Upload
lamlien
View
224
Download
2
Embed Size (px)
Citation preview
Linearna Algebra - I kolokvijum
Vladimir Pavlovic
December 1, 2012
2
Sadrzaj
I Pojam vektorskih prostora 5I.1 Geometrijski vektori . . . . . . . . . . . . . . . . . . . . . . . . . . . 5I.2 Definicija vektorskih prostora . . . . . . . . . . . . . . . . . . . . . . 8I.3 Linearna kombinacija konacnog sistema
vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
II Osnovni pojmovi i cinjenice 23II.1 Podprostor vektorskog prostora . . . . . . . . . . . . . . . . . . . . . 23II.2 Potpuni sistemi i skupovi vektora . . . . . . . . . . . . . . . . . . . . 28II.3 Linearno (ne)zavisne n-torke vektora . . . . . . . . . . . . . . . . . . 30II.4 Linearno (ne)zavisni skupovi vektora . . . . . . . . . . . . . . . . . . 32II.5 Bazni skup, baza, dimenzija . . . . . . . . . . . . . . . . . . . . . . . 37II.6 Sume podprostora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44II.7 Linearna preslikavanja . . . . . . . . . . . . . . . . . . . . . . . . . . 52II.8 Jos jedan primer izomorfizma . . . . . . . . . . . . . . . . . . . . . . 59II.9 Tri ocigledna i jedan vazan izomorfizam . . . . . . . . . . . . . . . . . 60II.10 Osnovna tvrdenja o linearnim preslikavanjima . . . . . . . . . . . . . 64
3
4 SADRZAJ
Deo I
Pojam vektorskih prostora
I.1 Geometrijski vektori
Na slici ispod ureden par tacaka (A,B) je “istog tipa kao” ureden par (A1, B1):
Slika I.1.1.
Takode, ureden par tacaka (T, T ) je “istog tipa kao” ureden par (S, S).
5
6 DEO I. POJAM VEKTORSKIH PROSTORA
Slika I.1.2.
Skup
x :=
{
. . . , (A,B), . . . , (D,E), . . . , (G,H), . . . , (I, J), . . .
}
=−→AB =
−−→DE =
−−→GH =
−→IJ
nazivamo geometrijski vektor odreden uredenim parom tacaka (A,B) , a to je isto
sto i geometrijski vektor odreden uredenim parom tacaka (D,E), odnosno geometri-jski vektor odreden uredenim parom tacaka (G,H) itd. (preciznu definiciju ovogpojma necemo dati). Imamo (A,B) ∈ x, {(D,E), (I, J)} ⊆ x. Treba dakle pravitirazliku izmedu pojma ureden par tacaka i pojma geometrijski vektor (koji po svojojprirodi predstavlja odreden skup uredenih parova tacaka).
Imamo
y :=−−→BC =
−→EF =
−−→KL =
−−→MN =
{
. . . , (B,C), . . . , (E, F ), . . . , (K,L), . . . , (M,N), . . .
}
Klasicno sabiranje geometrijskih vektora se definise tako da je
{
. . . , (A,B), . . . , (D,E), . . . , (G,H), . . .
}
+
{
. . . , (B,C), . . . , (E, F ), . . . , (K,L), . . .
}
=
{
. . . , (A,C), . . . , (D,F ), . . . , (O,P ), . . . , (Q,R), . . .
}
odnosno preciznije
x+ y =−→AB +
−−→BC =
−→AC
Poznato je da je (klasicno) sabiranje geometrijskih vektora komutativna i aso-cijativna operacija.
I.1. GEOMETRIJSKI VEKTORI 7
Slika I.1.3.
Postoji neutral i to je geometrijski vektor
−→0 :=
{
. . . , (A,A), . . . , (G,G), . . . , (R,R), . . . ,
}
=−−→DD =
−→UU
Citaocu je poznato kako se definise mesovita operacija mnozenja geometrijskih vek-
tora realnim brojevima; npr. imamo −2−−→XY =
−−→XW =
−−−→X1X2, 2
−−→XZ =
−−→XW i
3−−→Y X =
−−→YW :
Slika I.1.4.
8 DEO I. POJAM VEKTORSKIH PROSTORA
Poznato je da za geometrijske vektore u, v i α ∈ R vazi α(u+ v) = αu+ αv:
Slika I.1.5.
Poznato je da za proizvoljan geometrijski vektor u i brojeve α, β ∈ R vazi
(α+ β)u = αu + βu kao i α(βu) = (αβ)u.
I.2 Definicija vektorskih prostora
Da “napravimo” realan vektorski prostor potrebne su nam dve “stvari”:
– jedan skup V i neka komutativna i asocijativna operacija ⊕ na skupu V za kojupostoji neutralni element i u odnosu na koju je svaki element invertibilan i– neka mesovita operacija f : R × V → V – dogovorimo se da za α ∈ R i u ∈ Vumesto f(α, u) pisemo α ◦ u – tako da su zadovoljeni sledeci uslovi:
(V1) 1 ◦ u = u za svako u ∈ V ;
(V2) α ◦ (u⊕ v) = (α ◦ u)⊕ (α ◦ v) za svako α ∈ R i u, v ∈ V ;
(V3) (α + β) ◦ u = (α ◦ u)⊕ (β ◦ u) za svako α, β ∈ R i u ∈ V ;
(V4) α ◦ (β ◦ u) = (αβ) ◦ u za svako α, β ∈ R i u ∈ V .
U tom slucaju za uredenu trojku V := (V,⊕, ◦) (= (skup V , operacija ⊕,mesovita
operacija ◦)) kazemo da je
realan vektorski prostor
ili
vektorski prostor nad R;
I.2. DEFINICIJA VEKTORSKIH PROSTORA 9
za elemente skupa V kazemo da su vektori vektorskog prostora V. Operaciju ⊕ nazi-vamo sabiranje vektora u prostoru V.
Pojam
kompleksan vektorski prostor
ili
vektorski prostor nad C
se definise na potpuno isti nacin samo sto je sada ◦ : C×V → V mesovita operacijakoja za svaki kompleksan broj α ∈ C i u ∈ V kao rezultat daje neko α ◦ u ∈ V .
Primer Geometrijski vektoriAko je V skup svih geometrijskih vektora, u ⊕ v je klasican zbir geometrijskih
vektora u i v a α ◦ u klasican proizvod geometrijskog vektora u i realnog broja αonda je (V,⊕, ◦) je realan vektorski prostor. 2
Konvencija Fraza “V = (V,⊕, ◦) je vektorski prostor nad K” znacice zapravo daje K = R ili K = C a V vektorski prostor nad K, i sluzice da se formulisu definicijei formulisu i/ili dokazuju teoreme simultano i za realne i za kompleksne vektorskeprostore. Ukoliko je u datom razmatranju od sustinskog znacaja cinjenica da jeposmatrani vektorski prostor realan, odnosno kompleksan onda cemo umesto “K”pisati bas “R” odnosno “C”. 2
Tvrdenje I.2.1 Za svako n ∈ N i α, α1, . . . , αn ∈ K, u, u1, . . . , un ∈ V vazi:(a) α ◦ (u1 ⊕ · · · ⊕ un) = (α ◦ u1)⊕ · · · ⊕ (α ◦ un) i(b) (α1 + · · ·+ αn) ◦ u = (α1 ◦ u)⊕ · · · ⊕ (αn ◦ u).
Dokaz (a) Indukcijom po n: α◦(u1⊕· · ·⊕un⊕un+1) = α◦((u1⊕· · ·⊕un)⊕un+1
) (1)=
(
α ◦ (u1 ⊕ · · · ⊕ un)
)
⊕ (α ◦ un+1)(2)=
(
(α ◦ u1) ⊕ · · · ⊕ (α ◦ un)
)
⊕ (α ◦ un+1) =
(α◦u1)⊕· · ·⊕(α◦un)⊕(α◦un+1), gde se (1) pravda osobinom (V2) a (2) indukcijskomhipotezom.
(b) Indukcijom po n: (α1+ · · ·+αn+αn+1) ◦u =((α1+ · · ·+αn)+αn+1
)◦u =
(
(α1 + · · · + αn) ◦ u
)
⊕ (αn+1 ◦ u) =
(
(α1 ◦ u) ⊕ · · · ⊕ (αn ◦ u)
)
⊕ (αn+1 ◦ u) =
(α1 ◦ u)⊕ · · · ⊕ (αn ◦ u)⊕ ◦(αn+1u). 2
10 DEO I. POJAM VEKTORSKIH PROSTORA
Konvencija Ako je V := (V,⊕, ◦) vektorski prostor nad K onda je za α ∈ K iu ∈ V umesto α ◦ u ekonomicnije i uobicajeno da se pise α−→u , gde ova strelica
ima funkciju da ukaze na to da je u element skupa V svih vektora (vektorskog)prostora V. Takode je uobicajeno da se pise jednostavno −→x + −→y umesto −→x ⊕ −→y ,gde ponovo ove strelice govore da se radi o elementima skupa V a da je ovo “+”zapravo operacija sabiranja vektora “⊕”; zapis x + y (bez strelica) porucuje da jex, y ∈ K i da je “+” zaista klasicno sabiranje brojeva.
Za elemente skupa K (dakle realne ili kompleksne brojeve) se kaze da su skalari
prostora V a za mesovitu operaciju ◦ da je mnozenje vektora skalarom. 2
Ako neutralni element operacije ⊕ oznacimo sa 0 i ako je u ∈ V proizvoljno ondapo pretpostavci postoji tacno jedan suprotni (u odnosu na operaciju ⊕) elementelementa u; ako izaberemo recimo oznaku u da oznacimo suprotni element elementa
u onda dakle imamo v ⊕ v = 0 (odnosno −→v + −→v =−→0 prema nasoj konvenciji) za
svako v ∈ V . Uz ovakve oznake imamo da vazi naredni stav.
Tvrdenje I.2.2 Za svako α ∈ K i x ∈ V vazi:(a) 0−→x =
−→0 ;
(b) α−→0 =
−→0 ;
(c) α−→x =−→0 moze da vazi samo ako α = 0 ili x = 0;
(d) (−α)−→x = α−→x i (−1)−→x = −→x .
Dokaz (a) Imamo 1−→x = x pa je −→x +0−→x = 1−→x +0−→x = (1+0)−→x = 1−→x = −→x , gdesmo iskoristili (V3). Iz
−→x + 0−→x = −→x
sada sledi−→x +
(−→x + 0−→x)= −→x +−→x
tj.(−→x +−→x
)+ 0−→x =
−→0 odnosno 0−→x =
−→0 + 0−→x =
−→0 .
(b) Imamo
α−→0 = α
(−→0 +
−→0)= α
−→0 + α
−→0
gde smo iskoristili (V2). Odavde je
α−→0 +α
−→0 = α
−→0 + α
−→0 +α
−→0
tj.−→0 = α
−→0 +
−→0
odnosno−→0 = α
−→0 .
I.2. DEFINICIJA VEKTORSKIH PROSTORA 11
(c) Ako je α 6= 0 onda iz α−→x =−→0 sledi
1
α
(α−→x
)=
1
α
−→0 , pa sada prema (b) i
(V4) mora biti
(1
α· α
)
−→x =−→0 , tj. −→x = 1−→x =
−→0 .
(d) Imamo−→0 = 0−→x =
(α + (−α)
)−→x = α−→x + (−α)−→x , pa je (−α)−→x = α−→x ;specijalno za α = 1 odavde zbog (V1) sledi (−1)−→x = −→x . 2
Za neutral 0 se kaze da je
nula vektor vektorskog prostora V
Jedan veoma opst primer
Neka je K = R i K = C i X neprazan skup. Na skupu XK definisemo operaciju“⊕” koju cemo zvati
standardno sabiranje funkcija
na sledeci nacin: ako su f, g : X → K onda je funkcija f ⊕ g : X → K odredena sa
(f ⊕ g)(x) :df= f(x) + g(x)
za svako x ∈ X. Definisemo i mesovitu operaciju ◦ : K×XK → XK koju cemo zvati
standardno mnozenje funkcija realnim, odnosno kompleksnim brojem
na sledeci nacin: za f : X → K i α ∈ K funkcija α ◦ f : X → K odredena je sa
(α ◦ f)(x) :df= αf(x)
za svako x ∈ X.
Slika I.2.6.
12 DEO I. POJAM VEKTORSKIH PROSTORA
Slika I.2.7.
Lako se proverava da je(XK,⊕, ◦
)vektorski prostor nad K. Vektori ovog
prostora su funkcije iz X u K, a skalari ovog prostora su realni ili kompleksnibrojevi. Ovo je
vektorski prostor svih funkcija iz X u K
Uverimo se u to da ovo jeste vektorski prostor.
Imamo(
f ⊕ (g ⊕ h)
)
(x) = f(x) +
(
g ⊕ h
)
(x) = f(x) +(g(x) + h(x)
)
i (
(f ⊕ g)⊕ h
)
(x) =
(
f ⊕ g
)
(x) + h(x) =(f(x) + g(x)
)+ h(x)
za svako x ∈ X. Dakle f ⊕ (g ⊕ h) = (f ⊕ g) ⊕ h. Slicno se proverava da je if ⊕ g = g ⊕ f .Neutral za operaciju ⊕ postoji i to je konstantna nula funkcija o : X → K data sao(x) = 0 za svako x ∈ X. Zaista
(
f ⊕ o
)
(x) = f(x) + o(x) = f(x) + 0 = f(x)
I.2. DEFINICIJA VEKTORSKIH PROSTORA 13
za svako x ∈ X. Ako f : X → K onda je funkcija g : X → K definisana sag(x) = −f(x) za svako x ∈ X, suprotni element od f u odnosu na operaciju ⊕.Zaista (
f ⊕ g
)
(x) = f(x) + g(x) = f(x) +(−f(x)
)= 0 = o(x)
za svako x ∈ X, pa je f ⊕ g = o.
