zbrajanje u V je asocijativno). . ve´c nam je jedino sredstvo na raspolaganju bio skup uvjeta iz definicije 2. . a2 .1. ak } vektora u V linearna kombinacija i=1 αi ai = 0 ´ce oˇcito biti Pk jednaka 0 odaberemo li koeficijente α1 = α2 = . . bez eksplicitnog citiranja.2. .5 koristiti preˇsutno. odavde dobivamo a = 0. a2 . i=1 U suprotnom kaˇzemo da je skup S linearno zavisan. Uoˇcimo da je linearna kombinacija pojam definiran samo za konaˇcno mnogo vektora. . To je uvijek dobro definiran vektor iz V koji ne ovisi o poretku vektora koje kombiniramo (jer zbrajanje u V je komutativno). ak s koeficijentima α1 . S = {a1 .

a2 .2 i govori o nezavisnim i zavisnim skupovima). 6. ~~ ~ To je oˇcito kad promotrimo skup {0. To je direktna posljedica komutativnosti zbrajanja u vek.U ovom sluˇcaju. Ako je skup S = {a1 . k} takav da je aj linearna kombinacija preostalih elemenata skupa S. 0. a = 0. . al−1 . . . ak }. 2. (0. = αl = 0. . vektora a1 . k ≥ 2.2. . j} u V 2 (O). 0). (e) Svaki skup koji sadrˇzi nulvektor je zavisan. onda postoji l ∈ {2. razliˇcit od 0) onda. posebno je α1 = . . postoji element u S koji se moˇze prikazati ˇcak kao linearna kombinacija svojih prethodnika. a2 . te ako je a1 = 0.2. bar jedan vektor se sigurno moˇze izraziti kao linearna kombinacija ostalih. (0. drugoj tvrdnji propozicije ne moˇze izost aviti. . . Primijetimo da se pretpostavka a1 = 0 u ovoj. . onda je oˇcito 1 · 0 + 0 · a2 + . Sad pak iz nezavisnosti skupa S zaklj uˇcujemo da su svi koeficijenti u ovoj linearnoj kombinaciji nuˇzno jednaki 0. Nasuprot tome skup {a1 = (1. . 0). 1. ak }. a2 = (1. 0). −2. . l < k. 0. (f ) Zavisnost. 2. jednoˇclan skup {a} je nezavisan. (g) Svaki podskup nezavisnog skupa je nezavisan. ako je npr. a2 . Primjer 2.1. kako ima smisla za vektore zavisnog skupa govoriti da su medusobno zavisni. taj skup je zavisan jer sadrˇzi ~0. ˇstoviˇse. Skup S = {a1 . k} takav da je al linearna kombinacija svojih prethodnika u skupu S. 3)} u istom prostoru je zavisan jer vrijedi a3 = 2a1 − a2 . tj.5. . Preth odna propozicija daje jednost avan kriterij za utvrdivanje zavisnosti danog skupa. 1. + 0 · ak = 0 i. 0.4.tors kom prostoru. . . . . . u vektorskom prostoru V je linearno zavisan ako i samo ako postoji j ∈ {1. Ovo je oˇcito iz propozicije 2. U tom smislu druga tvrdnja je vrijedno profinjenje ove konstatacije: ako znamo da je skup S zavisan. 0. odnosno zavisnim skupovima. . dakle. Nije sasvim precizno govoriti o nezavisnim i zavisnim vektorima (te zato definicija 2. a2 . Da to pokaˇzemo. . a3 = (1. PO TPRO STO R . . (d) Za svaki a ∈ V. ). Zaista. . (h) Izravno iz prethodne tvrdnje slijedi: svaki nadskup zavisnog skupa je zavisan. a2 . uzmimo nezavisan skup S = {a1 . Pro pozicija 2. 1. . zahvaljuju´ci prethodnoj opasci (f ). (c) Najˇceˇs´ce atribut linearno ispuˇstamo pa govorimo o nezavisnim. al }. kad je skup zavisan. a u njemu niti jedan element nije mogu´ce prikazati kao linear nu kombinaciju preth odnika. 0. kako je prvi koeficijent razliˇcit od 0. 0. 1)} linearno nezavisan skup u R4 . 2. . .5(1) . . Sljede´ca propo. . ako poredak njegovih elemenata drˇzimo fiksnim te ako znamo da je prvi vektor netrivijalan (tj. uvijek moˇzemo prenumerirati).zicija pokazuje. medutim. (Uzimaju´ci ovakav podskup T ne gubimo na op´cenitosti jer S. . . a1 = 0. Lako se vidi da je {(1. nulvektor moˇzemo iskazati kao linearnu kombinaciju vektora skupa S i na neki netrivijalan naˇcin. 1. . odnosno nezavisnost ne ovisi o poretku vektora u promatranom skupu S. skup je zavisan. . i. (0. 3.2. ureden. . −1). k ≥ 2. linearno zavisan. ak } i njegov podskup T = {a1 . 0. . Posebno.

