Международный институт экономики и финансов (Государственный университет Высшая Школа Экономики).

Лекции по линейной алгебре

Владимир Черняк
Лекция 15. Конечномерные векторные пространства.
Читать под музыку
D. Maruani “Space”

Определение: векторным пространством называется множество R , состоящее из

элементов, называемыми векторами, с заданными на нем операциями сложения векторов и
умножения вектора на число, обладающими следующими восемью свойствами (аксиомами
линейного пространства):
(1) x + y = y + x (коммутативный закон сложения)

(2) x + ( y + z ) = ( x + y ) + z (ассоциативный закон сложения)

(3) существует элемент 0 из R такой, что x + 0 = 0 + x = x для любого x ∈ R , или в

короткой записи: ∃0 в R : x + 0 = 0 + x = x ∀x ∈ R
(существование нулевого элемента – “единичного элемента операции сложения”).

(4) существует элемент y из R такой, что y + x = 0 = x + y для любого x ∈ R ∃y of R :

y + x = 0 = x + y ∀x ∈ R
(существование противоположного элемента – “обратного элемента операции
сложения”).

(5) α ( x + y ) = αx + αy .

(6) (α + β ) x = α x + β x
(дистрибутивные законы для умножения на скаляр относительно сложения).

(7) (αβ )x = α ( β x ) (ассоцитивный закон для умножения на скаляр)

(8) 1x = x (единичный элемент для умножения на скаляр)

Теорема Ноль только один.

Доказательство. Пусть 01 и 0 2 - два разных нулевых элемента. Используя аксиому (3) ,
получаем 01 = 01 + 02 = 0 2

Теорема Для любого вектора x ∈ R 0 x = 0

Докажите это сами.

Теорема Противоположный элемент для любого вектора только один

Доказательство. Существование гарантируется аксиомой (4). Докажем единственность.
Пусть для x ∈ R существует два противоположных элемента: y1 и y 2 . Тогда
y 1 = y1 + 0 = y1 + ( x + y 2 ) = ( y 1 + x ) + y 2 = 0 + y 2 = y 2

Противоположный элемент обычно обозначается − x . Смысл этого обозначения

становится ясным из теоремы

1
 Теорема Для любого вектора x ∈ R противоположным для него вектором является
( −1) ⋅ x .
Докажите это сами.

В линейном векторном пространстве операции умножения и деления векторов не

определены.

ЛИНЕЙНАЯ ЗАВИСИМОСТЬ И ЛИНЕЙНАЯ НЕЗАВИСИМОСТЬ

Определение. Векторы x1 , x 2 , ... , x k из R называются линейно зависимыми, если

существуют такие скалярные множители λ1 , λ2 ,..., λk , не все равные нулю, что
λ1x1 + λ2x 2 + ... + λk x k = 0

Определение. Векторы x1 , x 2 , ... , x k из R называются линейно зависимыми, если уравнение

λ1x1 + λ2x 2 + ... + λk x k = 0
имеет только одно решение λ1 = 0, λ2 = 0,..., λk = 0 .

Оба определения совпадают с тем, что было использовано в предыдущих лекцих (когда речь
шла только о векторах конкретного вида, состоявших из чисел). Поэтому все свойства
линейно зависимых и линейно независимых векторов продолжают оставаться
справедливыми, включая Основную Лемму.
Основная Лемма Пусть каждый из векторов a1 , a 2 , ... , a k может быть представлен в
качестве линейной комбинации векторов b1 , b 2 , ... , b m , где k > m. Тогда векторы
a1 , a 2 , ... , ak линейно зависимы.