Proveravamo osobinu (V1):
(
1 ◦ f
)
(x) = 1 · f(x) = f(x)
za svako x ∈ X pa je 1 ◦ f = f .
Proveravamo osobinu (V2):
(
α ◦ (f ⊕ g)
)
(x) = α ·
(
f ⊕ g
)
(x) = α ·(f(x) + g(x)
)i
(
(α ◦ f)⊕ (α ◦ g)
)
(x) =
(
α ◦ f
)
(x) +
(
α ◦ g
)
(x) = α · f(x) + α · g(x)
za svako x ∈ X pa je α(f ⊕ g) = (α ◦ f)⊕ (α ◦ g).
Proveravamo osobinu (V3):
(
(α+ β) ◦ f
)
(x) = (α+ β) · f(x) i(
(α ◦ f)⊕ (β ◦ f)
)
(x) =
(
α ◦ f
)
(x) +
(
β ◦ f
)
(x) = α · f(x) + β · g(x)
za svako x ∈ X pa je (α + β) ◦ f = (α ◦ f)⊕ (β ◦ f).
Proveravamo osobinu (V4):
(
α ◦ (β ◦ f)
)
(x) = α ·
(
β ◦ f
)
(x) = α ·(β · f(x)
)i
(
(α · β) ◦ f
)
(x) = (α · β) · f(x)
za svako x ∈ X pa je α ◦ (β ◦ f) = (α · β) ◦ f .
• Ilustracija Neka su f, g, h, q ∈ RR definisane sa
f(x) :df= sin2 x, g(x) :
df= cos2 x, h(x) :
df= 1 i q(x) :
df= cos 2x
14 DEO I. POJAM VEKTORSKIH PROSTORA
za svako x ∈ R. Vazi f ⊕ g = h: zaista ako je x ∈ R onda imamo
(f ⊕ g)(x) = f(x) + g(x) = sin2 x+ cos2 x = 1 = h(x)
pa je (f ⊕ g)(x) = h(x) za svako x ∈ R, tj. f ⊕ g i g su jedna te ista funkcija.Vazi f =
(12◦ h)⊕(−1
2◦ q): zaista ako je x ∈ R onda imamo
((1
2◦ h
)
⊕
(
−1
2◦ q
))
(x) =
(1
2◦ h
)
(x) +
(
−1
2◦ q
)
(x) =
=1
2h(x) +
(
−1
2
)
q(x) =1
2· 1−
1
2· cos 2x =
1− cos 2x
2= sin2 x = f(x)
pa funkcije(12◦ h)⊕(−1
2◦ q)i f “isto slikaju” svako x ∈ R.
Podsetimo se da umesto zapisa koriscenog gore mozemo pisati (prema jednoj
ranijoj konvenciji) jednostavno 12
−→h − 1
2−→q =
−→f . •
Dva specijalna slucaja
(1) Prostori n-torki Kn: Rn i Cn
Ako je n ∈ N i X = {1, . . . , n} onda specijalno dobijamo prostore (Rn,⊕, ◦) i(Cn,⊕, ◦). Prvi je realan a drugi kompleksan vektorski prostor.
• Ilustracija Za
a := (−2, 1, 3, 5) =
(1 2 3 4
−2 1 3 5
)
∈ R4
i
b := (−3, 0, 4, 7) =
(1 2 3 4
−3 0 4 7
)
∈ R4
imamo−3−→a + 2
−→b = −3(−2, 1, 3, 5) + 2(−3, 0, 4, 7) =
−3
(1 2 3 4
−2 1 3 5
)
+ 2
(1 2 3 4
−3 0 4 7
)
=
(1 2 3 4
(−3) · (−2) (−3) · 1 (−3) · 3 (−3) · 5
)
+
(1 2 3 4
2 · (−3) 2 · 0 2 · 4 2 · 7
)
=
(1 2 3 46 −3 −9 −15
)
+
(1 2 3 4
−6 0 8 14
)
=
I.2. DEFINICIJA VEKTORSKIH PROSTORA 15
(1 2 3 4
6− 6 −3 + 0 −9 + 8 −15 + 14
)
=
=
(1 2 3 40 −3 −1 −1
)
= (0,−3,−1,−1)
•
Sabiranje n-torki brojeva izgleda ovako
(a1, . . . , ai, . . . , an) + (b1, . . . , bi, . . . , bn) = (a1 + b1, . . . , ai + bi, . . . , an + bn)
Mnozenje n-torki brojeva brojevima izgleda ovako
α(a1, . . . , ai, . . . , an) = (αa1, . . . , αai , . . . , αan)
Nula vektor ovog prostora jeste n-torka (0, . . . , 0︸ ︷︷ ︸
n puta
), tj. a =(ai : i = 1, n
)gde je
ai = 0 za svako i = 1, n.
Konvencija Za K ∈ {R,C} uobicajeno je da se pod “vektorski prostor Kn” po-drazumeva ne sam skup Kn vec zapravo gore definisan vektorski prostor svih n-torkibrojeva iz K. Ukoliko se posmatra neki drugi prostor sa istim skupom vektora to seonda posebno naglasi. 2
(2) Prostori matrica Kn×m: Rn×m i Cn×m
Ako je n,m ∈ N iX = {1, . . . , n}×{1, . . . , m} onda specijalno dobijamo prostore(Rn×m,⊕, ◦) i (Cn×m,⊕, ◦). Prvi je realan a drugi kompleksan vektorski prostor.
• Ilustracija Za
A =
8 5− i
−1 3i0 −7
∈ C3×2
i
B =
5 3− i
1 2i−2 −4
∈ C3×2
imamo
2−→A − 3
−→B = 2
8 5− i
−1 3i0 −7
− 3
5 3− i
1 2i−2 −4
=
16 DEO I. POJAM VEKTORSKIH PROSTORA
= 2 ·
1 2
123
8 5− i
−1 3i0 −7
+ (−3) ·
1 2
123
5 3− i
1 2i−2 −4
=
1 2
123
2 · 8 2 · (5− i)2 · (−1) 2 · 3i2 · 0 2 · (−7)
+
1 2
123
(−3) · 5 (−3) · (3− i)(−3) · 1 (−3) · 2i
(−3) · (−2) (−3) · (−4)
=
1 2
123
16 10− 2i−2 6i0 −14
+
1 2
123
−15 −9 + 3i−3 −6i6 12
=
1 2
123
1 1 + i
−5 56 −2
=
1 1 + i
−5 06 −2
•
Sabiranje matrica izgleda ovako
a1,1 · · · a1,j · · · a1,m...
.........
............
...ai,1 · · · ai,j · · · ai,m...
.........
............
...an,1 · · · an,j · · · an,m
+
b1,1 · · · b1,j · · · b1,m...
.........
............
...bi,1 · · · bi,j · · · bi,m...
.........
............
...bn,1 · · · bn,j · · · bn,m
=
=
a1,1 + b1,1 · · · a1,j + b1,j · · · a1,m + b1,m...
.........
............
...ai,1 + bi,1 · · · ai,j + bi,j · · · ai,m + bi,m
............
............
...an,1 + bn,1 · · · an,j + bn,j · · · an,m + bn,m
Mnozenje matrica brojevima izgleda ovako
α ·
a1,1 · · · a1,j · · · a1,m...
.........
............
...ai,1 · · · ai,j · · · ai,m...
.........
............
...an,1 · · · an,j · · · an,m
=
α · a1,1 · · · α · a1,j · · · α · a1,m...
.........
............
...α · ai,1 · · · α · ai,j · · · α · ai,m
............
............
...α · an,1 · · · α · an,j · · · α · an,m
I.3. LINEARNA KOMBINACIJA KONACNOG SISTEMA VEKTORA 17
Nula vektor ovog prostora jeste tzv. nula matrica formata n puta m
O =
0 · · · 0 · · · 0...
.........
............
...0 · · · 0 · · · 0...
.........
............
...0 · · · 0 · · · 0
ili preciznije, matrica O =(Oi,j : i = 1, n; j = 1, m
)za koju je Oi,j = 0 za
svako i = 1, n i j = 1, m.
Konvencija Za K ∈ {R,C} uobicajeno je da se pod “vektorski prostor Kn×m” po-drazumeva ne sam skup Kn×m vec zapravo gore definisan vektorski prostor matrica.Ukoliko se posmatra neki drugi prostor sa istim skupom vektora to se onda posebnonaglasi. 2
2
I.3 Linearna kombinacija konacnog sistema
vektora
Za uredenu n-torku (u1, . . . , un) cemo koristiti i termin sistem duzine n a da jeoznacimo koristicemo ravnopravno i sledece zapise
“(ui : i = 1, n
)”, “(u) : ui, i = 1, n ” ili “(u) : u1, . . . , un”
Prazan skup nazivacemo drugacije i sistem duzine 0 ili prazan sistem.
Definicija I.3.1 Neka je V vektorski prostor nad K i n ∈ N. Pod
linearnom kombinacijom
n-torke vektora x(xi : i = 1, n
)prostora V sa n-torkom skalara
(αi : i = 1, n
)po-
drazumevamo vektor
α1−→x1 + · · · + αn
−→xn =
n∑
i=1
αi−→xi
18 DEO I. POJAM VEKTORSKIH PROSTORA
i za njega koristimo oznaku bα1, . . . , αncx
Dakle bα1, . . . , αncx :df=
n∑
i=1
αi−→xi .
2
Zapazanje I.3.2 Ako su u1, . . . , un, v1, . . . , vn, α, β ∈ K onda je
α · bu1, . . . , uncx + β · bv1, . . . , vncx = bαu1 + βv1, . . . , αun + βvncx
Zaista, ovo je jednostavno drugi nacin da se zapise
α−→a + β−→b = α
n∑
i=1
ui−→xi + β
n∑
i=1
vi−→xi =
n∑
i=1
(αui + βvi)−→xi
2
Terminologija Fraza
“vektor −→v je linearna kombinacija sistema vektora(xi : i = 1, n
)”
znacice:
“postoji neki sistem skalara(αi : i = 1, n
)tako da je −→v =
n∑
i=1
αi−→xi”
tj. tako da je vektor −→v linearna kombinacija sistema vektora(xi : i = 1, n
)sa
sistemom skalara(αi : i = 1, n
).
Isto ce znaciti i fraze poput “vektor −→v se moze prikazati (predstaviti) kao lin-
earna kombinacija sistema vektora(xi : i = 1, n
)”. 2
Primer Vektor (−1, 1) ∈ R2 je linearna kombinacija sistema vektora
(x) : −→x1 = (1,−5), −→x2 = (−1, 3)
Zaista: 2−→x1 + 3−→x2 = 2(1,−5) + 3(−1, 3) = (−1, 1). 2
Terminologija Za vektor v kazemo da je “linearna kombinacija vektora skupa M”ako postoji sistem
(xi : i = 1, n
)vektora skupa M (tj. takav da je −→xi ∈ M za svako
i = 1, n) tako da je vektor v linearna kombinacija sistema vektora(xi : i = 1, n
).
2
I.3. LINEARNA KOMBINACIJA KONACNOG SISTEMA VEKTORA 19
Primer I.3.3 Sta, u realnom vektorskom prostoru V :=(RR,⊕, ◦
)svih funkcija iz
R u R, predstavljaju linearne kombinacije funkcija iz skupa M := {fn : n ∈ N0},
gde je fn ∈ RR definisana sa fn(x) :df= xn za svako x ∈ R (recimo f0(x) = x0 = 1)?
Neka je k ∈ N, n1, n2, . . . , nk ∈ N0 i αi ∈ R za i = 1, k. Imamo
(
α1
−→fn1
+ · · ·+αi
−→fni
+ · · ·+αk
−→fnk
)
(x) = α1fn1(x)+ · · ·+αifni
(x)+ · · ·+αkfnk(x) =
α1xn1 + · · ·+ αix
ni + · · ·+ αkxnk = a0 + a1x + · · ·+ ajx
j + · · ·+ amxm
za m := nk, i odgovarajuce aj ∈ R, j = 1, k. Dakle linearne kombinacije vektoraskupa M su polinomske funkcije. 2
Definicija I.3.4 Neka je M neprazan skup vektora vektorskog prostora V. Skup
LV(M) = L(M) :df= {v ∈ V : v je linearna kombinacija vektora skupa M}
nazivamo
lineal nad skupom M .
Takode definisemo da je L(∅) :df= {0}. 2
Jasno M ⊆ L(M) : ako −→x ∈ M onda −→x = 1 · −→x ∈ L(M).
Takode, uvek vazi 0 ∈ L(M) : ako je M = ∅ onda je 0 ∈ {0} = L(M) a ako je
M 6= ∅ onda mozemo uociti neko x ∈ M pa imamo−→0 = 0−→x ∈ L(M).