dobivamo upravo (i). ovi se uvjeti mogu objediniti: idu´ci korolar jamˇci da je M potprostor ako i samo ako je zatvoren na sve dvoˇclane linearne kombinacije vlastitih vektora. ∀α ∈ F. asocijativno i komutativno i zbrajanje svih vektora iz M . ∀a.1. pisat ´cemo M ≤ V . ∀a.3. Jasno je da su mnogo zanimljiviji oni pravi. odnosno F × M s vrijednostima u M . Oˇcito je taj podskup zapravo realizacija prostora V 2 (O) u xy-ravnini te je. ∀a ∈ M . Nuˇznost navedenih uvjeta je oˇcita.1. Neka je V vektorski prostor nad F i M neprazan podskup od V . . posebno. Ako sad u (∗) uvstimo α = β = 1. Dokaz. (ii) αa ∈ M.Jasno je da svaki vektorski prostor ima dva ”rubna” potprostora. Ako sad primijenimo uvjet (ii) na vektor a i skalar 0.1. b ∈ M . U tom smislu se kaˇze da su operacije na M naslijedene iz V. pogledajmo netrivijalan radijvektor ~a ∈ V 2 (O) i njegovu linearnu ljusku: [{~a}] = {λ~a : λ ∈ R}. +. ∀α. b ∈ M. Pro pozicija 2. No. Neka je V vektorski prostor nad F i M neprazan pod. i sam za sebe vektorski prostor s istim operacijama koje su definirane na ˇcitavom V 3 (O). Sliˇcno. Definicija 2. Ovakvu situaciju. gdje je jedan vektorski prostor smjeˇsten u drugome. Na primjer: zbrajanje svih vektora u V je asocijativno i komutativno pa je. Da dokaˇzemo dovoljnost tre.Promotrimo prostor V 3 (O) i u njemu podskup svih radij vektora ˇcije zavrˇsne toˇcke leˇze u xy-ravnini. a pretpostavljeni uvjeti (i) i (ii) upravo jamˇce da ´ce restrikcije na M operacija definiranih na V zaista biti presli kavanja s M × M .2. odmah se vidi da su ti uvjeti automatski naslijedeni iz V . htjeli bismo prouˇciti u punoj op´cenitosti. Tada je M potprostor od V ako i samo ako vrijedi (i) a + b ∈ M.3. to su {0} i sam V . U oba sluˇcaja odmah se vidi da je definicioni uvjet zadovoljen na trivijalan naˇcin. te se zapravo i nema ˇsto provjeravati. Treba dokazati da je uvjet (∗) ekvivalentan uvjetima (i) i (ii) iz prethodne propozicije.bamo provjeriti uvjete iz definicije 2.3. M = ∅. moˇzemo uzeti neki a ∈ M . β ∈ F. netrivijalni potprostori prostora V koji su razliˇciti i od nulprostora i od prostora V . ·) vektorski prostor nad F uz iste operacije iz V . dakle.2. Sliˇcno dobivamo i (ii) ako za proizvoljan a ∈ V skoristimo (∗) s α ∈ F. Korolar 2. Odaberimo proizvoljne a. Dokaz. zakljuˇcujemo da je 0 ∈ M . Kad je M potprostor od V . Na sliˇcan se naˇcin provjere i ostali uvjeti. I kaˇze se da su ovi potprostori trivijalni. Prema pretpostavci M je neprazan skup. Ako je i (M. Preost aje provjeriti osam uvjeta iz definicije 2. Dalje. Štoviˇse.2. odnosno na F × M .3. jer je M neprazan. Uoˇcimo da se izrijekom zahtijeva da M bude vektorski prostor uz operacije koje su ve´c definirane na V .skup od V . Pretpostavimo da vrijedi (∗). b ∈ V . Tada je M potprostor od V ako i samo ako vrijedi (∗) αa + βb ∈ M. Vidjeli smo da se V 2 (O) moˇze shvatiti kao potprostor od V 3 (O). Neka je V vektorski prostor nad F i M ⊆ V. U stvari se radi o restri kcijama funkcija + : V × V → V i · : F × V → V na M × M . kaˇzemo da je M potprostor od V . β = 1 i b = 0. Cˇ esto se tvrdnja prethodne propozicije izriˇce tako da se kaˇze kako je neprazan podskup M prostora V potprostor od V ako i samo ako je M zatvoren na zbrajanje i mnoˇzenje skalarima.

