BAB 4

Ruang General Vector

4.1 Ruang RealVector

Pada bagian ini kita akan memperluas konsep vektor dengan menggunakan sifat
dasar vektor di Rn sebagai aksioma, yang jika terpenuhi oleh sekumpulan objek, menjamin
bahwa objek-objek tersebut berperilaku seperti vektor yang dikenal.
Definisi berikut ini terdiri dari sepuluh aksioma, delapan di antaranya adalah sifat
vektor di Rn yang dinyatakan dalam Teorema 3.1.1. Penting untuk diingat bahwa seseorang
tidak membuktikan adanya genangan, melainkan, mereka adalah asumsi untuk membersihkan
titik awal untuk membuktikan teorema.

DEFENISI 1
Biarkan V menjadi nonempty sewenang-wenang set objek di mana dua operasi
didefinisikan: penambahan, dan perkalian dengan angka yang disebut skalar. Dengan
tambahan, kami mengartikan aturan untuk menghubungkan dengan masing-masing pasangan
objek u dan v dalam V sebuah objek u + v, yang disebut thethentum ofuandv; oleh perkalian
skalar kami berarti aturan untuk menghubungkan dengan masing-masing skalar k dan setiap
objek Ku dalam V sebuah objek, yang disebut skalar multiple ofuby k. Jika aksioma-aksioma
berikut terpenuhi oleh semua objek u, v, w dalam V dan semua skalar k dan m, maka kita
memanggil V suatu ruang vektor dan kita memanggil objek dalam V vektor.

1. Jika u dan v adalah objek dalam V, maka u + v berada di V.

2. u + v = v + u
3. u + (v + w) = (u + v) + w
4. Ada objek 0 dalam V, yang disebut vektor nol untuk V, sehingga 0 + u = u + 0 = u untuk
semua u di V.
5 Untuk setiap u dalam V, ada objek −u dalam V, yang disebut negatif dari u, sehingga u + (- u)
= (- u) + u = 0.
6. Jika k adalah skalar dan u adalah objek apa pun dalam V, maka ku dalam V.
7. k (u + v) = ku + kv
8. (k + m) u = ku + mu
9. k (mu ) = (km) (u)
10. 1u = u

Mengamati bahwa definisi dari para penemunya tidak menjelaskan secara spesifik
tentang kondisi atau operasi. Setiap jenis objek dapat berupa vektor, dan operasi penambahan
dan skalarasi skalar tidak perlu memiliki hubungan dengan yang ada di Rn. Satu-satunya
persyaratan adalah bahwa sepuluh aksioma ruang vektor dapat terpenuhi. Dalam contoh yang
mengikuti kita akan menggunakan empat langkah dasar untuk menunjukkan bahwa satu set
dengan dua operasi adalah ruang vektor.

Untuk Menunjukkan Bahwa Satu Set dengan Dua Operasi Merupakan Ruang Vektor
Langkah 1. Identifikasi set V objek yang akan menjadi vektor
Langkah 2. Identifikasi penambahan dan operasi perkalian skalar pada V.
Langkah 3. Verifikasi Axioms 1 dan 6; yaitu, menambahkan dua vektor dalam V menghasilkan
vektor dalam V, dan mengalikan vektor dalam V oleh skalar juga menghasilkan vektor di V.
Aksioma 1 disebut penutupan di bawah penjumlahan, dan Aksioma 6 disebut penutupan di
bawah perkalian skalar.
Langkah 4. Pastikan bahwa Aksioma 2, 3, 4, 5, 7, 8, 9, dan 10 terus

Catatan Sejarah Gagasan tentang "ruang vektor abstrak" berevolusi selama

bertahun-tahun dan memiliki banyak kontributor. Idenya mengkristal dengan karya
matematikawan Jerman H. G. Grassmann, yang menerbitkan sebuah makalah pada tahun 1862
di mana ia menganggap sistem abstrak dari unsur-unsur yang tidak spesifik di mana ia
mendefinisikan operasi formal penambahan dan penggandaan skalar. Karya Grassmann
kontroversial, dan yang lainnya, termasuk Augustin Cauchy (hlm. 121), mengajukan klaim yang
masuk akal untuk gagasan itu.

Contoh pertama kami adalah yang paling sederhana dari semua ruang vektor karena hanya
berisi satu objek. Sejak Aksioma 4 mengharuskan setiap ruang vektor mengandung vektor nol,
objek harus menjadi vektor itu.

CONTOH 1 Ruang ZeroVector Misalkan V terdiri dari satu objek, yang kita nyatakan
dengan 0, dan definisikan
0 + 0 = 0 dan k0 = 0

untuk semua skalar k. Sangat mudah untuk memeriksa semua ruang vektor aksioma terpenuhi.
Kami menyebutnya ruang vektor nol.

Contoh kedua kami adalah salah satu yang paling penting dari semua ruang vektor — ruang
akrab Rn. Seharusnya tidak mengejutkan bahwa operasi pada Rn memenuhi aksioma ruang
vektor karena aksioma-aksioma tersebut didasarkan pada sifat operasi yang diketahui pada Rn.