Primer I.3.5 U prostoru geometrijskih vektora skup L(−→OA,
−−→OB)
– lineal nad ge-
ometrijskim vektorima u :=−→OA i v :=
−−→OB na slici – predstavlja skup svih geometri-
jskih vektora “paralelnih” ravni R odredenoj tackama O, A, B; tj.
L(u, v) ={−−→OX : X ∈ R
}
20 DEO I. POJAM VEKTORSKIH PROSTORA
Slika I.3.8.
Slika I.3.9.
Imamo−−→OD /∈ L(u, v) i
−−−→O1C1 =
−→OC = u+ 2v ∈ L(u, v).
Skup L(−→AB)
– lineal nad geometrijskim vektorom u :=−→AB na slici – predstavlja
skup svih geometrijskih vektora “paralelnih” sa pravom p odredenom tackama A,B; tj.
L(u) ={−−→AX : X ∈ p
}
I.3. LINEARNA KOMBINACIJA KONACNOG SISTEMA VEKTORA 21
Slika I.3.10.
Na primer imamo−−→CD = 2u ∈ L(u),
−→EF = 1/2u ∈ L(u),
−−→GH = −2u ∈ L(u),
−→IJ /∈ L(u). 2
Primer I.3.6 U realnom vektorskom prostoru V :=(RR,⊕, ◦
)svih funkcija iz R u
R, neka je Mk := {fi : i = 1, k} za k ∈ N, gde je fi ∈RR definisana sa fi(x) :
df= xn
za svako x ∈ R.L(Mk) je skup svih polinomskih funkcija stepena ne veceg od k. 2
Zapazanje I.3.7 Primetimo da ako je M proizvoljan skup vektora prostora V ondavazi:
– ako −→x ,−→y ∈ L(M) onda −→x +−→y ∈ L(M);– ako −→x ∈ L(M) i λ ∈ K onda λ−→x ∈ L(M).Zaista, ako je M neprazan i ako je −→x ,−→y ∈ L(M) onda postoje vektori a1, . . . , an,
b1, . . . , bm ∈ M i skalari α1, . . . , αn, β1, . . . , βm ∈ K tako da je
−→x = α1−→a1 + · · ·+ αn
−→an i −→y = β1
−→b1 + · · ·+ βm
−→bm
pa je zato
−→x +−→y = α1−→a1 + · · ·+ αn
−→an + β1
−→b1 + · · ·+ βm
−→bm ∈ L(M)
a takode je i
λ−→x = λ(α1−→a1 + · · ·+ αn
−→an) = (λα1)−→a1 + · · ·+ (λαn)
−→an ∈ L(M)
za svako λ ∈ K.Ako je M = ∅ onda tvrdenje sledi iz
−→0 +
−→0 =
−→0 i α ·
−→0 =
−→0 za svako α ∈ K.
2
22 DEO I. POJAM VEKTORSKIH PROSTORA
Deo II
Osnovni pojmovi i cinjenice
II.1 Podprostor vektorskog prostora
Definicija II.1.1 Za neprazan podskup P ⊆ V kazemo da je
podprostor vektorskog prostora V
ako zadovoljava naredna dva uslova:
(P1) ako x, y ∈ P onda −→x +−→y ∈ P
(P2) ako x ∈ P i α ∈ K onda α−→x ∈ P .
i tu cinjenicu cemo oznacavati sa
Pv
⊆ V
U tom slucaju ako stavimo ⊕′ := ⊕ � (P × P ) i ◦′ := ◦ � (K × P ) imamo da jeP := (P,⊕′, ◦′) vektorski prostor nad K, i za P kazemo da je
vektorski prostor odreden podprostorom P vektorskog prostora V
2
23
24 DEO II. OSNOVNI POJMOVI I CINJENICE
Slika II.1.1.
Slika II.1.2.
Primer Neka je V :=(NR,⊕, ◦
)vektorski prostor svih funkcija iz N u R – tj.
vektorski prostor svih nizova realnih brojeva.Neka su a, b ∈ NR. Ako su vektori a i b oba “odredenog tipa”, odnosno oba imaju
odredenu osobinu (recimo oba niza su takva da su im svi clanovi nenegativni, ili obasu aritmeticki nizovi) mogu se postaviti pitanja:
(1) da li je i njihov zbir −→a +−→b niz tog istog tipa?
(2) ako je α ∈ R da li je i vektor α−→a niz tog istog tipa?
II.1. PODPROSTOR VEKTORSKOG PROSTORA 25
Ako su oba niza aritmeticka onda je takav i njihov zbir. Zaista neka postojeδ1, δ2 ∈ R tako da je
an+1 − an = δ1 i bn+1 − bn = δ2
za svako n ∈ N. Stavimo −→c := −→a +−→b . Tada je
cn = c(n) = (−→a +−→b )(n) = a(n) + b(n) = an + bn
tj. cn = an + bn za svako n ∈ N; zato imamo
cn+1 − cn = (an+1 + bn+1)− (an + bn) = δ1 + δ2
za svako n ∈ N.Ako je a aritmeticki niz i α ∈ R proizvoljno onda je i α−→a aritmeticki niz: zaista,
ako je θ ∈ R takvo da jean+1 − an = θ
za svako n ∈ N, onda imamo
(α−→a )n+1 − (α−→a )n = αan+1 − αan = αθ
za svako n ∈ N.
Dakle ako sa P oznacimo skup svih aritmetickih nizova realnih brojeva, tj.
P :={a ∈ N
R : postoji r ∈ R tako da za svako n ∈ N vazi an+1 − an = r}
onda skup vektora P ⊆ NR naseg vektorskog prostora V zadovoljava uslove (P1) i(P2).
26 DEO II. OSNOVNI POJMOVI I CINJENICE
Slika II.1.3.
Pitanje Sta je sa osobinom “svaki clan niza je nenegativan”? •
2
Primer Ako je V proizvoljan vektorski prostor onda su {0} i sam V podprostori odV. Za njih kazemo da su trivijalni podprostori. Za {0} kazemo da je nula podprostor.2
Primer II.1.2 Prostori PolR i PolCOznacimo sa PolR skup svih polinomskih funkcija iz R u R. Ako je V1 :=
(RR,⊕, ◦
)realan vektorski prostor svih funkcija iz R u R onda skup PolR zadovo-
ljava uslove (P1) i (P2) (sa PolR umesto P ). (Realan) vektorski prostor odredenpodprostorom PolR prostora V1 nazivamo
vektorski prostor svih polinomskih funkcija iz R u R
Oznacimo sa PolC skup svih polinomskih funkcija iz C u C. Ako je V2 :=(CC,⊕, ◦
)kompleksan vektorski prostor svih funkcija iz C u C onda skup PolC
zadovoljava uslove (P1) i (P2). (Kompleksan) vektorski prostor odreden podpro-storom PolC prostora V2 nazivamo
vektorski prostor svih polinomskih funkcija iz C u C
2
Primer II.1.3 Prostori Poln,R i Poln,CZa n ∈ N0 oznacimo sa Poln,R skup svih polinomskih funkcija iz R u R stepena
ne veceg od n. Ako je V1 :=(RR,⊕, ◦
)realan vektorski prostor svih funkcija iz R
u R onda skup Poln,R zadovoljava uslove (P1) i (P2) . (Realan) vektorski prostorodreden podprostorom Poln,R prostora V1 nazivamo
vektorski prostor svih polinomskih funkcija iz R u R
stepena ne veceg od n
Za n ∈ N0 oznacimo sa Poln,C skup svih polinomskih funkcija iz C u C stepenane veceg od n. Ako je V2 :=
(CC,⊕, ◦
)kompleksan vektorski prostor svih funkcija
iz C u C onda skup Poln,C zadovoljava uslove (P1) i (P2). (Kompleksan) vektorskiprostor odreden podprostorom Poln,C prostora V2 nazivamo
II.1. PODPROSTOR VEKTORSKOG PROSTORA 27
vektorski prostor svih polinomskih funkcija iz C u C
stepena ne veceg od n
2
Tvrdenje II.1.4 Neka je V vektorski prostor nad K. Ako je M proizvoljan skupvektora onda je L(M) podprostor od V. Ako je P podprostor onda je P = L(P ).Specijalno:
– svaki podprostor je oblika L(X) za neki skup vektora X;
– za svaki skup vektora M ⊆ V vazi L(L(M)
)= L(M).
Dokaz. Vec znamo da L(M) zadovoljava uslove (P1) i (P2) (Zapazanje I.3.7).
Neka je P podprostor od V. Obzirom da X ⊆ L(X) vazi za svaki skup vektoraX bio on podprostor ili ne, dovoljno je da pokazemo da vazi L(P ) ⊆ P . Pokazimoindukcijom po n ∈ N da vazi:
ako su x1, . . . , xn ∈ P i α1, . . . , αn ∈ K onda je α1−→x1 + · · ·+ αn
−→xn ∈ P
Za n = 1 ovo tvrdenje se svodi na uslov (P2) koji po pretpostavci vazi. Pre-tpostavimo da tvrdenje vazi za neko n ∈ N i neka su x1, . . . , xn+1 ∈ P i α1, . . . , αn+1 ∈K. Imamo
α1−→x1 + · · ·+ αn+1
−−→xn+1 =−→u + αn+1
−−→xn+1
gde je −→u := α1−→x1 + · · ·+ αn
−→xn. Prema indukcijskoj hipotezi je −→u ∈ P a zbog (P2)je αn+1
−−→xn+1 ∈ P , pa na osnovu (P1) sledi −→u + αn+1−−→xn+1 ∈ P .
Ovim smo pokazali da je P = L(P ). Specijalno svaki podprostor P je oblikaL(X) – recimo mozemo uzeti X = P . 2
Tvrdenje II.1.5 Ako su Ps za s ∈ S podprostori onda je i⋂
s∈S
Ps podprostor. Za
proizvoljan skup vektora M ⊆ V vazi:
L(M) =⋂{
Pv
⊆ V : M ⊆ P}
tj. L(M) je upravo skup svih onih vektora koji su zajednicki za sve podprostorekoji sadrze skup M . 2
28 DEO II. OSNOVNI POJMOVI I CINJENICE
II.2 Potpuni sistemi i skupovi vektora
Za uredenu n-torku(xi : i = 1, n
)kazemo da je injektivna ako vazi i 6= j ⇒ ai 6= aj
za svako i, j = 1, n, tj. ako su a1, . . . , an medusobno razliciti.
Definicija II.2.1 (i) Za skup vektora M ⊆ V vektorskog prostora V = (V,⊕, ◦)kazemo da je
potpun skup vektora
ako za svaki vektor v prostora V postoje k ∈ N,
vektori x1, . . . , xk ∈ M i skalari α1, . . . , αk ∈ K
tako da je
−→v =k∑
i=1
αi−→xi
Drugim recima, skup vektora M je potpun ako je svaki vektor prostora V li-nearna kombinacija vektora tog skupa.
(ii) Za konacan sistem vektora(xi : i = 1, n
)kazemo da je
potpun sistem vektora
ako je skup{xi : i = 1, n
}potpun skup vektora. Prazan sistem je po definiciji
potpun sistem svakog nula vektorskog prostora (tj. {0}). 2
Zapazanje II.2.2 Dakle skup vektora M je potpun akko je L(M) = V . Vazi:
konacan sistem vektora(xi : i = 1, n
)je potpun
akko je
skup vektora{xi : i = 1, n
}potpun
akko
za svaki vektor v postoje αi ∈ K za i = 1, n tako da je −→v =n∑
i=1
αi−→xi
II.2. POTPUNI SISTEMI I SKUPOVI VEKTORA 29
akko vazi
V =
{n∑
i=1
αi−→xi : αi ∈ K, i = 1, n
}
2
Primer Skup V svih vektora je potpun skup vektora. 2
Primer II.2.3 Za i ∈ N0 neka su fi : R → R definisane sa fi(x) :df= xi za x ∈ R.
U prostoru PolR iz Primera II.1.2 skup {fi : i ∈ N0} je potpun skup vektora(videti Primer I.3.3).
U prostoru Poln,R iz Primera II.1.2 skup {fi : i = 0, n} je potpun skup vektora(videti Primer I.3.6). 2
Definicija II.2.4 Za vektorski prostor kazemo da je
konacnodimenzionalan
ako postoji neki konacan potpun skup vektora tog prostora. 2
Primer II.2.5 Neka je NR vektorski prostor svih realnih nizova. Znamo da je skup
svih V aritmetickih nizova podprostor od NR. Neka su nizovi a1 i a2 definisani sa
a1(n) = 1
ia2(n) = n− 1
za svako n ∈ N (neformalno: a1 = (1, 1, 1, 1, 1, . . . ), a2 = (0, 1, 2, 3, 4, . . . )). Imamoa1, a2 ∈ V (oba ova niza su aritmeticka).
Sistem vektora a = (a1, a2) prostora V je potpun. Zaista, ako je niz x aritmetickionda postoje θ, d ∈ R tako da je
xn = r + (n− 1)d
za svako n ∈ N, pa je
x(n) = r · a1(n) + d · a2(n) = (r−→a1 + d−→a2)(n)
tj. −→x = r−→a1 + d−→a2 .Zakljucujemo da je prostor svih realnih aritmetickih nizova konacnodimenzionalan.