U suprotnom.11. oznaˇcimo s Li . ∀i. dakle. nemogu´ce zbog korolara 2. korolar 2. Tada je i L ∩ M potprostor od V . Zaista. bilo bi logiˇcno za oˇcekivati da onda vrijedi dim M ≤ n.tora V (pri T ˇcemu je indeksni skup I proizvoljno velik. b ∈ L i jer je L potprostor. familiju svih potprostora od V koji sadrˇze S. Ako bismo prethodno dobili taj podatak. . posebno.3. ¤ Napomena 2. Uoˇcimo da ta familija sadrˇzi barem jedan potprostor. b ∈ L ∩ M i proizvoljne skalare α i β. uoˇcimo da za B 2= (bij ) ∈ A jednakost bij = −bji . te neka je M potprostor od V . . [{a1 . moˇzemo na´ci a2 ∈ M \ [{a1 }]. Uzmimo zato M = {0} i odaberimo a1 ∈ M. naime. a tada bi. onda bi. Primijenit ´cemo korolar 2. ovaj argume nt nije kompletan! Problem je u tome ˇsto mi a priori ne znamo da je i potprostor M konaˇcnodimenzionalan (koliko god to bilo ”logiˇcno”). korolar 2.4) da je skup {a1 . Pro pozicija 2. Ako je M = {0} nemamo ˇsto dokazivati. an+1 } bio nezavisan.22 . i ∈ I . pokazuje da svi dijagonalni koeficijenti moraju biti jednaki 0. Osim toga. jer je M potpros.4. a2 . uzmimo da vrijedi (i) i (ii). Na isti naˇcin zakljuˇcujemo da je i αa + βb ∈ M . onda je M = V . imamo [{a1 }] ⊆ M . . .3. + (n − 1) = 1 n(n − 1). onda je i i∈I Mi takoder potprostor od V . . . Ipak.2. an }] = M . Uzmimo proizvoljne a. . Zato je αa + βb ∈ L ∩ M . onda je. Neka je V vektorski prostor takav da je dim V = n < ∞. opet smo gotovi (i vidimo da je dim M = 2). Preostaje primijeniti (i). U suprotnom. posebno. β ∈ F. a. Zaista.3. Ako je Mi . te da je M potprostor od V . . .tor. skup {a1 . Kako je M potpros. mogu´ce i beskonaˇcan). Dokaz. prema napomeni 2. Ako vrijedi [{a1 }] = M . To je. Pro pozicija 2. an .2. opet zbog propozicije 2. i ∈ I . familija potprostora vektorskog pros.3 povlaˇci da je αa + βb ∈ L. pa prema korolaru 2. b2 . . bm } bio baza za M (ˇsto implicitno znaˇci da je dim M = m). Da bismo dokazali (∗) uzmimo proizvoljne a. Dokaz. Konaˇcno.3.menzionalan.3. u protivnom bismo mogli odabrati vektor an+1 ∈ M \ [{a1 . U najviˇse n koraka dobit ´cemo [{a1 . Uoˇcimo da to znaˇci (zbog propozicije 2. Dokaz koji slijedi je zato korigirana verzija prethodnog argume nta.22 slijedi m ≤ n. Dokaz ove tvrdnje je zapr avo identiˇcan dokazu prethodne propozicije. Jer je. Naime. medutim. . Ako pret. an }].Obratno. . Ovaj posljednji argume nt ujedno dokazuje i drugu tvrdnju propozicije. .3. da vrijedi [S] . postupak analogno nastavimo.8. onda je {a1 } sustav izvodnica za M (ˇstoviˇse baza).3. Tvrdimo. . B linearno nezavisan skup u V .tor.10. ako bi skup B = {b1 . a2 }] ⊆ M . j. Pojam potprostora definiran je neovisno o dimenziji prostora. a2 }] = M .2. Zato je dim A = 1 + 2 + . . b ∈ V i α.2. Uzmimo sada proizvoljan neprazan podskup S vektorskog prostora V . a2 . . Ako je [{a1 . sam V . pa je M konaˇcnodi. Tada je dim M ≤ n.4. Neka je V vektorski prostor te neka su L i M njegovi potprostori. a onda na β i b) da zakljuˇcimo kako je αa ∈ M i βb ∈ M . Sad prvo primijenimo (ii) (na α i a. Tvrdimo da je [S] presjek svih potprostora od V koji sadrˇze skup S (te je zato [S] zapravo najmanji potprostor od V koji sadrˇzi S). . a1 = 0. . naˇsa argume ntacija bila besprije korna.postavimo da je prostor V konaˇcnodimenzionalan i da vrijedi dim V = n. Ako je M potprostor od V takav da je dim M = n. medutim.2. a2 .22 pokazuje da je dim V ≥ 2. a2 } nezavisan pa. posebno.

