Векторное пространство

Векторное пространство — это математическая структура, представляющая собой множество элементов (векторов), для которых определены операции сложения друг с другом и умножения на число (скаляр). Эти операции удовлетворяют определённому набору аксиом, что позволяет изучать линейные свойства объектов. Векторные пространства являются фундаментальным понятием линейной алгебры и находят применение в функциональном анализе, геометрии, физике, экономике и других науках.

Определение и аксиомы

Формально, векторным пространством над полем \( K \) (обычно полем действительных чисел \(\mathbb{R}\) или комплексных чисел \(\mathbb{C}\)) называется множество \( V \), на котором заданы две операции:

1. Сложение векторов: каждой паре элементов \( \mathbf{u}, \mathbf{v} \in V \) ставится в соответствие элемент \( \mathbf{u} + \mathbf{v} \in V \).
2. Умножение вектора на скаляр: каждому скаляру \( \alpha \in K \) и вектору \( \mathbf{v} \in V \) ставится в соответствие элемент \( \alpha \mathbf{v} \in V \).

Эти операции должны удовлетворять следующим аксиомам для любых \( \mathbf{u}, \mathbf{v}, \mathbf{w} \in V \) и любых \( \alpha, \beta \in K \):

• Ассоциативность сложения: \( (\mathbf{u} + \mathbf{v}) + \mathbf{w} = \mathbf{u} + (\mathbf{v} + \mathbf{w}) \).
• Коммутативность сложения: \( \mathbf{u} + \mathbf{v} = \mathbf{v} + \mathbf{u} \).
• Существование нулевого вектора: существует элемент \( \mathbf{0} \in V \) такой, что \( \mathbf{v} + \mathbf{0} = \mathbf{v} \).
• Существование противоположного вектора: для каждого \( \mathbf{v} \in V \) существует \( -\mathbf{v} \in V \) такой, что \( \mathbf{v} + (-\mathbf{v}) = \mathbf{0} \).
• Дистрибутивность умножения относительно сложения векторов: \( \alpha (\mathbf{u} + \mathbf{v}) = \alpha \mathbf{u} + \alpha \mathbf{v} \).
• Дистрибутивность умножения относительно сложения скаляров: \( (\alpha + \beta) \mathbf{v} = \alpha \mathbf{v} + \beta \mathbf{v} \).
• Совместимость умножения скаляров: \( \alpha (\beta \mathbf{v}) = (\alpha \beta) \mathbf{v} \).
• Умножение на единицу: \( 1 \cdot \mathbf{v} = \mathbf{v} \).

Эти аксиомы гарантируют, что векторное пространство является абелевой группой по сложению и модулем над полем \( K \).

Примеры векторных пространств

Евклидово пространство \(\mathbb{R}^n\)

Наиболее наглядный пример — множество упорядоченных наборов из \( n \) действительных чисел \( (x_1, x_2, \dots, x_n) \). Сложение и умножение на число выполняются покомпонентно: \[ (x_1, \dots, x_n) + (y_1, \dots, y_n) = (x_1 + y_1, \dots, x_n + y_n), \quad \alpha (x_1, \dots, x_n) = (\alpha x_1, \dots, \alpha x_n). \] Это пространство обозначается \(\mathbb{R}^n\) и является моделью для геометрии и физики (например, трёхмерное пространство \(\mathbb{R}^3\)).

Пространство многочленов

Множество всех многочленов степени не выше \( n \) с действительными коэффициентами \( P_n(\mathbb{R}) \) образует векторное пространство. Сложение многочленов и умножение на число выполняются по обычным правилам алгебры.

Пространство функций

Множество всех функций \( f: X \to \mathbb{R} \) на некотором множестве \( X \) (например, непрерывных функций на отрезке \([a,b]\)) является векторным пространством. Сложение определяется как \( (f+g)(x) = f(x) + g(x) \), а умножение на скаляр — как \( (\alpha f)(x) = \alpha f(x) \).

Пространство матриц

Множество всех матриц размера \( m \times n \) с элементами из поля \( K \) образует векторное пространство \( M_{m \times n}(K) \). Операции — покомпонентное сложение и умножение на скаляр.

Базис и размерность

Линейная независимость

Набор векторов \( \{\mathbf{v}_1, \mathbf{v}_2, \dots, \mathbf{v}_k\} \) называется линейно независимым, если равенство \[ \alpha_1 \mathbf{v}_1 + \alpha_2 \mathbf{v}_2 + \dots + \alpha_k \mathbf{v}_k = \mathbf{0} \] выполняется только при \( \alpha_1 = \alpha_2 = \dots = \alpha_k = 0 \). В противном случае векторы называются линейно зависимыми.

Базис

Базисом векторного пространства \( V \) называется такое множество линейно независимых векторов, что любой вектор из \( V \) может быть единственным образом представлен в виде их линейной комбинации. Например, в \(\mathbb{R}^n\) стандартный базис образуют векторы \( \mathbf{e}_1 = (1,0,\dots,0), \mathbf{e}_2 = (0,1,\dots,0), \dots, \mathbf{e}_n = (0,0,\dots,1) \).

