Линейное пространство¶

Линейное пространство (также векторное пространство) — это математическая структура, представляющая собой множество элементов (называемых векторами), для которых определены операции сложения друг с другом и умножения на числа (скаляры), удовлетворяющие определённому набору аксиом. Линейные пространства являются фундаментальным объектом изучения линейной алгебры и находят применение в функциональном анализе, физике, экономике, компьютерной графике и других областях, где требуется описание и анализ систем с линейными зависимостями.

¶Определение и аксиомы

Формально, линейное пространство \( V \) над полем \( F \) (обычно полем действительных чисел \( \mathbb{R} \) или комплексных чисел \( \mathbb{C} \)) — это множество, на котором заданы две операции:

1. Сложение векторов: для любых \( \mathbf{x}, \mathbf{y} \in V \) определён элемент \( \mathbf{x} + \mathbf{y} \in V \).
2. Умножение вектора на скаляр: для любого \( \mathbf{x} \in V \) и \( \lambda \in F \) определён элемент \( \lambda \mathbf{x} \in V \).

Эти операции должны удовлетворять следующим аксиомам (для любых \( \mathbf{x}, \mathbf{y}, \mathbf{z} \in V \) и любых \( \lambda, \mu \in F \)):

• Ассоциативность сложения: \( (\mathbf{x} + \mathbf{y}) + \mathbf{z} = \mathbf{x} + (\mathbf{y} + \mathbf{z}) \).
• Коммутативность сложения: \( \mathbf{x} + \mathbf{y} = \mathbf{y} + \mathbf{x} \).
• Существование нулевого вектора: существует элемент \( \mathbf{0} \in V \) такой, что \( \mathbf{x} + \mathbf{0} = \mathbf{x} \).
• Существование противоположного вектора: для каждого \( \mathbf{x} \in V \) существует элемент \( -\mathbf{x} \in V \) такой, что \( \mathbf{x} + (-\mathbf{x}) = \mathbf{0} \).
• Дистрибутивность умножения относительно сложения векторов: \( \lambda (\mathbf{x} + \mathbf{y}) = \lambda \mathbf{x} + \lambda \mathbf{y} \).
• Дистрибутивность умножения относительно сложения скаляров: \( (\lambda + \mu) \mathbf{x} = \lambda \mathbf{x} + \mu \mathbf{x} \).
• Ассоциативность умножения на скаляры: \( \lambda (\mu \mathbf{x}) = (\lambda \mu) \mathbf{x} \).
• Умножение на единицу поля: \( 1 \cdot \mathbf{x} = \mathbf{x} \).

Эти аксиомы являются минимальным набором правил, определяющим линейное пространство.

¶Примеры линейных пространств

¶Классические примеры

• Арифметическое пространство \( \mathbb{R}^n \): множество упорядоченных наборов из \( n \) действительных чисел (векторов-столбцов или строк) с покомпонентным сложением и умножением на число. Это наиболее наглядный пример, лежащий в основе всей линейной алгебры.
• Пространство матриц \( M_{m \times n}(\mathbb{R}) \): множество всех матриц размера \( m \times n \) с действительными элементами. Сложение и умножение на число выполняются поэлементно.
• Пространство многочленов \( P_n \): множество многочленов степени не выше \( n \) с действительными коэффициентами. Сложение и умножение на число — обычные операции над многочленами.
• Пространство функций: множество всех функций, определённых на некотором множестве \( X \) и принимающих значения в поле \( F \). Например, пространство непрерывных функций на отрезке \( [a, b] \) обозначается \( C[a, b] \).

¶Примеры из физики и геометрии

• Трёхмерное евклидово пространство: множество всех геометрических векторов в трёхмерном пространстве (свободных или привязанных к точке) с операциями сложения по правилу параллелограмма и умножения на число (растяжения/сжатия).
• Пространство решений однородной системы линейных уравнений: множество всех решений системы \( A\mathbf{x} = \mathbf{0} \) образует линейное пространство (нулевое пространство матрицы \( A \)).
• Пространство состояний в квантовой механике: гильбертово пространство (бесконечномерное линейное пространство со скалярным произведением) описывает все возможные состояния квантовой системы.

¶Базис и размерность

¶Линейная зависимость и независимость

Набор векторов \( \mathbf{v}_1, \mathbf{v}_2, \dots, \mathbf{v}_k \) называется линейно независимым, если равенство \[ \lambda_1 \mathbf{v}_1 + \lambda_2 \mathbf{v}_2 + \dots + \lambda_k \mathbf{v}_k = \mathbf{0} \] выполняется только при \( \lambda_1 = \lambda_2 = \dots = \lambda_k = 0 \). В противном случае векторы называются линейно зависимыми.