2
Primer Prostor svih polinomskih funkcija iz K u K stepena ne veceg od n (gde jeK ∈ {R,C} i n ∈ N) nije konacnodimenzionalan. Zaista ako su p1, . . . , pm ∈ Poln,K,α1, . . . , αm ∈ K i ako je k ∈ N0 najveci od stepena datih polinomskih funkcija, ondaje α1
−→p1 + · · ·αm−→pm neka polinomska funkcija stepena najvise k; zato se nijedna
polinomska funkcija stepena k + 1 ne moze predstaviti kao linearna kombinacijavektora iz skupa {p1, . . . , pm}. 2
30 DEO II. OSNOVNI POJMOVI I CINJENICE
II.3 Linearno (ne)zavisne n-torke vektora
Neka su x1, x2 i x3 vektori nekog vektorskog prostora V nad K. (tj. neka je(x1, x2, x3) konacan sistem vektora tog prostora).
Pitanje 1Da li postoje α1, α2, α3 ∈ K (tj. da li postoji sistem skalara (α1, α2, α3))tako da je
α1−→x1 + α2
−→x2 + α3−→x3 =
−→0
Trivijalno da: dovoljno je uzeti α1 = α2 = α3 = 0.
Pitanje 2 Da li postoje α1, α2, α3 ∈ K koji nisu svi jednaki nuli (tj. takvi danije α1 = α2 = α3 = 0) tako da je
α1−→x1 + α2
−→x2 + α3−→x3 =
−→0
Primer II.3.1 U prostoru R3 neka je dat sistem vektora
(a) : a1 = (1, 1, 1), a2 = (1, 2, 2), a3 = (3, 2, 5)
Ako za neke α1, α2, α3 ∈ R vazi
3∑
i=1
αi−→ai = α1(1, 1, 1) + α2(1, 2, 2) + α3(3, 2, 5) = (0, 0, 0)
tj.(α1 + α2 + 3α3, α1 + 2α2 + 2α3, α1 + 2α2 + 5α3) = (0, 0, 0)
onda mora biti
α1 +α2 +3α3 = 0α1 +2α2 +2α3 = 0α1 +2α2 +5α3 = 0
odnosno
α1 + α2 + 3α3 = 0(α1 + 2α2 + 2α3)− (α1 + α2 + 3α3) = 0(α1 + 2α2 + 5α3)− (α1 + α2 + 3α3) = 0
tj.
α1 +α2 +3α3 = 0α2 −α3 = 0α2 +2α3 = 0
II.3. LINEARNO (NE)ZAVISNE N -TORKE VEKTORA 31
odnosno
α1 + α2 + 3α3 = 0α2 − α3 = 0
(α2 + 2α3)− (α2 − α3) = 0
tj.
α1 +α2 +3α3 = 0α2 −α3 = 0
3α3 = 0
pa mora biti α3 = 0 te i α2 = α3 = 0 kao i α1 = −α1 − 3α3 = 0. 2
Definicija II.3.2 Ako je n ∈ N onda za n-torku vektora(xi : i = 1, n
)vektorskog
prostora V nad K kazemo da je
linearno nezavisna
ako je jedina n-torka skalara(αi : i = 1, n
)za koji vazi
n∑
i=1
αi−→xi =
−→0 jeste tzv.
trivijalna n-torka skalara, tj. ona data sa αi = 0 za svako i = 1, n.Na ovaj nacin smo dakle definisali pojam linearno nezavisnog sistema vektora
duzine n ∈ N. Sistem vektora duzine 0, tj. prazan skup, je po definiciji linearnonezavisan.
Za n-torku vektora(xi : i = 1, n
)kazemo da je
linearno zavisna
ukoliko nije linearno nezavisna. 2
Tvrdenje II.3.3 Sistem vektora(xi : i = 1, n
)je linearno nezavisan akko je ispunjen
sledeci uslov:ako su
(αi : i = 1, n
)∈ Kn i
(βi : i = 1, n
)∈ Kn razlicite n-torke skalara (tj.
za neko i0 ∈ {1, . . . , n} je αi0 6= βi0) onda je
n∑
i=1
αi−→xi 6=
n∑
i=1
βi−→xi
Dokaz Neka je doticni sistem vektora linearno nezavisan i neka je i0 ∈ {1, . . . , n}takvo da je αi0 6= βi0. Tada je αi0 − βi0 6= 0 pa je
(αi − βi : i = 1, n
)netrivijalan
sistem skalara; otuda mora biti
n∑
i=1
(αi − βi)−→xi 6=
−→0
32 DEO II. OSNOVNI POJMOVI I CINJENICE
tj.n∑
i=1
αi−→xi 6=
n∑
i=1
βi−→xi
Pretpostavimo sada da je dati uslov ispunjen. Ako je(λi : i = 1, n
)∈ Kn trivi-
jalna n-torka, tj. λi = 0 za svako i = 1, n, i ako je(αi : i = 1, n
)∈ K
n proizvoljnanetrivijalna n-torka, onda je αi0 6= λi0 za neko i0 ∈ {1, . . . , n} te imamo
n∑
i=1
αi−→xi 6=
n∑
i=1
λi−→xi =
−→0
2
Tvrdenje II.3.4 Ako je n-torka vektora(xi : i = 1, n
)linearno nezavisna onda
mora biti i 6= j ⇒ xi 6= xj za i, j = 1, n (tj. vektori x1, . . . , xn su medusobno
razliciti) a takode je i −→xi 6=−→0 za svako i = 1, n.
Dokaz Kad bi postojali neki i, j ∈ {1, . . . , n} takvi da je i 6= j i xi = xj onda biimali
1 · −→xi + (−1) · −→xj =−→0
tj. vektor−→0 bi bio linearna kombinacija n-torke vektora
(xi : i = 1, n
)sa netri-
vijalnom n-torkom skalara definisanom sa αi = 1, αj = −1 i αk = 0 za k ∈{1, . . . , n} \ {i, j}, a ovo je prema nasoj pretpostavci nemoguce.
Gde smo ovde iskoristili cinjenicu da je i 6= j? Da je bilo i = j onda nebismo mogli da definisemo
(αi : i = 1, n
)onako kako gore stoji jer bi tada imali
1 = αi = αj = −1.
Kad bi za neko i0 ∈ {1, . . . , n} bilo −→xi0 =−→0 onda bi za netrivijalnu n-torku
skalara definisanu sa
αi =
{1, ako i = i00, ako i 6= i0
vazilon∑
i=1
αi−→xi = 1 ·
−→0 =
−→0 , pa bi dati sistem vektora bio linearno zavisan. 2
II.4 Linearno (ne)zavisni skupovi vektora
Pitanje 1 Ako je M ⊆ V neprazan skup vektora da li od mozemo napraviti li-nearno zavisan sistem od vektora skupa M , preciznije da li postoji neko n ∈ N ix1, . . . , xn ∈ M tako da je n-torka (x1, . . . , xn) linearno zavisna?
Trivijalno da: kako jeM 6= ∅mozemo izabrati neko u ∈ M ; svaki sistem (x1, x2, . . . , xn)vektora skupa M kod kog je x1 = x2 = u prema Tvrdenju II.3.4 mora biti linearnozavisan.
II.4. LINEARNO (NE)ZAVISNI SKUPOVI VEKTORA 33
Pitanje 2 Da li postoji neko n ∈ N i medusobno razliciti vektori x1, . . . , xn ∈ Mtako da je n-torka (x1, . . . , xn) linearno zavisna?
Definicija II.4.1 Za neprazan skup M ⊆ V vektora kazemo da je
linearno nezavisan skup
ako je svaka injektivna n-torka vektora tog skupa linearno nezavisan sistem, tj.ako vazi:
ako su n ∈ N, α1, . . . , αn ∈ N i x1, . . . , xn ∈ M tako da i 6= j ⇒ xi 6= xj zai, j = 1, n,
onda je uvekn∑
i=1
αi−→xi 6=
−→0 osim ako je αi = 0 za svako i = 1, n.
Prazan skup je po definiciji linearno nezavisan. Za skup M ⊆ V vektorakazemo da je
linearno zavisan skup
ukoliko nije linearno nezavisan. 2
Primetimo da iz ove definicije sledi da je svaki linearno zavisan skup M ⊆ Vneprazan. Evo jedne preformulacije pojma “linearno zavisan skup”:
skup vektora M ⊆ V je linearno zavisan akko postoji n ∈ N, vektori x1, . . . , xn ∈M i skalari α1, . . . , αn ∈ K tako da vaze sledeca tri uslova:
(1) i 6= j ⇒ xi 6= xj za i, j = 1, n;
(2) za neko i0 ∈ {1, . . . , n} je αi0 6= 0;
(3)
n∑
i=1
αi−→xi =
−→0 .
Za konacne sisteme veza izmedu linearne nezavisnosti skupova i linearne neza-visnosti sistema data je narednim tvrdenjem.
Tvrdenje II.4.2 Sistem vektora(xi : i = 1, n
)je linearno nezavisan akko su zado-
voljena sledeca dva uslova:
34 DEO II. OSNOVNI POJMOVI I CINJENICE
(1) i 6= j ⇒ xi 6= xj za i, j = 1, n (tj. vektori x1, . . . , xn su medusobnorazliciti)
(2) skup {x1, . . . , xn} vektora je linearno nezavisan.
Drugim recima
sistem vektora(xi : i = 1, n
)je linearno nezavisan
akko je
{x1, . . . , xn} linearno nezavisan skup vektora sa tacno n elemenata
2
Tvrdenje II.4.3 Skup vektora M je linearno zavisan akko postoji neko x ∈ Mtako da je x ∈ L
(M \ {x}
). 2
Tvrdenje II.4.4 Neka je n ∈ N, n ≥ 2. Sistem vektora(xi : i = 1, n
)∈ V n je
linearno zavisan akko vazi neki od naredna dva uslova:– x1 = 0 ili– postoji i ∈ {2, . . . , n} tako da je xi ∈ L
({x1, . . . , xi−1}
).
Dokaz Pretpostavimo najpre da je sistem(xi : i = 1, n
)linearno zavisan i neka
je x 6= 0. Tada je sistem duzine 1(xi : i = 1, 1
)je linearno nezavisan.
Neka je k ∈ {1, . . . , n} najveci brojtakav da je sistem
(xi : i = 1, k
)linearno nezavisan.
Mora biti k < n jer bi inace(xi : i = 1, n
)bio linearno nezavisan suprotno nasoj
pretpostavci. Dakle k + 1 ∈ {1, . . . , n} pa je xk+1 definisan. Prema izboru broja ksistem
(xi : i = 1, k + 1
)je linearno zavisan, tj. postoje αi ∈ K za i = 1, k + 1 tako
da jeα1
−→x1 + . . . + αk−→xk + αk+1
−−→xk+1 =−→0 (II.1)
pri cemu postoji neko i0 ∈ {1, . . . , k + 1} takvo da je αi0 6= 0. Kad bi bilo αk+1 = 0
imali bik∑
i=1
αi−→xi =
−→0 i αi0 6= 0 pri cemu je i0 ∈ {1, . . . , k}, a ovo je nemoguce jer
je(xi : i = 1, k
)linearno nezavisan sistem. Dakle αk+1 6= 0 pa sada iz (II.1) sledi
−−→xk+1 =k∑
i=1
(−αi
αk+1
)
−→xi
II.4. LINEARNO (NE)ZAVISNI SKUPOVI VEKTORA 35
i pokazali smo sta treba.
Obrat tvrdenja sledi iz Tvrdenja II.4.2 i iz cinjenice da je
m∑
j=1
λj−→xj =
−−−→xm+1
ekvivalentno sa
(−1) · −−−→xm+1 +
m∑
j=1
λi−→xj =
−→0
2
Tvrdenje II.4.5 Ako je N ⊆ V linearno nezavisan skup vektora i x ∈ V \ L(N)onda je i N ∪ {x} linearno nezavisan skup. 2
Tvrdenje II.4.6 Neka je N ⊆ V konacan linearno nezavisan skup sa tacno
n ∈ N vektora, i P ⊆ V konacan skup sa tacno m ∈ N vektora. Ako je N ⊆ L(P )
onda mora biti n ≤ m . 2
Slika II.4.4.
Posledica II.4.7 Ako su konacni skupovi S1, S2 ⊆ V oba linearno nezavisni i po-tpuni, onda imaju isti broj elemenata.
36 DEO II. OSNOVNI POJMOVI I CINJENICE
Dokaz Ovo sledi iz S1 ⊆ V = L(S2) , S2 ⊆ V = L(S1) i Tvrdenja II.4.6. 2
Posledica II.4.8 Ako je V konacnodimenzionalan onda je takav i svaki njegov po-dprostor (preciznije – vektorski prostor odreden datim podprostorom).
Dokaz Neka je {0} 6= Pv
⊆ V i P vektorski prostor odreden podprostorom P .
Postoji konacan skup B ⊆ V vektora sa n ∈ N elemenata tako da je V = L(B) .
Slika II.4.5.
Reci
“a =(ai : i = 1, k
)je linearno nezavisan sistem vektora prostora P”
znaci isto sto i reci
“ai ∈ P za svako i = 1, k i a =(ai : i = 1, k
)je linearno nezavisan sistem vektora
prostora V”.