cs } tako dobivene baze potprostora L. Neka je B0 = {a1 . moˇzemo potraˇziti najmanji potprostor od V koji tu uniju sadrˇzi. dakle. To nas dovodi upravo u situaciju kakvu smo razmatrali u prethod. Da dokaˇzemo obrat. . . Kako je.16. odnosno M . Jasno je da vrijedi dim (L ∩ M ) ≤ dim L. tj.19. br } i BM = {a1 . Suma L + M je direktna ako i samo ako svaki vektor v ∈ L + M dopuˇsta jedinstveni prikaz u obliku v = a + b.prostori L. c ∈ L i b. ak . No taj je vektor jednak onome na desnoj strani jednakosti koji. c2 .3. b2 . najmanji potprostor istog prostora V koji sadrˇzi i L i M . Tada je L + M = {x + y : x ∈ L. leˇzi u M . presjek nul-potprostor. . . . trebao bi. . Neka su L i M potprostori vektorskog prostora V . dim L = k + ri dim M = k + s. Ako su ~a i ~b kolinearni. iz analognih razloga.3. prema pretpostavci. . . Neka je V vektorski prostor. ~ Za razliku od presjeka. netrivijalne radijvektore ~a. naravno. Posebno je i −a ∈ L ∩ M . Kad ve´c unija L ∪ M dva potprostora vektorskog prostora V nije potprostor od V . To znaˇci da postoji a ∈ L ∩ M. nemogu´ce. b ∈ M . M . onda [{~a}] i [{b}] zapravo predst avljaju dva pravca kroz ishodiˇste. na primjer.3. ak . dvaput primjenjuj u´ci propoziciju 2. a2 . ak } baza za L ∩ M . ~b ∈ V 2 (O) i ~ jednodimenzionalne potprostore [{~a}] i [{b}] od V 2 (O). .2.niti do baze za L i do baze za M . i∈I Li ⊆ Li0 = [S].= T i∈I Li . Vektor na lijevoj strani jednakosti je u L jer L je potprostor i a. . Zato je a − c ∈ L ∩ M . Kad bi [{~a}] ∪ [{b}] bio potprostor. slijedi a − c = 0. . M ≤ V i pot. . Primijetimo usput da je iz definicije jasno kako vrijedi L + M = M + L. te neka su L i M potprostori od V . te neka su L i M njegovi potprostori. c1 . a2 . y ∈ M }. ¤ Ako je V konaˇcnodimenzionalan prostor. Idu´ca propozicija otkriva pozadinu naziva suma i oznake +. . onda su. a2 . ˇsto moˇzemo pisati kao a−c = d−b. . sadrˇzavati i vektor ~a + ~b ˇsto je. pret postavit ´cemo da suma nije direktna. Definicija 2. Mnogo viˇse o odnosu ovih dimenzija govori sljede´ci teorem.3. dakle a = c. . c ∈ L. ti se potprostori oˇcito podudar aju. Uoˇcimo da smo time implicitno oznaˇcili dim (L ∩ M ) = k. To je vidljivo i iz naredne propozicije. .15. Uzmimo da je suma direktna. Suma potprostora L i M oznaˇcava se s L + M i definira kao L + M := [L ∪ M ]. dim M ≤ dim (L + M ). Pro pozicija 2. Teorem 2. Dokaz. a ∈ L. d ∈ M . . L ∩ M = {0}. .13. a = 0. Pretpostavimo da za vektor v ∈ L + M vrijedi v = a + b i takoder v = c + d pri ˇcemu su a. Pro pozicija 2.3. prema korolaru 2. pripada sumi L + M ima dva razliˇcita rastava u obliku zbroja jednog vektora iz L i jednog iz M : 0 = 0 + 0 i 0 = a + (−a). Neka je V vektorski prostor. . Neka su BL = {a1 . Suma potprostora L i M je. moˇzemo ga. Uvrˇstavanjem u jednakost a + b = c + d dobivamo i b = d. Kako je to nezavisan skup i u L i u M . Ako su ~a i ~b nekolinearni. Odavde je a+b = c+d.noj napomeni. Pogledajmo.12. Neka je V konaˇcnodimenzionalan prostor. moˇze se pokazati da ´ce unija dvaju potprostora biti potprostor jedino u sluˇcaju kad je jedan od tih potprostora sadrˇzan u drugom (ˇsto je posve nezanimlji va situacija). . . za L. b1 . oˇcito. unija dvaju potprostora nekog vektorskog prostora gotovo nikad ne´ce ~ biti potprostor. Op´cenito. dopu. te neka su L i M njegovi potprostori. L ∩ M i L + M konaˇcnodimenzionalni. Sad nulvektor koji.3. Tada je dim (L + M ) + dim (L ∩ M ) = dim L + dim M . Dokaz.