¶Базис

Базисом линейного пространства \( V \) называется такое множество линейно независимых векторов, что любой вектор из \( V \) может быть единственным образом представлен в виде их линейной комбинации. Размерность базиса (количество векторов в нём) называется размерностью пространства \( \dim V \).

• Для \( \mathbb{R}^n \) размерность равна \( n \), а стандартный базис образуют единичные векторы \( \mathbf{e}_1 = (1,0,\dots,0), \mathbf{e}_2 = (0,1,\dots,0), \dots, \mathbf{e}_n = (0,0,\dots,1) \).
• Для пространства многочленов степени не выше \( n \) размерность равна \( n+1 \), базисом служат мономы \( 1, x, x^2, \dots, x^n \).
• Бесконечномерные пространства (например, пространство всех непрерывных функций) не имеют конечного базиса.

¶Координаты

Выбор базиса позволяет сопоставить каждому вектору \( \mathbf{x} \in V \) упорядоченный набор чисел — его координаты в этом базисе. Если \( \mathbf{x} = \alpha_1 \mathbf{b}_1 + \alpha_2 \mathbf{b}_2 + \dots + \alpha_n \mathbf{b}_n \), то координаты — это вектор \( (\alpha_1, \alpha_2, \dots, \alpha_n) \). Таким образом, любое конечномерное линейное пространство изоморфно арифметическому пространству \( F^n \).

¶Подпространства

Подпространством линейного пространства \( V \) называется подмножество \( U \subset V \), которое само является линейным пространством относительно тех же операций. Для этого необходимо и достаточно, чтобы \( U \) было замкнуто относительно сложения и умножения на скаляр (то есть для любых \( \mathbf{x}, \mathbf{y} \in U \) и \( \lambda \in F \) выполнялось \( \mathbf{x} + \mathbf{y} \in U \) и \( \lambda \mathbf{x} \in U \)), а также содержало нулевой вектор.

Примеры подпространств:

• Прямая, проходящая через начало координат, является подпространством в \( \mathbb{R}^3 \).
• Множество всех симметричных матриц является подпространством пространства всех квадратных матриц.
• Множество всех многочленов чётной степени является подпространством пространства всех многочленов.

¶Линейные отображения

Линейным отображением (или линейным оператором) между двумя линейными пространствами \( V \) и \( W \) над одним и тем же полем называется функция \( T: V \to W \), сохраняющая линейные комбинации: \[ T(\lambda \mathbf{x} + \mu \mathbf{y}) = \lambda T(\mathbf{x}) + \mu T(\mathbf{y}) \] для всех \( \mathbf{x}, \mathbf{y} \in V \) и \( \lambda, \mu \in F \).

Линейные отображения являются естественными морфизмами в категории линейных пространств. Они сохраняют нулевой вектор, линейную зависимость/независимость и подпространства. В конечномерном случае любое линейное отображение может быть представлено матрицей относительно выбранных базисов.

¶Дополнительные структуры

Линейное пространство может быть наделено дополнительными структурами, что приводит к появлению более специализированных объектов:

• Нормированное пространство: линейное пространство, на котором задана норма (длина вектора). Позволяет говорить о сходимости и топологии.
• Евклидово пространство: линейное пространство со скалярным произведением, которое порождает норму и позволяет измерять углы между векторами.
• Гильбертово пространство: полное евклидово пространство (важно в функциональном анализе и квантовой механике).
• Топологическое векторное пространство: линейное пространство с топологией, согласованной с линейными операциями.

¶Значение и применение

Понятие линейного пространства является центральным в современной математике и её приложениях. Оно позволяет унифицировать изучение разнородных объектов (векторов, матриц, функций, сигналов) с помощью единого языка линейной алгебры.

• В математике: линейные пространства лежат в основе теории матриц, систем линейных уравнений, функционального анализа, теории представлений групп.
• В физике: векторные пространства используются для описания сил, скоростей, полей; в квантовой механике — для описания состояний и наблюдаемых.
• В компьютерных науках: линейные пространства применяются в компьютерной графике (аффинные преобразования), машинном обучении (метод главных компонент, нейронные сети), обработке сигналов (преобразование Фурье).
• В экономике: модели линейного программирования и межотраслевого баланса (модель Леонтьева) основаны на линейных пространствах.

¶Источники

• Кострикин А.И., Манин Ю.И. «Линейная алгебра и геометрия». — М.: Наука, 1986.
• Ильин В.А., Позняк Э.Г. «Линейная алгебра». — М.: Физматлит, 2004.
• Халмош П. «Конечномерные векторные пространства». — М.: Мир, 1963.
• Ленг С. «Линейная алгебра». — М.: Мир, 1976.
• Шафаревич И.Р., Ремизов А.О. «Линейная алгебра и геометрия». — М.: Физматлит, 2009.