Zato je k ≤ n za svaki takav sistem. Otuda postoji k0 ∈ N tako da je
k0 = max{k ∈ N :
(ai : i = 1, k
)je linearno nezavisan sistem vektora iz P
}
Postoji linearno nezavisan sistem(ai : i = 1, k0
)vektora iz P . Tvrdimo da za
N :={ai : i = 1, k0
}vazi L(N) = P . N je linearno nezavisan skup prostora P i
ima k0 elemenata (videti Tvrdenje II.4.2). Kad bi postojalo neko x ∈ P \L(N) ondabi skup N ∪ {x} bio linearno nezavisan skup vektora prostora P (videti TvrdenjeII.4.5) sa k0+1 elemenata, te bi sistem (a1, . . . , ak0, x) bio linearno nezavisan sistemvektora iz P ; no kako je ovaj sistem duzine k0 + 1 ovo protivureci izboru broja k0.2
II.5. BAZNI SKUP, BAZA, DIMENZIJA 37
II.5 Bazni skup, baza, dimenzija
Definicija II.5.1 Potpun i linearno nezavizan skup vektora nazivamo
bazni skup vektorskog prostora V
2
Tvrdenje II.5.2 Neka je S ⊆ V konacan potpun skup i N ⊆ S linearno nezavisanskup sa n ∈ N0 elemenata tako da je
n = max {card(M) : M ⊆ S i M je linearno nezavisan}
tj. N je linearno nezavisan podskup od S sa najvecim mogucim brojem elemenata.Tada je i N potpun.
Dokaz Pod datim uslovima mora biti S ⊆ L(N): kad bi postojao neki x ∈S \ L(N) onda bi N ∪ {x} bio linearno nezavisan (prema Tvrdenju II.4.5) podskupod S sa n + 1 elemenata, sto protivureci izboru broja n. Dakle
V = L(S) ⊆ L(L(N)
)= L(N) ⊆ V
tj. N je potpun skup. 2
Teorema II.5.3 Neka je V k.d.v. prostor. Tada– svi linearno nezavisni skupovi su konacni;– postoji skup koji je istovremeno i potpun i linearno nezavisan, tj. postoji bazni
skup prostora V;
– svi bazni skupovi imaju isti broj elemenata i ovaj broj oznacavamo sa dim(V)i nazivamo
dimenzija
konacnodimenzionalnog vektorskog prostora V.
Dokaz Teorema je direkna posledica Tvrdenja II.4.6 i II.5.2 i Posledice II.4.7.2
Zapazanje II.5.4 Primetimo da je ∅ bazni skup nula prostora V = {0}, te i da jedimenzija nula prostora jednaka 0:
dim({0})= 0
2
38 DEO II. OSNOVNI POJMOVI I CINJENICE
Konvencija Ako je V konacnodimenzionalan vektorski prostor, Pv
⊆ V i P vektorskiprostor odreden podprostorom P , onda je prema Posledici II.4.8 i P konacnodimenzi-onalan, te je definisano dim(P) ∈ N; za dim(P) ∈ N kazemo i da je dimenzija
podprostora Pv
⊆ V i pisemo dimV(P ) = dim(P ) = dim(P). 2
Definicija II.5.5 Pod
bazom vektorskog prostora V
podrazumevamo svaki sistem(as : s ∈ S
)vektora za koji vaze sledeca dva uslova:
– s1 6= s2 ⇒ as1 6= as2 za svako s1, s2 ∈ S– skup
{as : s ∈ S
}je bazni (tj. istovremeno i potpun i linearno nezavisan)
skup datog vektorskog prostora. 2
Drugim recima, baza je sistem vektora koji se ovako dobija: fiksiramo neki bazniskup vektora M ⊆ V i neku bijekciju a : S → M ;
(as : s ∈ S
)je baza.
Nas ce skoro iskljucivo interesovati baze kod kojih je S = {1, . . . , n} za nekon ∈ N, tj. baze oblika
(ai : i = 1, n
), obzirom da se Linearna Algebra bavi
konacnodimenzionalnim vektorskim prostorima.
§
Cinjenica da je neki sistem oblika(xi : i = 1, n
)baza prostora moze da se iskaze
i na sledeca dva ekvivalentna nacina:
Tvrdenje II.5.6 Sistem(xi : i = 1, n
)je baza prostora
akko je skup{xi : i = 1, n
}bazni skup prostora sa n elemenata.
2
Odavde vidimo da ako je(ai : i = 1, n
)baza prostora onda je n = dim(V) .
Tvrdenje II.5.7 Sistem(xi : i = 1, n
)je baza prostora
akko je on istovremeno
i linearno nezavisan i potpun sistem vektora.
II.5. BAZNI SKUP, BAZA, DIMENZIJA 39
2
§
Definicija II.5.8 Neka je n ∈ N, neka je n-torka(ai : i = 1, n
)baza prostora
V i x ∈ V . Kako je sistem(ai : i = 1, n
)potpun to postoji n-torka skalara
(αi(x) : i = 1, n
)∈ Kn tako da je
x =n∑
i=1
αi(x)−→ai
a kako je sistem(ai : i = 1, n
)linearno nezavisan to je
(αi(x) : i = 1, n
)jedi-
nstvena n-torka skalara za koju ovo vazi; za i ∈ {1, . . . , n} skalar αi(x) nazivamo
i-ta koordinata vektora x u odnosu na bazu(ai : i = 1, n
)
Ako je v ∈{ai : i = 1, n
}onda postoji
tacno jedno i0 ∈ {1, . . . , n} tako da je ai0 = v
(jer je ova n-torka injektivna kao linearno nezavisna).
Za αi0(x) kazemo da je
koordinata vektora x u odnosu na bazu(ai : i = 1, n
)
pri vektoru v
2
Primer II.5.9 Neka je n ∈ N. Za i = 1, n neka je ei ∈ Kn definisano sa
ei(j) =
{0, ako j 6= i1, ako j = i
tj. ei = (0, . . . , 0︸ ︷︷ ︸
i−1 puta
, 1, 0, . . . , 0︸ ︷︷ ︸
n−i puta
) odnosno
e1 = (1, 0, 0, 0, . . . , 0, 0, 0)e2 = (0, 1, 0, 0, . . . , 0, 0, 0)e3 = (0, 0, 1, 0, . . . , 0, 0, 0)
...en = (0, 0, 0, 0, . . . , 0, 0, 1)
U vektorskom prostoru Kn svih uredenih n-torki brojeva iz K imamo:
40 DEO II. OSNOVNI POJMOVI I CINJENICE
n∑
i=1
αi−→ei = α1 · (1, 0, 0, 0, . . . 0, 0, 0) +
α2 · (0, 1, 0, 0, . . . 0, 0, 0) +α3 · (0, 0, 1, 0, . . . 0, 0, 0) +
......
......
......
......
αn−1 · (0, 0, 0, 0, . . . 0, 1, 0) +αn · (0, 0, 0, 0, . . . 0, 0, 1)
= (α1, 0, 0, 0, . . . 0, 0, 0) +(0, α2, 0, 0, . . . 0, 0, 0) +(0, 0, α3, 0, . . . 0, 0, 0) +...
......
......
......
...(0, 0, 0, 0, . . . 0, αn−1, 0) +(0, 0, 0, 0, . . . 0, 0, αn)
= (α1, α2, α3, α4, . . . αn−2, αn−1, αn)
Odavde se lako vidi da je(ei : i = 1, n
)potpun i linearno nezavisan sistem, tj.
baza prostora Kn, te i da je dim(V) = n. Ovu bazu nazivamo
standardna baza prostora Kn
Primetimo da je i-ta koordinata n-torke (α1, α2, α3, . . . , αn−1, αn) u odnosu naovu bazu upravo αi – dakle isto sto i i-ta komponenta te n-torke. 2
Primer II.5.10 Za i0, j0 = 1, 3 neka je matrica Ei0,j0 ∈ K3×3 definisana sa
Ei0,j0(i, j) =
{0, ako (i, j) 6= (i0, j0)1, ako (i, j) = (i0, j0)
za i, j = 1, 3.U prostoru K3×3 sada imamo
∑
i,j=1,3
ai,j−→Ei,j = a1,1
1 0 00 0 00 0 0
+a1,2
0 1 00 0 00 0 0
+a1,3
0 0 10 0 00 0 0
+
a2,1
0 0 01 0 00 0 0
+a2,2
0 0 00 1 00 0 0
+a2,3
0 0 00 0 10 0 0
+
a3,1
0 0 00 0 01 0 0
+a3,2
0 0 00 0 00 1 0
+a3,3
0 0 00 0 00 0 1
=
II.5. BAZNI SKUP, BAZA, DIMENZIJA 41
a1,1 0 00 0 00 0 0
+
0 a1,2 00 0 00 0 0
+
0 0 a1,30 0 00 0 0
+
0 0 0a2,1 0 00 0 0
+
0 0 00 a2,2 00 0 0
+
0 0 00 0 a2,30 0 0
+
0 0 00 0 0a3,1 0 0
+
0 0 00 0 00 a3,2 0
+
0 0 00 0 00 0 a3,3
=
=
a1,1 a1,2 a1,3a2,1 a2,2 a2,3a3,1 a3,2 a3,3
Odavde se lako vidi da je{E1,1, E1,2, E1,3, E2,1, E2,2, E2,3, E3,1, E3,2, E3,3
}potpun
i linearno nezavisan skup sa 9 elemenata, te i da je dim(K3×3
)= 3 · 3 = 9. Sistem
E :=(E1,1, E1,2, E1,3, E2,1, E2,2, E2,3, E3,1, E3,2, E3,3
)
je baza prostora K3×3. Imamo
A :=
1 −5 9−3 0 72 2 −1
= b1, −5, 9, −3, 0, 7, 2 , 2, −1cE
Tako je recimo koordinata matrice A u odnosu na bazu E pri vektoru E2,3 jednaka7, a pri vektoru E1,2 jednaka −5.
Slicno, ako su n,m ∈ N i ako su za i0 = 1, n i j0 = 1, m matrice Ei0,j0 ∈ Kn×m
definisane sa
Ei0,j0(i, j) =
{0, ako (i, j) 6= (i0, j0)1, ako (i, j) = (i0, j0)
za i = 1, n i j = 1, m, odnosno
42 DEO II. OSNOVNI POJMOVI I CINJENICE
Ei0,j0 =
O(i0−1)×(j0−1)
00...00
i0−1 O(i0−1)×(m−j0)
0 0 . . . 0 0︸ ︷︷ ︸
j0−1
1 0 0 . . . 0 0︸ ︷︷ ︸
m−j0
O(n−i0)×(j0−1)
00...00
n−i0 O(n−i0)×(m−j0)
onda je skup
M :={Ei,j : i = 1, n, j = 1, m
}
potpun i linearno nezavisan i ima n ·m elemenata. Zato je sistem
(E1,1, . . . , E1,m;E2,1, . . . , E2,m; . . . . . . . . . ;En,1, . . . , En,m
)
baza prostora Kn×m i ovu bazu nazivamo
standardna baza prostora Kn×m
Primer II.5.11 Neka je K ∈ {R,C}, n ∈ N i za i ∈ 1, n neka su si : K → K
definisane sa si(x) :df= xi za x ∈ K.
Sistem(si : i = 0, n
)funkcija je baza prostora Poln,K. Zaista, ako je v ∈ Poln,K
dato sa v(x) = a0 + a1x+ · · ·+ anxn (gde dozvoljavamo i da je an = 0) onda je
v = ba0, a1, . . . , ancs
jer
v(x) = a0s0(x) + a1s1(x) + · · ·+ ansn(x)
za svako x ∈ K pa je sistem potpun, a ako su αi ∈ K za i = 1, n takvi da je
n∑
i=1
αi−→sn
nula vektor ovog prostora - konstantna nula funkcija – onda je
(n∑
i=1
αi−→sn
)
(x) = 0
II.5. BAZNI SKUP, BAZA, DIMENZIJA 43
za svako x ∈ K, odnosno
α0 + α1x + α2x2 + · · ·+ αnx
n = 0
za svako x ∈ K, odakle se vidi da mora biti αi = 0 za i = 1, n; dakle sistem je ilinearno nezavisan.
Ovu bazu nazivamo
standardna baza prostora Poln,K
Specijalno dim (Poln,K) = n. Standardna baza je specificna po tome sto se koo-rdinate vektora – date polinomske funkcije – u odnosu na nju poklapaju sa koefici-jentima te polinomske funkcije. 2
Primer II.5.12 Ako je u prostoru V geometrijskih vektora (a, b, c) proizvoljna tro-jka nekomplanarnih vektora, onda je ona potpun sistem vektora ovog prostora:
−→u = λ1−→a + λ2
−→b + λ3
−→c
Slika II.5.6.
Znamo da niti lineal nad bilo kojim jednim geometrijskim vektorom niti nad bilokoja dva geometrijska vektora nije jednak V (videti Primer I.3.5). S druge straneprema Tvrdenju II.5.2 svaki potpun skup vektora ima podskup koji je bazni skup.Otuda zakljucujemo da (a, b, c) mora biti baza. Dakle dim(V) = 3. 2
Tvrdenje II.5.13 Neka je V k.d.v. prostor. Ako je (a1, . . . , an) linearno nezavisansistem koji nije potpun, onda postoje k ∈ N i k-torka (b1, . . . , bk) ∈ V k vektora takoda je (a1, . . . , an, b1, . . . , bk) baza. 2
Posledica II.5.14 Ako je V k.d.v. prostor i Pv
⊆ V, pri cemu je P 6= V , onda jedim(P ) < dim(V). 2
Tvrdenje II.5.15 Neka je V konacnodimenzionalan prostor, n := dim(V) ∈ N ia =
(ai : i = 1, n
)sistem duzine (upravo) n. Ako je a bilo linearno nezavisan bilo
potpun, onda je a baza. 2
44 DEO II. OSNOVNI POJMOVI I CINJENICE
II.6 Sume podprostora
Za neprazne skupove vektora A,B ⊆ V vektorskog prostora V definisemo
A+B :df= {−→x +−→y : x ∈ A, y ∈ B}
iα ·A :
df= {α−→x : x ∈ A}
za α ∈ K. Ovako definisana operacija + na skupu P(V ) \ {∅} je asocijativna ikomutativna, sto se lako proverava, a ima i neutral – to je singlton {0}.