da odabrani potprostor M prostora V prirodno in. Neka je V vektorski prostor. nad tim istim poljem skalara ´cemo graditi prostor V /M .3.cije. dakle. . To bi znaˇcilo da je dim (L + M ) = k + r + s = dim L + dim M − dim (L ∩ M ) i tvrdnja teorema time bi bila dokazana. . c2 . odaberimo x0 ∈ [x] i y 0 ∈ [y]. dakle. Treba. Vektor x naziva se repreze ntantom ili predst avnikom ove klase ekvivalen.24. kako je a ∈ M . a jer je M potprostor. Definicija je jedna ko prirodna kao definicija zbrajanja. ali takoder i kao [x0 + y 0 ]. a2 . . Da bismo to pokazali. Napokon. x. y ∈ [x]. a to je ekvivalentno s x + y ∼ x0 + y 0 .Sada tvrdimo da je BL ∪ BM = {a1 . x ∼ z. Po definiciji to znaˇci da je x ∼ y. to pokazuje da je y ∈ x + M . x ∈ V . . Obratno. cs } baza za L + M . Svaki skup oblika x + M = {x + a : a ∈ M }. po definiciji je [x] = {y ∈ V : x ∼ y}. po definiciji naˇse relacije. Definicija je sasvim prirodna: klase ekvivalencije odredene repreze ntatima x i y zbrajamo tako da vektore x i y zbrojimo u polaznom prostoru V i onda zbroj [x] + [y] definiramo kao klasu ˇciji repreze ntant je upravo x + y. Kako je M potprostor. Definicija 2. Za x ∈ V vrijedi x ∼ x jer M sadrˇzi 0. b2 . Da bismo to uˇcinili. pri ˇcemu je x+M oznaˇcava skup {x+a : a ∈ M }. uzmimo najprije y ∈ [x]. po definiciji. . vrijediti [x + y] = [x0 + y 0 ]. Primijetimo da je tada [x0 ] = [x] i [y 0 ] = [y]. Sad bismo ˇzeljeli i u kvocijentni skup V /M uvesti strukturu vektorskog prostora. Za α ∈ F i [x] ∈ V /M definiramo α[x] = [αx]. Za dani x ∈ V s [x] oznaˇcavamo klasu ekvivalencije1 odredenu vektorom x. a to smo i htjeli. c1 . Uoˇcimo da se ista klasa [x] moˇze predoˇciti i drugim predst avnicima. Odavde je y − x = a i. Ako je x ∼ y onda je. Kako je M potprostor. to znaˇci da postoji a ∈ M takav da je y = x + a. Sada je zbroj ovih dviju klasa definiran kao [x + y]. Definirajmo zbrajanje klasa ekvivalencije (tj. neovisna o izboru predst avnika pojedinih klasa. Time smo pokazali D a je operacija zbrajanja linearnih mnogostru kosti zaista dobra. Na kraju ovog dijela uvodimo joˇs jednu vaˇznu konstru kciju s potprostorima. . Lako je vidjeti da je ∼ relacija ekvivalencije na V . relacija je i tranzitivna jer iz x ∼ y i y ∼ z imamo y − x ∈ M i z − y ∈ M . ako smo za repreze ntante odabrali vektore x0 i y 0 . . b1 . x ∈ V . Neka je M potprostor od V. Time smo provjerili refleksivnost i simetr iˇcnost. tj. dokazali smo da je x ∼ y. tj. . iz op´ce teorije skupova znamo da vrijedi [x] = [y] ⇔ x ∼ y. ne nuˇzno konaˇcnodimenzionalan. naziva se linearna mnogostru kost u smjeru potprostora M . dakle. Oznaˇcimo li y − x s a. Na V definiramo binarnu relaciju ∼ formulom x ∼ y ⇔ y − x ∈ M. No.ducira relaciju ekvivalencije na V . Sjetimo se takoder da je prostor V disjunktna unija svih klasa