Теорема о ”чужом” векторе. Пусть a1 , a 2 , ... , a k линейно независимы, а a1 , a 2 , ... , ak , b -

линейно are linearly зависимы. Тогда вектор b является линейной комбинацией векторов
a1 , a 2 , ... , ak .
Доказательство. Если a1 , a 2 , ... , ak линейно независимы, то из from λ1a1 + λ2a 2 + ... + λk ak = 0
следует λ1 = λ2 = ... = λk = 0 .
Пусть a1 , a 2 , ... , ak , b линейно зависимы. Тогда существуют λ1 , λ2 ,..., λk , λk +1 не все равные
нулю, такие что λ1a1 + λ2a 2 + ... + λk ak + λk +1b = 0 .
Если λk +1 = 0 , то λ1a1 + λ2a 2 + ... + λk ak = 0 , где не все скалярные множители равны нулю, что
невозможно.
Тогда λk +1 ≠ 0 . Отсюда λk +1b = −λ1a1 − λ2a 2 − ... − λk a k и
λ1 λ λ
b=− a1 − 2 a 2 − ... − k a k
λk +1 λk +1 λk +1

БАЗИС И КООРДИНАТЫ
Определение: система линейно независимых векторов e1 , e 2 , ... , e n является базисом
векторного пространства R, если любой вектор из R может быть представлен как линейная
комбинация базисных векторов x = ξ1e1 + ξ 2e 2 + ... + ξ n e n .
Числа ξ1 , ξ 2 , ..., ξ n называются координатами вектора x в базисе e1 , e 2 , ... , e n .

Теорема. Для каждого базиса координаты вектора x ∈ R определяются единственным

способом.

2
Доказательство. Пусть ξ1 , ξ 2 , ..., ξ n и η1 , η2 , ...,ηn - два различных набора координат вектора
x∈R :
x = ξ1e1 + ξ 2e 2 + ... + ξ n e n
x = η1e1 + η2e 2 + ... + ηn e n
Если мы вычтем одно выражение из другого, то получим
0 = x − x = (ξ1 − η1 )e1 + (ξ 2 − η2 )e 2 + ... + (ξ n − ηn )e n
Векторы базиса e1 , e 2 , ... , e n , разумеется, линейно независимы. Следовательно
(ξ1 − η1 ) = (ξ 2 − η2 ) = ... = (ξ n − ηn ) = 0
Это означает, что
ξ1 = η1 , ξ 2 = η2 ,…, ξ n = ηn

Теорема. Чтобы найти координаты суммы двух векторов, нужно просто сложить их
координаты. Чтобы найти координаты результата умножения вектора на скалярный
множитель, нужно просто умножить все координаты на этот множитель.
Доказательство. Пусть x = ξ1e1 + ξ 2e 2 + ... + ξ n e n и y = η1e1 + η2e 2 + ... + ηn e n . Тогда
x + y = (ξ1e1 + ξ 2e 2 + ... + ξ n e n ) + (η1e1 + η2e 2 + ... + ηn e n ) =
= (ξ1 + η1 )e1 + (ξ 2 + η2 )e 2 + ... + (ξ n + ηn )e n
и
λx = λ (ξ1e1 + ξ 2e 2 + ... + ξ n e n ) = λξ1e1 + λξ 2e 2 + ... + λξ n e n )

Определение Размерностью линейного пространства R называется число n (обозначение:

dim( R ) = n ) такое, что в R существует n линейно независимых векторов e1 , e 2 , ... , e n , но
любые n+1 векторы f1 , f2 , ... , fn , fn +1 в R линейно зависимы.

Теорема Если в R есть базис e1 , e 2 , ... , e n , то dim( R ) = n .

Доказательство. Если e1 , e 2 , ... , e n - базис в R, то векторы e1 , e 2 , ... , e n линейно независимы.
Тогда каждый из векторов f1 , f2 , ... , fn , fn +1 может быть представлен как линейная комбинация
базисных векторов e1 , e 2 , ... , e n . По Основной Лемме векторы f1 , f2 , ... , fn , fn +1 линейно
зависимы.