Размерность

Размерностью векторного пространства называется количество векторов в любом его базисе. Если базис конечен, пространство называется конечномерным. Например:

• \(\dim(\mathbb{R}^n) = n\),
• \(\dim(P_n(\mathbb{R})) = n+1\),
• \(\dim(M_{m \times n}(\mathbb{R})) = m \cdot n\).

Бесконечномерные пространства (например, пространство всех непрерывных функций на отрезке) изучаются в функциональном анализе.

Подпространства

Подпространством векторного пространства \( V \) называется непустое подмножество \( W \subseteq V \), которое само является векторным пространством относительно тех же операций. Для этого необходимо, чтобы:

• \( \mathbf{0} \in W \),
• \( \mathbf{u} + \mathbf{v} \in W \) для любых \( \mathbf{u}, \mathbf{v} \in W \),
• \( \alpha \mathbf{v} \in W \) для любых \( \alpha \in K \) и \( \mathbf{v} \in W \).

Примеры подпространств:

• Прямая, проходящая через начало координат в \(\mathbb{R}^3\).
• Множество многочленов степени не выше \( k \) в пространстве многочленов степени не выше \( n \) (при \( k \le n \)).

Линейные отображения

Линейным отображением (или линейным оператором) между векторными пространствами \( V \) и \( W \) над одним полем называется функция \( T: V \to W \), сохраняющая линейные комбинации: \[ T(\alpha \mathbf{u} + \beta \mathbf{v}) = \alpha T(\mathbf{u}) + \beta T(\mathbf{v}) \] для всех \( \mathbf{u}, \mathbf{v} \in V \) и \( \alpha, \beta \in K \).

Примеры:

• Поворот плоскости на угол \(\theta\) в \(\mathbb{R}^2\).
• Дифференцирование многочлена в пространстве многочленов.
• Умножение матрицы на вектор в \(\mathbb{R}^n\).

Линейные отображения позволяют изучать структуру пространств и решать системы линейных уравнений.

Дополнительные структуры

Норма и метрика

На векторном пространстве можно ввести норму — функцию, задающую длину вектора, что превращает его в нормированное пространство. Например, евклидова норма в \(\mathbb{R}^n\): \[ \|\mathbf{x}\| = \sqrt{x_1^2 + x_2^2 + \dots + x_n^2}. \] Норма порождает метрику (расстояние) \( d(\mathbf{u}, \mathbf{v}) = \|\mathbf{u} - \mathbf{v}\| \), что позволяет говорить о сходимости и топологии.

Скалярное произведение

Скалярное произведение — это билинейная форма, позволяющая определять углы и ортогональность. В \(\mathbb{R}^n\) стандартное скалярное произведение: \[ \langle \mathbf{x}, \mathbf{y} \rangle = x_1 y_1 + x_2 y_2 + \dots + x_n y_n. \] Пространство со скалярным произведением называется евклидовым (в вещественном случае) или унитарным (в комплексном).

Применение

Физика

Векторные пространства используются для описания физических величин: силы, скорости, ускорения — все они являются векторами в трёхмерном пространстве. В квантовой механике состояния системы описываются векторами в гильбертовом пространстве (бесконечномерном векторном пространстве со скалярным произведением).

Компьютерная графика

Трёхмерные объекты представляются в виде наборов точек (векторов) в \(\mathbb{R}^3\). Линейные преобразования (повороты, масштабирование, сдвиг) реализуются с помощью матриц, действующих на эти векторы.

Экономика

Векторные пространства применяются в моделях линейного программирования, анализе входных-выходных таблиц (модель Леонтьева) и в теории игр.

Машинное обучение

Данные часто представляются в виде векторов признаков в многомерном пространстве \(\mathbb{R}^n\). Алгоритмы (например, метод опорных векторов) используют линейные операции для классификации и регрессии.

Интересные факты

• Понятие векторного пространства в современном виде было формализовано в конце XIX — начале XX века, хотя отдельные примеры (например, геометрические векторы) использовались ещё в античности.
• Векторные пространства над конечными полями (например, \( \mathbb{F}_2 \)) играют ключевую роль в теории кодирования и криптографии.
• Любое конечномерное векторное пространство над \(\mathbb{R}\) изоморфно \(\mathbb{R}^n\) для некоторого \( n \), что позволяет унифицировать их изучение.

Источники

• Кострикин А. И. «Введение в алгебру». Часть 2. Линейная алгебра. — М.: МЦНМО, 2009.
• Винберг Э. Б. «Курс алгебры». — М.: МЦНМО, 2013.
• Ленг С. «Линейная алгебра». — М.: Мир, 1976.
• Халмош П. «Конечномерные векторные пространства». — М.: Физматлит, 1963.