ekvivalencije [x]. Precizno: ako je [x] = [x0 ] i α ∈ . Skup svih linearnih mnogostru kosti u smjeru potprostora M oznaˇcava se s V /M i naziva kvocijentni skup ili kvocijent (prostora V po potprostoru M ). I ovdje smo duˇzni provjeriti da rezultat mnoˇzenja linearne mnogostru kosti skalarom ne ovisi o izboru repreze ntantna. y − x ∈ M . dakle y − x ∈ M . Sasvim analogno ´cemo definirati mnoˇzenje skalarima. . ak . Neka je M potprostor prostora V . Kako je y − x = a ∈ M . slijedi i (y − x) + (z − y) ∈ M . tada je i x − y ∈ M ˇsto upravo znaˇci y ∼ x. linearnih mnogostru kosti) na sljede´ci naˇcin: [x] + [y] = [x + y]. x. Vidjeli smo. moˇzemo pisati y = x + a. a jednako je i deli katna. s x0 + y 0 − (x + y) ∈ M . ako je V vektorski prostor nad F. . i zbroj ova dva vektora ´ce ostati u M . ∀x ∈ V . . y ∈ V . br . tj. z − x ∈ M pa je. y ∈ V . Problem s ovom definicijom je u tome ˇsto moramo pokazati da je konziste ntna (ˇcesto se kaˇze dobra). Klase ekvivalencije za ovako uvedenu relaciju moˇzemo i preciznije opisati: vrijedi [x] = x+M. odnosno. iz x ∼ x0 i y ∼ y 0 imamo x0 − x ∈ M i y 0 − y ∈ M . . Prije svega. dakle je (x0 −x)+(y 0 −y) ∈ M . ako je y ∈ x + M .

. onda imamo razloga vjerovati da je takav i V /M pa ima smisla pokuˇsati odrediti i dimenziju kvocijentnog prostora. detalje izostavljamo. . . y ∈ V i α(x + M ) = αx + M. ak } neka baza za M i B = {a1 .3.25. . Teorem 2. a2 . Sada. Ako pretpostavimo da je V konaˇcnodimenzionalan. Tada je uz operacije (x+M )+(y +M ) = (x+y)+ M. te je [x] = {x}. Ako je M = {0} onda je x ∼ y ⇔ x = y. (an + M )} baza za V /M (evidentno. x ∈ V ) da navedene operacije s linearnim mnogostru kostima moˇzemo zapisati i u obliku (x+M )+(y +M ) = (x + y) + M . odmah se vidi da su svi potrebni uvjeti osigurani odgovaraju´cim svojstvima operacija u V . Neka je V vektorski prostor nad poljem F. To ´cemo uˇciniti navode´ci sve relevantne ˇcinjenice bez dokaza. y ∈ V . Teorem 2. VEKTORSKI PROSTOR V3 Na kraju. a2 .prostoru M ). . (ak+2 + M ). Neka je V konaˇcnodimenzionalan vektorski prostor i M njegov potprostor. . Neka je BM = {a1 . Uoˇcimo joˇs (s obzirom da je [x] = x + M. te u ovom sluˇcaju dobivamo samo jednu klasu ekvivalencije: V /V = {[0]}. ak . onda je jasno da je x ∼ y. Dosad aˇsnja diskusija o kvocijentnim prostorima nije bila ovisna o dimen. V /V je nulprostor. Na primjer. treba pokazati da vrijedi [αx] = [αx0 ].ziji polaznog prostora. Kako je provjera sasvim sliˇcna onoj maloprij aˇsnjoj. . dakle. Za A. an } neko njezino nadopunjenje do baze za V . α(x + M ) = αx + M .D5 mogu se na´ci u [?]. .F. Ve´c smo vidjeli da su operacije navedene u izreci teorema dobro definirane. Vektorski prostor V /M naziva se kvocijentni prostor (prostora V po pot. stavimo dim V = n i dim M = k. No. zbrajanje u V /M je asocijativno toˇcno zato ˇsto je zbrajanje u prostoru V asocijativno: ((x + M ) + (y + M )) + (z + M ) = ((x + y) + z) + M = (x + (y + z)) + M = (x + M ) Sliˇcno se provjere i ostali uvjeti. 