Теорема Если dim( R ) = n , то любые n линейно независимых векторов e1 , e 2 , ... , e n образуют

базис в пространстве R.
Доказательство. По определению размерности, в R существуют n линейно независимых
векторов: e1 , e 2 , ... , e n . Пусть x - произвольный вектор из R. Тогда, по определению
размерности, векторы e1 , e 2 , ... , e n , x являются линейно зависимыми. По теореме о “чужом”
векторе, вектор x является линейной комбинацией векторов e1 , e 2 , ... , e n , так что e1 , e 2 , ... , e n
является базисом в R.

Определение. Множество L пространства R называется подпространством R, если для

любых x ∈ L , y ∈ L сумма этих векторов также принадлежит L: x + y ∈ L , а также результат
умножения на любой скалярный множитель λ также находится в подпространстве L: λx ∈ L .

Теорема. L ⊂ R является подпространством R тогда и только тогда, когда

x ∈ L, y ∈ L ⇒ α x + β y ∈ L для любых скалярных множителей α , β .
Это следует из определения.

3
Теорема. Подпространство L ⊂ R само является линейным пространством.
Доказательство. Аксиомы (1)-(2) и (5)-(8) выполняются в L, поскольку они справедливы в R.
Докажем (3) и (4). Пусть λ = 0 , тогда λx = 0x = 0 , так что L содержит ноль. Путсь λ = −1 ,
тогда λx = ( −1)x = − x , так что L содержит и противоположный элемент.

Теорема. Если L – подпространство R ( L ⊂ R ), то dim( L) ≤ dim( R ) .

Доказательство. Линейно независимые векторы R остаются линейно независимыми в L.

Теорема. Любой базис подпространства L ⊂ R может быть дополнен до базиса

пространства R.
Докажите это сами. (Указание: используйте теорему о “чужом” векторе).

Определение Линейной оболочкой векторов x1 , x 2 , ... , x k называется множество

L( x1 , x 2 , ... , x k ) , состоящее из всех линейных комбинаций c1x1 + c2 x 2 + ... + ck x k :
L( x1 , x 2 , ... , x k ) = {c1x1 + c2x 2 + ... + ck x k }
Теорема. Линейная оболочка векторов x1 , x 2 , ... , x k ∈ R является подпространством
пространства R.
Доказательство. Докажите это самостоятельно. Указание: используйте два условия
подпространства.

Теорема. Размерность линейной оболочки L( x1 , x 2 , ... , x k ) совпадает с рангом системы

векторов x1 , x 2 , ... , x k .
Доказательство. Пусть ранг системы векторов равен r : rank(x1 , x 2 , ... , x k ) = r . Тогда в
x1 , x 2 , ... , x k имеются r базисных векторов x1 , x 2 , ... , x r . Они также образуют базис в
L( x1 , x 2 , ... , x k ) , поскольку они линейно независимы, и все векторы из набора x1 , x 2 , ... , x k
являются линейными комбинациями векторов x1 , x 2 , ... , x r . Тогда все векторы
L( x1 , x 2 , ... , x k ) (состоящей из линейных комбинаций вида c1x1 + c2 x 2 + ... + ck x k ) также
являются линейными комбинациями векторов x1 , x 2 , ... , x r .
Определение Суммой двух подпространств L1 ∈ R и L2 ∈ R является множество L2 + L2 ,
состоящее из всех элементов x таких, что x = x1 + x 2 , где x1 ∈ L1 , x 2 ∈ L2 .
Теорема. Сумма двух подпространств R является снова подпространством R.
Доказательство. Докажите это самостоятельно. Указание: проверьте два условия
подпространства.

Определение Пересечением двух подпространств L1 ∈ R и L2 ∈ R называется множество

L2 ∩ L2 , состоящее из всех элементов x таких, что одновременно x ∈ L1 и x ∈ L2 .
Теорема. Пересечение двух подпространств R снова является подпространством R.
Доказательство. Докажите это самостоятельно. Указание: проверьте два условия
подпространства.