Jednostavnom indukcijom pokazuje se da je
A1 + · · ·+ Ak ={−→x1 + · · ·+−→xk : xi ∈ Pi, i = 1, k
}
Tvrdenje II.6.1 Ako je P1, . . . , Pk
v
⊆ V onda je i P1 + · · ·+ Pk
v
⊆ V.
Dokaz Neka je u, v ∈ P1 + · · ·+ Pk i α ∈ K. Tada postoje xi, yi ∈ Pi za i = 1, k
tako da je u =k∑
i=1
xi i v =k∑
i=1
yi. Imamo
u+ v =
k∑
i=1
xi +
k∑
i=1
yi =
k∑
i=1
(xi + yi) ∈ P1 + · · ·+ Pk
jer je xi + yi ∈ Pi za svako i = 1, k, obzirom da je Pi
v
⊆ V. Slicno je
α−→u = α
k∑
i=1
xi =
k∑
i=1
α−→xi ∈ P1 + · · ·+ Pk
jer je αi−→xi ∈ Pi za svako i = 1, k, obzirom da je Pi
v
⊆ V. 2
Podprostor P1 + · · ·+ Pk
v
⊆ V nazivamo suma k-torka podprostora (P1, . . . , Pk).
Definicija II.6.2 Za uredenu k-torku podprostora (P1, . . . , Pk) kazemo da ima di-
rektnu sumu ili da joj je suma direktna ako vazik∑
i=1
xi 6= 0 kad god je xi ∈ Pi za
i = 1, k tako da za neko i0 ∈ {1, . . . , k} vazi xi0 6= 0.
Zapis Q = P1 ⊕ · · · ⊕ Pk znacice:
II.6. SUME PODPROSTORA 45
Q = P1 + · · ·+ Pk i (P1, . . . , Pk) ima direktnu sumu
Tvrdenje II.6.3 Neka je P1, . . . , Pk
v
⊆ V. Sledeci uslovi su ekvivalentni:(1) (P1, . . . , Pk) ima direktnu sumu;(2) ako su xi, yi ∈ Pi za i = 1, k tako da je xi0 6= yi0 za neko i0 ∈ {1, . . . , k},
onda je
k∑
i=1
xi 6=k∑
i=1
yi;
(3) Za svako i0 ∈ {1, . . . , k} vazi Pi0 ∩∑
i=1,k
i6=i0
Pi = {0}.
Dokaz (1) ⇒ (2): ako su xi, yi ∈ Pi za i = 1, k tako da je xi0 6= yi0 za nekoi0 ∈ {1, . . . , k}. Definisimo
zi = xi − yi
za i = 1, k. Za svako i = 1, k vazi zi ∈ Pi jer Pi
v
⊆ V. Pritom je zi0 6= 0. Prema (1)sada sledi da je onda imamo
k∑
i=1
zi 6= 0
tj.
0 6=k∑
i=1
(xi − yi) =k∑
i=1
xi =k∑
i=1
yi
odnosnok∑
i=1
xi 6=k∑
i=1
yi.
(2) ⇒ (3): Neka su i0 ∈ {1, . . . , k} i a ∈ Pi0 ∩∑
i=1,k
i6=i0
Pi ⊇ {0} proizvoljni. Tada je
a =∑
i=1,k
i6=i0
zi (II.2)
za neke zi ∈ Pi za i = 1, k, i 6= i0. Definisimo sistem
xi :df= 0 za i = 1, k, i 6= i0 i xi0 :
df= a,
i sistem
yi :df= zi za i = 1, k, i 6= i0 i yi0 :
df= 0.
Prema II.2 imamok∑
i=1
xi = a =k∑
i=1
yi
46 DEO II. OSNOVNI POJMOVI I CINJENICE
Pritom je xi, yi ∈ Pi za i = 1, k. (2) sada povlaci da je xi = yi za svako i = 1, k,specijalno a = xi0 = yi0 = 0.
(3) ⇒ (1): Neka su xi ∈ Pi za i = 1, k tako da za neko i0 ∈ {1, . . . , k} vazi
xi0 6= 0. Kad bi bilok∑
i=1
xi = 0 onda bi imali
Pi0 3 xi0 =∑
i=1,k
i6=i0
(−xi) ∈∑
i=1,k
i6=i0
Pi
tj. 0 6= xi0 ∈ Pi0 ∩∑
i=1,k
i6=i0
Pi, sto bi protivurecilo uslovu (3). 2
Kao specijalan slucaj prethodnog tvrdenja imamo da ako je P,Qv
⊆ V onda
suma para podprostora (P,Q) je direktna akko je P ∩Q = {0}
Primer U prostoru RR neka je
P1 :={f ∈ R
R : f je parna funkcija}
i P2 :={f ∈ R
R : f je neparna funkcija}
Jednostavno je videti da je P1, P2
v
⊆ RR. Suma para podprostora (P1, P2) je direktnajer ako je f ∈ P1∩P2 onda za svako x ∈ R vazi f(−x) = f(x) = −f(x), tj. f(x) = 0,pa je f konstantna nula funkcija. Dakle P1 ∩ P2 = {0}. 2
Tvrdenje II.6.4 U k.d.v.p. V neka je P1, . . . , Pk
v
⊆ V. Za i = 1, k stavimo ni :=dim(Pi). Za svako i = 1, k neka je sistem (ai1, . . . , a
ini) baza vektorskog prostora
odredenog sa Pi. Tada je suma k-torke (P1, . . . , Pk) direktna akko je (n1+ · · ·+nk)-torka
(a11, . . . , a1n1, a21, . . . , a
2n2, . . . . . . , ak1, . . . , a
knk)
baza podprostora P1 + · · ·+ Pk.
II.6. SUME PODPROSTORA 47
Slika II.6.7.
Dokaz Pretpostavimo najpre da je doticni sistem baza podprostora P1 + · · ·+Pk. Da pokazemo da (P1, . . . , Pk) ima direktnu sumu neka su xi ∈ Pi za i = 1, k
proizvoljni. Za svako i = 1, k postoje αi1, . . . , α
ini
∈ K tako je xi =
ni∑
j=1
αija
ij, jer je
(ai1, . . . , aini) potpun sistem za Pi. Imamo
k∑
i=1
xi =
n1∑
j=1
α1ja
1j +
n2∑
j=1
α2ja
2j +
...nk∑
j=1
αkja
kj
(II.3)
Ako je
k∑
i=1
xi = 0 onda, obzirom da je
(a11, . . . , a1n1, a21, . . . , a
2n2, . . . . . . , ak1, . . . , a
knk)
48 DEO II. OSNOVNI POJMOVI I CINJENICE
linearno nezavisan sistem, iz (II.3) sledi da je αij = 0 za svako i = 1, k i svako
j = 1, ni, te je xi = 0.
Pretpostavimo sada da (P1, . . . , Pk) ima direktnu sumu i neka su αij ∈ K za svako
i = 1, k i j = 1, ni. Imamo
v :=
n1∑
j=1
α1ja
1j +
n2∑
j=1
α2ja
2j +
...nk∑
j=1
αkja
kj = p1 + p2 · · ·+ pk
(II.4)
gde smo stavili pi :df=
ni∑
j=1
αija
ij. Iz Pi
v
⊆ V sledi da je pi ∈ Pi. Zato, obzirom da
(P1, . . . , Pk) ima direktnu sumu, ako je v = 0 onda sledi da je pi = 0 za svako i = 1, k.
Dakle ako je i = 1, k proizvoljno imamo
ni∑
j=1
αija
ij = 0, pa kako je (ai1, . . . , a
ini)
linearno nezavisan sistem, to ovo moze da vazi samo ako je αij = 0 za svako j = 1, ni.
2
Tvrdenje II.6.5 U k.d.v.p. V neka je P1, . . . , Pk
v
⊆ V. Suma k-torke (P1, . . . , Pk)
je direktna akko vazi dim(P1 + · · ·+ Pk) =
k∑
i=1
dim(Pi).
Dokaz Za svako i = 1, k stavimo ni := dim(Pi) i uocimo po bazu (ai1, . . . , aini)
podprostora Pi. Sistem
a := (a11, . . . , a1n1, a21, . . . , a
2n2, . . . . . . , ak1, . . . , a
knk) ∈ (P1 + · · ·+ Pk)
n1+···+nk
je potpun za podprostor P1 + · · · + Pk. Zaista ako je x ∈ P1 + · · · + Pk onda jex = x1 + · · ·+ xk za neke xi ∈ Pi za i = 1, k, pa je
x =
k∑
i=1
xi =
k∑
i=1
(
α1i
−→ai1 + · · ·+ αni
i
−→aini
)
∈ L
({aij : i = 1, k, j = 1, ni
})
za neke αji ∈ K za i = 1, k, j = 1, ni. Zato sada na osnovu Tvrdenja II.5.15 imamo
da je
a baza za P1 + · · ·+ Pk akko je dim(P1 + · · ·+ Pk) =k∑
i=1
ni.
II.6. SUME PODPROSTORA 49
No prema Tvrdenju II.6.4 imamo da je
a baza za P1 + · · ·+ Pk akko je suma k-torke (P1, . . . , Pk) direktna.
2
Tvrdenje II.6.6 U k.d.v.p. V neka je Pv
⊆ V. Tada postoji bar jedno Qv
⊆ V takoda je V = P ⊕Q.
Dokaz Ako je P = V onda mozemo (i moramo) uzeti Q = {0}; ako je P = {0}onda mozemo (i moramo) uzeti Q = V . Ukoliko se ne radi ni o jednom od ova dvaslucaja onda ovo direktno sledi iz Tvrdenja II.5.13 i II.6.4. 2
Definicija II.6.7 Neka je Pv
⊆ V. Svaki podprostor za koji vazi P ⊕Q = V nazivase
direktna dopuna podprostora P (u odnosu na prostor V)
2
Primer Transponovana matrica matrice A = [ai,j]n×m ∈ Kn×m jeste matrica B =
[bi,j]m×n ∈ Km×n definisana sa bi,j = aj,i za svako i = 1, m, j = 1, n; oznacavamo je
sa AT . Na primer imamo
a x pb y qc z r
T
=
a b cx y zp q r
Za kvadratnu matricu A = [ai,j]n×n ∈ Kn×n reda n ∈ N kazemo da je
simetricna matrica
ako vazi ai,j = aj,i za svako i, j = 1, n. Dakle A je simetricna akko vazi A = AT .
Za kvadratnu matricu A = [ai,j]n×n ∈ Kn×n reda n ∈ N kazemo da je
antisimetricna matrica
ili kososimetricna matrica, ako vazi ai,j = −aj,i za svako i, j = 1, n. Dakle A je
antisimetricna akko vazi A = −AT .
50 DEO II. OSNOVNI POJMOVI I CINJENICE
Primetimo da svaka antisimetricna matrica “ima sve nule na glavnoj dijagonali”,tj. da vazi ai,i = 0 za svako i = 1, n: ovo je zbog ai,i = −ai,i.
a u vu b wv w b
− simetricna matrica
0 −u −vu 0 −wv w 0
− antisimetricna matrica
a1,1 + a1,12
a1,2 + a2,12
a1,3 + a3,12
a2,1 + a1,22
a2,2 + a2,22
a2,3 + a3,22
a3,1 + a1,32
a3,2 + a2,32
a3,3 + a3,32
︸ ︷︷ ︸
1
2
(M +MT
)
+
a1,1 − a1,12
a1,2 − a2,12
a1,3 − a3,12
a2,1 − a1,22
a2,2 − a2,22
a2,3 − a3,22
a3,1 − a1,32
a3,2 − a2,32
a3,3 − a3,32
︸ ︷︷ ︸
1
2
(M −MT
)
=
=
a1,1 a1,2 a1,3a2,1 a2,2 a2,3a3,1 a3,2 a3,3
︸ ︷︷ ︸
M
Za proizvoljnu kvadratnu matricu A = [ai,j]n×n ∈ Kn×n matrica A + AT jesimetricna a matrica A − AT je antisimetricna, sto se direktno proverava; zato
je1
2
(A+ AT
)simetricna a matrica
1
2
(A− AT
)antisimetricna. i pritom vazi
A =1
2
(A+ AT
)+
1
2
(A− AT
)∈ Sim + Ant
gde je Sim ⊆ Kn×n skup svih simetricnih matrica reda n, a Ant ⊆ Kn×n skup svihantisimetricnih matrica reda n.