4.3. ak+1 . Dokaz. uvedimo joˇs prostor V 3 klasa orijentiranih duˇzina i objasnimo njegovu vezu s prostorom V 3 (O).26. do na formalizam u razlici izmedu elemenata x ∈ V i {x} ∈ V /{0}. Ako je pak M = V . to ´ce dokazati i viˇse nego ˇsto se u iskazu teorema tvrdi). . gdje je prostor V 3 iscrpno i sustavno opisan. Tvrdimo da je tada skup {(ak+1 + M ). . α ∈ F. te neka je M potprostor od V . . Preostaje provjeriti uvjete iz definicije vektorskog prostora. Dokaz. Zato je u ovoj situaciji kvocijentni skup V /M u bijekciji s polaznim prostorom V i zapravo se. imamo definirane operacije + : V /M × V /M → V /M i · : F × V /M → V /M ˇsto je preduvjet da V /M bude vektorski prostor. kvocijentni skup V /M vektorski prostor nad F. radi o istom prostoru. . ∀x. B) se naziva orije ntirana duˇzina s poˇcetkom u toˇcki A i . x. . Primijetimo da trivijalni izbori M = {0} i M = V dovode do nezanimljivih kvocijentnih prostora. . . Dakle. . Pretpostavimo da je M netrivijalan potprostor od V . Dokazi navedenih tvrdnji D1 . Uoˇcimo da je nulvektor u kvocijentu [0] = 0 + M = M . Tada je i prostor V /M konaˇcnodimenzionalan i vrijedi dim V /M = dim V − dim M . B ∈ E 3 ureden par (A. x ∈ M .

B) oznaˇcava s A B i zamiˇslja kao strelica s poˇcetkom u A i zavrˇsetkom u B. . Na skupu svih orijentiranih duˇzina uvodimo relaciju ∼ na sljede´ci naˇcin: −→ − −→ A B ∼ C D ako i samo ako duˇzine AD i BC imaju zajedniˇcko poloviˇste. Obiˇcno se orije ntirana duˇzina (A.−→ zavrˇsetkom u toˇcki B.

Izborom razliˇcitih poˇcetnih toˇcaka. Istaknimo na kraju da je prostor V 3 (O) tek simplificirana realizacija prostora V 3 . Pritom se pod smjerom pravca p podrazumije va familija svih pravaca paralelnih s p. svaki vektor u V 3 je jednozn aˇcno odreden svojim modulom. C leˇze (ne leˇze) u istoj ravnini. Primijetimo da je za utvrdi vanje (ne)komplanaranosti najprije potrebno dane vektore repreze ntirati s poˇcetkom u istoj toˇcki. Posebno. svaki vektor a ∈ V 3 → moˇzemo repreze ntirati s poˇcetkom u toˇcki O Tada vektor ~a = [ A] moˇzemo → poistovjetiti s njegovim predst avnikom A i u tom smislu V 3 (O) postaje model koji pokazuje kako prostor V 3 izgleda ”lokalno”. ve´c ima svoju realizaciju (tj. a po definiciji uzimamo da je nulvektor kolinearan sa svakim vektorom. −→ Modul vektora ~a se definira kao duljina duˇzine AB gdje je A B bilo koji repreze ntant od ~a. odredenu toˇcku. repreze ntant) s poˇcetkom u svakoj toˇcki prostora . osobito u fizici. dani vektor nije fiksiran samo za neku. A. − → − → − → Za vektore ~a = 0 A. Kolinearni vektori su oni koji su istog smjera. neovisne o izboru predst avnika pojedinih vektora. temeljem tvrdnje D2. jednaki. sukladno tomu. Na primjer. (medusobnu) orijentaciju im definiramo na identiˇcan naˇcin kao u prostoru radij vektora nakon ˇsto im odaberemo repreze ntante s poˇcetkom u istoj toˇcki.ju jedan vektor i. Nije teˇsko pokazati da je definicija dobra. ~b = 0 B. Pokazuje se da je zapravo prostor V 3 prikladan za primjene. operiranja s klasama ekvivalencije) i fokusirana na algebarsku strukturu. smjerom i orijentacijom. recimo O i O0 . smjer vektora ~a = ~0 se definira kao smjer pravca AB gdje −→ je A B bilo koji repreze ntant od ~a. raster e´cena tehn iˇckih detalja (poput. rijeˇcni tok ili vjetar pokazuje isti intezitet.Primijetimo da u sluˇcaju kad toˇcke ABC D nisu kolinearne znaˇci da je ˇcetverokut ABDC −→ − −→ paralelogram. Odluka da kao prototip vektorskog prostora umjesto prostora V 3 oda beremo njegovu simplifikaciju V 3 (O) bila je motivirana ˇzeljom da uvodna razmatranja budu ˇsto jednost avnija. smjer i orijentaciju u svakoj toˇcki unutar odredenog promatranog podruˇcja. Sada se definira mnoˇzenje vektora skalarima jednako kao u prostorima V 2 (O) i V 3 (O) (pri ˇcemu se ovdje α~a efektivno definira tako da mu se odredi jedan predst avnik s poˇcetkom u unaprijed odabranoj toˇcki A). ~c = 0 C kaˇzemo da su komplanarni (nekom planarni) ako toˇcke O. D5. neovisna o izboru poˇcetne toˇcke O. D4. A B ∼ C D. npr. B. dobivamo prostore V 3 (O) i V 3 (O0 ) koji su. Lako se pokazuje da su sve prethodne definicije konziste ntne. Svaki skup od tri nekomplanarna vektora je baza prostora V 3 . V 3 je realan vektorski prostor. dim V 3 = 3. . tj. Ukoliko odaberemo i fiksiramo toˇcku O ∈ E 3 onda.Nadalje.upravo kao ˇsto npr. do na translaciju koja toˇcku O prevodi u O0 . Nadalje. tj. modeliranje i istr aˇzivanje vodenih tokova ili strujanja zraka podrazumije va upravo prirodu vektora kao elemenata prostora V 3 . Ako su sada ~a i ~b netrivijalni kolinearni vektori. U prostoru V 3 sve medusobno ekvivalentne orijentirane duˇzine predst avlja.

. temperatura. te se kao takve razlikuju od veličina koje imaju samo veličinu i zovu se skalari. zapremina. Fizičko tumačenje vektora obično se svodi na trodimenzionalni prostor. difuzioni koeficijent. sila. dužine proporcionalne intenzitetu. ZAKLJUČAK Vektor je pojam iz matematike. Fizičke veličine čija vektorska vrednost zavisi i od koordinate nazivaju se tenzorske. a skalarne masa. Vektorske veličine su veličine određene sa dva ili više parametara. Vektor undimenzionalnom prostoru opisuje se san parametara. moment količine kretanja. u najprostijem slučaju 3x3... ubrzanje. električna provodljivost. Najpoznatiji su primeri vezani za geometriju u prostoru gde se vektor određuje pravcem. . indeks preklamanja itd. koji je uveden prvenstveno da bi se razlikovale veličine koje se pojavljuju u prirodi. Tenzorskim veličinama se opisuju vektorske veličine u anizotropnoj sredini recimo kod nekubičnih kristala. Generalizovani vektor ne mora biti ograničen na tri Dimenzije. Tako su vektorske veličine brzina. a čiji vrh pokazuje smer na zadatom pravcu. One se matematički predstavljaju matricom. smerom i intezitetom a predstavlja strelicom orijentisanom duž pravca.5. Tenzorse veličine su toplotna provodljivost.. oblasti linearna algebra. a imaju pravac i smer.

Mc Graw-Hill. Fundamentals of Mathematical Analysis. LITERATURA [1] . New York Inc. [3] P. R. 2008. Linear Algebra.Dr Esad Jakupović – „VIŠA MATEMATIKA“. godina [2] S. [5] Internet . Ilyin and E. A. Springer-Verlag. Mir Publishers Moscow (1982). (1974). Schaum’s Outline Series. Inc. Lipschutz. Finite-dimensional Vector Spaces. Poznyak. Banja Luka. Part 2. (1974). [4] V. G. Halmos.6.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->