Теорема Решение однородной системы линейных уравнений с n неизвестными является

подпространством в Rn ( Rn состоит из всех векторов размера n).
Доказательство. Пусть x1′ , x′2 , ... , x′n и x1′′, x′2′ , ... , x′n′ - два решения однородной системы
линейных уравнений

4
 a11 x1 + a12 x2 + ... + a1n xn = 0
a x + a x + ... + a x = 0
 21 1 22 2 2n n

.........................................
am1 x1 + am 2 x2 + ... + amn xn = 0
Это означает, что x1′ , x′2 , ... , x′n и x1′′, x′2′ , ... , x′n′ превращают при подстановке эти уравнения в
верные равенства. Но нетрудно проверить, что линейная комбинация
α x1′ + β x1′′, α x′2 + β x′2′ ... , α x′n + β x′n′ этих решений также превращает эти уравнения в верные
равенства:
a11 ( α x1′ + β x1′′) + a12 ( α x2′ + β x2′′) + ... + a1n ( α xn′ + β xn′′) =
a ( α x′ + β x′′) + a ( α x′ + β x′′) + ... + a ( α x′ + β x′′) =
 21 1 1 22 2 2 2n n n

....................................................................................
am1 ( α x1′ + β x1′′) + am 2 ( α x2′ + β x2′′) + ... + amn ( α xn′ + β xn′′ ) =
= α ( a11 x1′ + a12 x2′ + ... + a1n xn′ ) + β ( a1 x1′′ + a12 x2′′ + ... + a1n xn′′) = 0 + 0 = 0
= α ( a21 x1′ + a22 x2′ + ... + a2 n xn′ ) + β ( a21 x1′′ + a22 x2′′ + ... + a2 n xn′′) = 0 + 0 = 0
........................................................................................................
= α ( am1 x1′ + am 2 x2′ + ... + amn xn′ ) + β ( am1 x1′′ + am 2 x2′′ + ... + amn xn′′ ) = 0 + 0 = 0
Теорема Размерность подпространства решений однородной линейной системы из n
уравнений равна n − r , где r – ранг системы уравнений.
Доказательство. Это следует из теоремы о числе свободных переменных.

ИЗМЕНЕНИЕ КООРДИНАТ
Определение Пусть e1 , e 2 , ... , e n - первоначальный базис, а f1 , f2 , ... , fn - некоторый новый
базис. Матрицей перехода Pe→f от базиса e1 , e 2 , ... , e n к базису f1 , f2 , ... , fn называется
матрица
 p11 p12 ... p1n 
 1 2 n

 p2 p2 ... p2 
Pe→f = 
... ... ... ... 
 
 p1 p 2 ... p n 
 n n n 

такая, что
f1 = p11e1 + p21 e 2 + ... pn1 e n
f 2 = p12 e1 + p22 e 2 + ... pn2 e n
....................................
f n = p12 e1 + p22 e 2 + ... pn2 e n
или в краткой записи
f j = ∑ pij e i
i

По аналогии мы можем сконструировать матрицу обратногно перехода Qf →e (от базиса

f1 , f2 , ... , fn к базису e1 , e 2 , ... , e n ), используя правило
e j = ∑ qij fi
i
−1
Можно показать, что Qf →e = P e →f .

5
Теорема Пусть вектор x имеет координаты
x e = x1e1 + x2e 2 + ... + xn e n в базисе e1 , e 2 , ... , e n
и
x f = x1′f1 + x2′ f2 + ... + xn′ fn в базисе f1 , f2 , ... , fn .
Коротко, задачу можно сформулировать следующим образом
Известно x e = ( x1 , x2 , ..., xn ) , найти x e = ( x1′, x2′ , ..., xn′ )

Используя формулу для обратного перехода e j = ∑ qij fi получаем

i

x f = ∑ xi′fi = ∑ x′j e j = ∑ x′j ∑ qij fi = ∑ ( ∑ qij x j )fi

i j j i i j

Сравнивая коэффициенты при fi , получаем xi′ = ∑ qij x j что в матричном виде дает
j

x f = Qx e
или
x f = P −1x e
Отсюда получаем
x e = Px f
или в развернутой форме
xi = ∑ pij x′j
h