Ovo znaci da je Kn×n = Sim + Ant. Lako je videti da zapravo vazi
Kn×n = Sim ⊕ Ant
2
II.6. SUME PODPROSTORA 51
Primer Neka je k ∈ N. U prostoru(NR,⊕, ◦
)svih nizova realnih brojeva za skupove
P := {(ai : i ∈ N) : ai = 0 za svako i > k}
i
Q :={(ai : i ∈ N) : ai = 0 za svako i = 1, k
}
vazi P,Qv
⊆ V kao i NR = P ⊕Q.
...
...
0
0
0
ak
ak−1
...
a3
a2
a1
+
...
...
ak+3
ak+2
ak+1
0
0
...
0
0
0
=
...
...
ak+3
ak+2
ak+1
ak
ak−1
...
a3
a2
a1
p + q = a
2
Tvrdenje II.6.8 Neka je P1, P2
v
⊆ V. Ako je V konacnodimenzionalan ondavazi
dim(P1 + P2) = dim(P1) + dim(P2)− dim(P1 ∩ P2)
2
52 DEO II. OSNOVNI POJMOVI I CINJENICE
II.7 Linearna preslikavanja
Primer Neka je f : R2 → R3 definisano sa
f(x, y) = f((x, y)
):df= (x− y, 2x+ 3y,−7x+ 5y)
Neka su a1 := (x1, y1), a2 = (x2, y2) ∈ R2 i α1, α2 ∈ R proizvoljni. Imamo
f(α1
−→a1 + α2−→a2)= f
(α1(x1, y1) + α2(x2, y2)
)= f(α1x1 + α2x2, α1y1 + α2y2) =
((α1x1 + α2x2) − (α1y1 + α2y2),2(α1x1 + α2x2) + 3(α1y1 + α2y2),
−7(α1x1 + α2x2) + 5(α1y1 + α2y2))
=(
α1(x1 − y1) + α2(x2 − y2),
α1(2x1 + 3y1) + α2(2x2 + 3y2),
α1(−7x1 + 5y1) + α2(−7x2 + 5y2)
)
=
(
α1(x1 − y1), α1(2x1 + 3y1), α1(−7x1 + 5y1))
+
(α2(x2 − y2), α2(2x2 + 3y2), α2(−7x2 + 5y2)
)
=
α1
(x1 − y1, 2x1 + 3y1,−7x1 + 5y1
)+ α2
(x2 − y2, 2x2 + 3y2,−7x2 + 5y2
)=
α1 · f(a1) + α2 · f(a2)
Dakle preslikavanje f zadovoljava
f(α1
−→a1 + α2−→a2)= α1 · f(a1) + α2 · f(a2)
2
Definicija II.7.1 Neka je K ∈ {R,C} i neka su V i W vektorski prostori oba nadK (dakle oba realna ili oba kompleksna). Za preslikavanje f : V → W kazemo da je
linearno preslikavanje iz prostora V u prostor W
ako vazi
f (α−→x + β−→y ) = α · f (−→x ) + β · f (−→y )
za svako x, y ∈ V i α, β ∈ K. Skup svih linearnih preslikavanja iz V u W oznacavamosa Hom(V,W). 2
Zapazanje II.7.2 Primetimo da ako je f linearno preslikavanje iz prostora V uprostor W onda je
II.7. LINEARNA PRESLIKAVANJA 53
f(01) = 02
tj. nula vektor (prostora V) mora da se slika u nula vektor (prostora W). Ovo je
tako iz razloga sto f(01) = f(
0 ·−→01 + 0 ·
−→01
)
= 0f(02) + 0f(02) = 02. 2
Zapazanje II.7.3 Neka je Pv
⊆ V i Qv
⊆ W i f ∈ Hom(V,W). Ako je f⇀P ⊆ Qonda je f � P ∈ Hom(P,Q). Drugim recima restrikcija linearnog preslikavanja jelinearno preslikavanje.
Slika II.7.8.
2
Definicija II.7.4 Neka je V = (V,+, ·) vektorski prostor nad K i neka je X 6= ∅proizvoljan skup. Na skupu XV svih funkcija iz X u V definisimo operaciju ⊕ kojucemo zvati
standardno sabiranje funkcija iz X u V
na sledeci nacin: ako su f, g : X → V onda je funkcija f ⊕ g : X → V odredena sa
(f ⊕ g)(x) :df=
−−→f(x) +
−−→g(x)
za svako x ∈ X. Definisemo i mesovitu operaciju ◦ : K×XV → XV koju cemo zvati
54 DEO II. OSNOVNI POJMOVI I CINJENICE
standardno mnozenje funkcija iz X u V realnim, odnosno kompleksnim brojem
na sledeci nacin: za f : X → V i α ∈ K funkcija α ◦ f : X → V odredena je sa
(α ◦ f)(x) :df= α
−−→f(x)
za svako x ∈ X.
Lako se proverava da je(XV,⊕, ◦
)vektorski prostor nad K. Njega cemo zvati
vektorski prostor svih funkcija iz X u V i skraceno oznacavati sa XV . 2
Tvrdenje II.7.5 Hom(V,W) je podprostor prostora VW svih funkcija iz V u W.
Dokaz Neka su f, g ∈ Hom(V,W) i α, β ∈ K. Treba pokazati da je i α ·f+β ·g ∈Hom(V,W). Dakle neka su u, v ∈ V i µ, ν ∈ K proizvoljni. Imamo(
αf + βg
)
(µ−→u + ν−→v ) = α · f(µ−→u + ν−→v
)+ β · g
(µ−→u + ν−→v
)=
α ·(µf(u) + νf(v)
)+ β ·
(µg(u) + νg(v)
)=
µ(αf(u) + βg(u)
)+ ν(αf(v) + βg(v)
)= µ
(
αf + βg
)
(u) + ν
(
α · f + β · g
)
(v)
2
Slika II.7.9.
Konvencija Za vektorski prostor odreden podprostorom Hom(V,W) prostora VW
koristicemo istu oznaku “Hom(V,W)” kao i za sam skup Hom(V,W). Ovo je uskladu sa sa jednom ranijom konvencijom. Prostor Hom(V,W) nazivamo
II.7. LINEARNA PRESLIKAVANJA 55
vektorski prostor svih linearnih preslikavanja iz V u W
2
Definicija II.7.6 Neka je K ∈ {R,C}. (K,+, ·) je vektorski prostor nad K, gde je“+” uobicajeno sabiranje a “·” uobicajeno mnozenje brojeva. Ako je V vektorskiprostor nad K onda za linearno preslikavanje f ∈ Hom(V,K) kazemo da je
linearna funkcionela na prostoru V
Drugim recima, linearna funkcionela na V je svako preslikavanje f : V → K
(dakle f : V → R ili f : V → C) za koje vazi
f(α−→x + β−→y
)= αf
(−→x)+ βf
(−→y)
za svako α, β ∈ K i x, y ∈ V . 2
Definicija II.7.7 Vektorski prostor Hom(V,K) svih funkcionela na V nazivamo
dualni prostor vektorskog prostora V
ili algebarski dual prostora V i oznacavamo ga sa V′.
Dakle V ′ = Hom(V,K)v
⊆ VK . 2
Tvrdenje II.7.8 Za f : V → W sledeci uslovi su ekvivalentni:(1) f je linearno;
(2) f
(n∑
i=1
αi−→ai
)
=
n∑
i=1
αif (−→ai ) za svako n ∈ N, a1, . . . , an ∈ V , α1, . . . , αn ∈ K;
(3) f zadovoljava sledeca dva uslova:– preslikavanje f je aditivno, tj. vazi f(x+ y) = f(x) + f(y) za svako x, y ∈ V ;– preslikavanje f je homogeno, tj. vazi f (α−→x ) = α · f (−→x ) za svako x ∈ V i
α ∈ K.
Dokaz (1)⇒(2): Indukcijom po n ∈ N. Baza indukcije:
f(α1
−→a1)= f
(α1
−→a1 + 0−→0)= α1f(a1) + 0f
(−→0)= α1f(a1)
Indukcijski korak:
f
(n+1∑
i=1
αi−→ai
)
= f
(
1 ·n∑
i=1
αi−→ai + αn+1
−−→an+1
)
= 1·
(n∑
i=1
αif(−→ai)
)
+αn+1f(−−→an+1
)=
=n+1∑
i=1
αif (−→ai )
(2)⇒(3): Aditivnost: f(x+y) = f(1−→x +1−→y
)= 1 ·f(x)+1 ·f(y) = f(x)+f(y).
Homogenost je samo specijalan slucaj uslova (2) za n = 1(3)⇒(1): f
(α−→x + β−→y
)= f
(α−→x
)+ f(β−→y
)= α · f(x) + β · f(y). 2
56 DEO II. OSNOVNI POJMOVI I CINJENICE
Tvrdenje II.7.9 Uvek je f(01) = 02. Linearno preslikavanje f je injektivno akkoje f↼{02} = {01}.
Dokaz Kako je f(01) = f(01 + 01) = f(01) + f(01) to sledi da je f(01) = 02.Dakle 01 ∈ f↼{02}, pa ako je f injektivno onda odavde direktno imamo da je u
tom slucaju f↼{02} = {01}.Neka sada vazi f↼{02} = {01}. Ako su x, y ∈ V tako da je f(x) = f(y) onda
imamo
02 = f(x)− f(y) = 1 · f(x) + (−1) · f(y) = f(1−→x + (−1)−→y
)= f(x− y)
tj.x− y ∈ f↼{02} = {01}
Znaci x− y = 01 odnosno x = y. Ovim smo pokazali da je f injektivno. 2
Definicija II.7.10 Za f ∈ Hom(V,W) skup
Ker(f) :df= f↼{02} =
{x ∈ V : f(x) = 02
}
nazivamo
jezgro linearnog preslikavanja f .
Dakle linearno preslikavanje je monomorfizam akko je Ker(f) = {01}. 2
Tvrdenje II.7.11 Ako je f ∈ Hom(V,W) onda Ker(f)v
⊆ V, Im(f)v
⊆ W.
Dokaz Ako je x, y ∈ Ker(f) i α, β ∈ K onda imamo
f(α−→x + β−→y
)= α · f
(−→x)+ β · f
(−→y)= α
−→02 + β
−→02 =
−→02
tj. α−→x + β−→y ∈ Ker(f).Ako su u, v ∈ Im(f) i α, β ∈ K onda je u = f(x) i v = f(y) za neke x, y ∈ V pa
je α−→u + β−→v = αf(x) + βf(y) = f(α−→x + β−→y
)∈ Im(f). 2
Primer Neka je f : R3 → R3 dato sa
f(x, y, z) :df= (0, 2y + z, y + 3z)
za (x, y, z) ∈ R.
Imamo
Ker(f) ={(x, y, z) ∈ R
3 : 2y + z = y + 3z = 0}={(α, 0, 0) ∈ R
3 : α ∈ R}
II.7. LINEARNA PRESLIKAVANJA 57
tj.
Ker(f) ={α(1, 0, 0) ∈ R
3 : α ∈ R}= L
({(1, 0, 0)
})
v
⊆ R3
ImamoIm(f) =
{(0, β, γ) : β, γ ∈ R
}
jer ako su β, γ ∈ R proizvoljni onda vazi
(0, β, γ) = (0, 2y + z, y + 3z) za y =3β − γ
5i z =
2γ − β
5.
Dakle
Im(f) ={β(0, 1, 0) + γ(0, 0, 1) : β, γ ∈ R
}= L
({(0, 1, 0), (0, 0, 1)
})
v
⊆ R3
2
To da za f ∈ Hom(V,W) vazi Ker(f)v
⊆ V i Im(f)v
⊆ W samo je specijalan slucajnarednog opstijeg tvrdenja.
Tvrdenje II.7.12 Ako je f ∈ Hom(V,W), i Pv
⊆ V, Qv
⊆ W onda vazi
f↼Q = {x ∈ V : f(x) ∈ Q}v
⊆ V
if⇀P = {f(x) : x ∈ P}
v
⊆ W
Dokaz Neka su x, y ∈ f↼Q i α, β ∈ K. Imamo
f(α−→x + β−→y
)= α · f
(−→x)+ β · f
(−→y)∈ Q
jer je f(x), f(y) ∈ Qv
⊆ W. Dakle α−→x + β−→y ∈ f↼Q.Neka je sada u, v ∈ f⇀P i α, β ∈ K. Postoje x, y ∈ P tako da je u = f(x) i
y = f(y). Imamo
α · f(−→x)+ βf
(−→y)= f
(α−→x + β−→y
)∈ f⇀P
jer je α−→x + β−→y ∈ P obzirom da x, y ∈ Pv
⊆ V. 2
Specijalno imamo
Ker(f) = f↼{02} i Im(f) = f⇀V ,
pri cemu je naravno
{02}v
⊆ W i Vv
⊆ V.
58 DEO II. OSNOVNI POJMOVI I CINJENICE
Definicija II.7.13 Bijekciju f : V → W koja je jos i linearno preslikavanje iz V uW kazemo da je izomorfizam vektorskih prostora, preciznije: izomorfizam iz V
u W. 2
Tvrdenje II.7.14 Ako je f : V → W izomorfizam vektorskih prostora V i W ondaje f−1 : W → V izomorfizam prostora W i V.
Dokaz Treba pokazati da je f−1 linearno preslikavanje. Neka su x, y ∈ W ,
α, β ∈ K i stavimo z := α · f−1(x) + β · f−1(y) ; imamo
f(z) = α · f(f−1(x)
)+ β · f
(f−1(y)
)= α−→x + β−→y
pa je z = f−1(α−→x + β−→y
). 2
Zapazanje II.7.15 Ako je f : V → W izomorfizam iz prostora V u prostor W i
Pv
⊆ V onda jef � P : P → f⇀P
izomorfizam iz prostora P u prostor f⇀P
Dokaz Kako je f bijekcija iz V u W to je f � P bijekcija iz P u f⇀P . f jelinearno pa je i svaka njegova restrikcija linearno preslikavanje (Zapazanje II.7.3).2
Tvrdenje II.7.16 Neka su dati prostori V, W i U. Ako su oba preslikavanja f :V → W i g : W → U linearna, tj. f ∈ Hom(V,W) i g ∈ Hom(W,U), onda je injihova kompozicija g ◦ f : V → W linearno preslikavanje, tj. g ◦ f ∈ Hom(V,U).Ako je f izomorfizam iz V u W a g izomorfizam iz W u U onda je g ◦ f izomorfizamiz V u U.
Dokaz Neka su x, y ∈ V i α, β ∈ K. Imamo
(g ◦ f)(α−→x + β−→y
)= g
(
f(α−→x + β−→y
))
= g
(
αf(−→x)+ βf
(−→y))
=
= αg
(
f(−→x))
+ βg
(
f(−→y))
= α · (g ◦ f)(x) + β · (g ◦ f)(y)
2
Definicija II.7.17 Kazemo da je prostor V (linearno) izomorfan sa prostorom W
ako postoji neki izomorfizam iz V u W. Na osnovu prethodnog tvrdenja V je izomor-fan sa W akko je W izomorfan sa V. Kaze se jednostavno i prostori V i W su
izomorfni. 2
II.8. JOS JEDAN PRIMER IZOMORFIZMA 59
II.8 Jos jedan primer izomorfizma
Neka je
V := (0; +∞) i x⊕ y :df= x · y, α ◦ x :
df= xα
za α, x, y ∈ R. Lako je proveriti da je V := (V,⊕, ◦) realan vektorski prostor. Naprimer imamo
α ◦ (x⊕ y) = α ◦ (xy) = (xy)α = xαyα = (α ◦ x)⊕ (α ◦ y)
α ◦(β ◦ x
)= α ◦ xβ =
(xβ)α
= xαβ = (αβ) ◦ x
Funkcija f : R → (0; +∞) definisana sa f(x) :df= ex za svako x ∈ R je bijekcija
i zadovoljava uslove
f(x+ y) = f(x)⊕ f(y) i f(αz) = α ◦ f(z)
za svako x, y, z, α ∈ R:
f(x+ y) = ex+y = exey = f(x)⊕ f(y), f(αz) = eαz =(ez)α
= f(z)α = α ◦ f(z)
Slika II.8.10.
f je dakle (linearan) izomorfizam iz prostora (R,+, ·) u prostor V =((0; +∞),⊕, ◦
).
2
60 DEO II. OSNOVNI POJMOVI I CINJENICE
II.9 Tri ocigledna i jedan vazan izomorfizam
(1) Preslikavanje Usprn : Kn → Kn×1 definisano sa
Usprn
((x1, . . . , xn)
):df=
x1...xn
je izomorfizam prostora Kn i Kn×1:
Usprn
(α(x1, . . . , xn) + β(y1, . . . , yn)
)= (αx1 + βy1, . . . , αxn + βyn) =
αx1 + βy1...
αxn + βyn
= α
x1...xn
+ β
y1...yn
=
= α · Usprn((x1, . . . , xn) + β · Usprn
((y1, . . . , yn)
Ukratko, imamo
(x1, . . . , xn) (y1, . . . , yn)
Usprn ↓ Usprn ↓
x1...xn
y1...yn
kao i
(αx1 + βy1, . . . , αxn + βyn)
Usprn ↓
αx1 + βy1...
αxn + βyn
2
II.9. TRI OCIGLEDNA I JEDAN VAZAN IZOMORFIZAM 61
(2) Preslikavanje Zagrn : Kn → K1×n definisano sa
Zagrn
((x1, . . . , xn)
):df=[x1 . . . , xn
]
je izomorfizam prostora Kn i K1×n.
Imamo(x1, . . . , xn) 7→ [x1 . . . , xn
]
(y1, . . . , yn) 7→ [y1 . . . , yn]
kao i
(αx1 + βy1, . . . , αxn + βyn) 7→ [αx1 + βy1 . . . , αxn + βyn]
2
(3) Preslikavanje Transn,m : Kn×m → Km×n definisano sa
Transn,m(A) :df= AT
za svako A ∈ Kn×m je izomorfizam prostora Kn×m i Km×n.
Na primer Trans3,2 : K3×2 → K2×3 i imamo
Transn,m(αM + βN) =
µ
x py qz r
+ ν
a ub vc w
T
=
µx+ νa µp+ νuµy + νb µq + νvµz + νc µr + νw
T
=
[µx+ νa µy + νb µz + νcµp+ νu µq + νv µr + νw
]
αTransn,m(M) + βTransn,m(N) = µ
x py qz r
T
+ ν
a ub vc w
T
= µ
[x y zp q r
]
+ ν
[a b cu v w
]
=
[µx+ νa µy + νb µz + νcµp+ νu µq + νv µr + νw
]
62 DEO II. OSNOVNI POJMOVI I CINJENICE
Ukratko, imamo
x py qz r
a ub vc w
Trans3,2 ↓ Trans3,2 ↓
[x y zp q r
] [a b cu v w
]
kao i
µx+ νa µp+ νuµy + νb µq + νvµz + νc µr + νw
Trans3,2 ↓
[µx+ νa µy + νb µz + νcµp+ νu µq + νv µr + νw
]
Opsta jednakost glasi (αA+ βB)T = αAT + βBT kad god su matrice A i B
istog formata.Ovo bi trebalo da bude ocigledno a ako nije onda:
[
(αA+βB)T]
(i, j) =(αA+βB
)(j, i) = αA(j, i)+βB(j, i) = αAT(i, j)+βBT(i, j)
=
[
αAT + βBT
]
(i, j). 2
Primer II.9.1 Neka je n ∈ N i a =(ai : i = 1, n
)sistem vektora prostora V.
Definisimo preslikavanje LKa : Kn → V sa
LKa((x1, . . . , xn)
):df=
n∑
i=1
xi−→ai = bx1, . . . , xnca
i pokazimo da za svako α, β ∈ K i x = (x1, . . . , xn), y = (y1, . . . , yn) ∈ Kn vazi
II.9. TRI OCIGLEDNA I JEDAN VAZAN IZOMORFIZAM 63
LKa(α−→x + β−→y
)= α · LKa (
−→x ) + β · LKa (−→y )
Imamo LKa(x) =n∑
i=1
xi−→ai i LKa(y) =
n∑
i=1
yi−→ai pa je
α · LKa (−→x ) + β · LKa (
−→y ) =n∑
i=1
xi−→ai +
n∑
i=1
yi−→ai =
n∑
i=1
(xi + yi)−→ai
No takode je i
LKa(α−→x + β−→y
)= LKa
((x1 + y1, . . . , xn + yn)
)=
n∑
i=1
(xi + yi)−→ai
Dakle vazi LKa ∈ Hom(Kn,V). 2
Tvrdenje II.9.2 LKa je injekcija akko je sistem a =(ai : i = 1, n
)linearno neza-
visan. LKa je preslikavanje na akko je sistem a =(ai : i = 1, n
)potpun. Ako je
sistem a =(ai : i = 1, n
)baza prostora V onda je LKa izomorfizam prostora Kn i
(n-dimenzionalnog) prostora V.
Ako je V k.d.v.p. i dim(V) = n ∈ N onda je prostor V izomorfan prostoru Kn
2
Definicija II.9.3 Neka je V konacnodimenzionalan, dim(V) =: n ∈ N i neka jesistem a =
(ai : i = 1, n
)baza prostora V. Na osnovu Tvrdenja II.9.2 i II.7.14
preslikavanje Koorda :df= [LKa]
−1 je izomorfizam iz V u Kn. Dakle
Koorda : V → Kn
i
Koorda(v) = (α1, . . . , αn)
gde je αi i-ta koordinata vektora v u odnosu na bazu a za i = 1, n.
64 DEO II. OSNOVNI POJMOVI I CINJENICE
Slika II.9.11.
2
II.10 Osnovna tvrdenja o linearnim preslikavanjima
Terminologija Za f ∈ Hom(V,W) kazemo da je– monomorfizam ako je f injektivno preslikavanje– epimorfizam ako je f preslikavanje na skup W .
Dakle f je izomorfizam iz V u W akko je istovremeno i monomorfizam i epimo-rfizam. 2
Tvrdenje II.10.1 Neka je f ∈ Hom(V,W).
(a) Ako je sistem(ai : i = 1, n
)
linearno zavisan sistem vektora prostora V onda je i
(f(ai) : i = 1, n
)
linearno zavisan sistem vektora prostora W.
II.10. OSNOVNA TVRDENJA O LINEARNIM PRESLIKAVANJIMA 65
(b) f⇀(L(M)
)= L
(f⇀(M)
).
(c) Kad god je(ai : i = 1, n
)
potpun sistem vektora prostora V tada je i
(f(ai) : i = 1, n
)
potpun sistem vektora prostora Im(f).
(d) Ako je f monomorfizam onda kad god je
(ai : i = 1, n
)
linearno nezavisan sistem vektora prostora V tada je i
(f(ai) : i = 1, n
)
linearno nezavisan sistem vektora prostora W.
(e) Ako je f monomorfizam onda kad god je
(ai : i = 1, n
)
baza prostora V tada je i(f(ai) : i = 1, n
)
baza prostora Im(f).
Dokaz (a) Ako je
k∑
i=1
αi−→ai =
−→01 i za neko i0 ∈ {1, . . . , k} je αi0 6= 0 onda je
02 = f(01) = f
(k∑
i=1
αi−→ai
)
=k∑
i=1
αif(−→ai)
daklek∑
i=1
αif(−→ai)= 02 i i0 ∈ {1, . . . , k}.
(b) Imamo
66 DEO II. OSNOVNI POJMOVI I CINJENICE
y ∈ f⇀(L(M)
)⇐⇒ ∃x ∈ L(M)
(
y = f(x)
)
⇐⇒
⇐⇒ ∃n ∈ N ∃v1, . . . , vn ∈ M ∃λ1, . . . , λn ∈ K
(
y = f
(n∑
i=1
λi−→vi
))
⇐⇒ ∃n ∈ N ∃v1, . . . , vn ∈ M ∃λ1, . . . , λn ∈ K
(
y =n∑
i=1
λif(−→vi)
)
⇐⇒ ∃n ∈ N ∃w1, . . . , wn ∈ f⇀M ∃λ1, . . . , λn ∈ K
(
y =n∑
i=1
λi−→wi
)
⇐⇒ y ∈ L(f→(M)
).
(c) Ako je(ai : i = 1, n
)potpun sistem vektora prostora V onda imamo
Im(f) = f⇀V = f⇀L
({ai : i = 1, n
})
= L
({f(ai) : i = 1, n
})
gde smo koristili deo pod (b). Odavde vidimo da je(f(xi) : i = 1, n
)potpun sistem
vektora prostora Im(f).
(d) Pretpostavimo da je f monomorfizam, tj. pretpostavimo da je
Ker(f) = {01}
Neka je a =(ai : i = 1, n
)linearno nezavisan sistem vektora prostora V. Iz
n∑
i=1
αi · f(−→ai)= 02
sledi
f
(n∑
i=1
αi ·−→ai
)
= 02
tj.n∑
i=1
αi ·−→ai ∈ Ker(f) = {01}
pa jen∑
i=1
αi ·−→ai = 01
No kako je a linearno nezavisan sistem to ovo znaci da je jedino moguce da je αi = 0za svako i = 1, n.
(e) Sledi direktno iz (c) i (d). 2
II.10. OSNOVNA TVRDENJA O LINEARNIM PRESLIKAVANJIMA 67
Tvrdenje II.10.2 Neka je K ∈ {R,C} i neka su V i W vektorski prostori nad K.– Ako su oba prostora V i W konacnodimenzionalni i ako je dim(V) = dim(W)
onda je V izomorfan sa W.– Ako je V konacnodimenzionalan i ako je izomorfan sa W onda je i W konacno-
dimenzionalan i vazi dim(V) = dim(W).Dakle ako su V i W k.d.v. prostori nad K onda vazi:
V je izomorfan sa W akko je dim(V) = dim(W)
Tvrdenje II.10.3 Neka je f ∈ Hom(V,W). Ako je V k.d.v. prostor onda sutakvi i Ker(f) i Im(f) i
– ako su k, l ∈ V i ako je (a1, . . . , ak, b1, . . . , bl) baza za V tako da je (a1, . . . , ak)baza za Ker(f), onda je
(f(b1), . . . , f(bl)
)baza prostora Im(f);
– vazi
dim(Ker(f)
)+ dim
(Im(f)
)= dim(V)
Tvrdenje II.10.4 Neka su i V i W k.d.v. prostori pri cemu je dim(V) = dim(W).Ako je f ∈ Hom(V,W) onda su sledeca tri uslova ekvivalentna:
(1) f je monomorfizam(2) f je epimorfizam(3) f je izomorfizam. 2