CONTOH 2 Rn Adalah Ruang Vektor

Misalkan V = Rn, dan definisikan operasi ruang vektor pada V sebagai operasi biasa dari
penambahan dan skalar multiplikasi n-tuple; itu adalah,
u+v=(u1,u 2,...,un)+(v1,v 2,...,vn)=(u1 +v1,u 2 +v2,...,un +vn) ku=(ku1,ku 2,...,kun)

Himpunan V = Rn adalah yang tertutup oleh penambahan dan perkelahian listrik yang
menyebabkan operasi sebelumnya menghasilkan n-tuples sebagai hasil akhirnya, dan operasi
ini memenuhi Aksioma 2, 3, 4, 5, 7, 8, 9, dan 10 berdasarkan Teorema 3.1.1.
Contoh kita berikutnya adalah ageneralisasi dari Rn di mana kita dapat memilih komponen yang
cukup banyak.

CONTOH 3 Ruang Vektor Urutan Tak Terbatas Bilangan Riil Misalkan V terdiri dari
objek-objek bentuk
u=(u1,u 2,...,un,...)
di mana u1, u 2, ..., un, ... adalah deretan angka nyata yang tidak terbatas. Kami mendefinisikan
dua sekuens tak terbatas agar sama jika komponennya sama, dan kami mendefinisikan
penambahan dan skalarasi skalar secara terpisah.
u+v=(u1,u 2,...,un,...)+(v1,v 2,...,vn,...)
=(u1 +v1,u 2 +v2,...,un +vn,...)
ku=(ku1,ku2,....kn....)

Dalam latihan-latihan itu, kita bisa mencapai kinerja yang luar biasa dengan operasi-operasi ini
di ruang angkasa. Kami akan menunjukkan ruang vektor ini dengan simbol R.

Ruang vektor dari jenis dalam Contoh 3 muncul ketika sinyal yang dipancarkan dari inde fi
nitedurasi didigitalkan dengan sampling nilai-nilainya pada interval waktu diskrit (Gambar
4.1.1). Pada contoh selanjutnya, vektor kita akan menjadi matriks. Ini mungkin sedikit
membingungkan pada awalnya karena matriks terdiri dari baris dan kolom, yang merupakan
vektor (vektor vektor pasir vektor baris). Namun, dari sudut pandang ruang vektor poin
tidakberkaitan dengan masing-masing baris dan kolom tetapi dengan sifat-sifat operasi matriks
yang berhubungan dengan matriks secara keseluruhan.

CONTOH 4 Ruang TheVector dari 2 × 2 Matriks Biarkan V menjadi set 2 × 2 matriks

dengan realentri, dan mengambil vektor ruang operasi pada V menjadi operasi biasa
penambahan matriks dan perkalian skalar; itu adalah,

Tesis V ditutup di bawah penjumlahan tambahan dan skalar karena operasi kedepan yang akan
menghasilkan 2 × 2matricesastheendresult. Dengan demikian, sangat penting untuk
menetapkan aksioma 2,3,4,5,7,8,9, dan 10hold. Beberapa dari sifat-sifat yang paling umum
dari operasi-operasi otak. Misalnya, Aksioma 2 mengikuti dari Teorema 1.4.1 (a) sejak

Demikian pula, Aksioma 3, 7, 8, dan 9 mengikuti dari bagian (b), (h), (j), dan (e), masing-masing,
dari teorema itu (verifikasi). Daun ini Axioms 4, 5, dan 10 yang masih harus diverifikasi. Untuk
mengkonfirmasi bahwa Aksioma 4 terpenuhi, kita harus menemukan 2 × 2 matriks 0 dalam V
untuk whichu + 0 = 0 + u untuk semua matriks 2 × 2 di V. Kita dapat melakukan ini dengan
mengambil
Dengan definisi ini,

dan juga u + 0 = u. Untuk memverifikasi bahwa Aksioma 5 memegang kita harus menunjukkan
bahwa setiap objek u dalam V memiliki − u negatif dalam V sehingga u + (- u) = 0 dan (−u) + u
= 0. Ini bisa dilakukan dengan mendefinisikan negatif dari Anda

Dengan definisi ini

dan juga (−u) + u = 0. Akhirnya, Axiom 10 bertahan karena

CONTOH 5 TheVector Space of m × n Matrices Contoh 4 adalah kasus khusus dari

kelas ruang vektor yang lebih umum. Anda seharusnya tidak memiliki masalah dalam
mengadaptasi argumen yang digunakan dalam contoh itu untuk menunjukkan bahwa
himpunan V dari semua mx nikomponen dengan operasi operasi biasa dari penambahan dan
perkelahian listrik adalah ruang vektor. Kami akan menunjukkan ruang vektor ini dengan simbol
Mmn. Jadi, misalnya, ruang vektor dalam Contoh 4 dilambangkan sebagai M22.

CONTOH 6 Ruang Vektor dari Fungsi Bernilai Nyata LetV bethesetfungsi yang bernilai
nyataditemukandisembunyikan dalamjaringan (-,). Jika f = f (x) dan g = g (x) adalah dua
fungsi dalam V dan jika k adalah skalar, maka definisikan operasi penjumlahan tambahan dan
skalar oleh

Salah satu cara untuk berpikir tentang operasi-operasi untuk melihat para pembuat
(x) dan g (x) sebagai "komponen" dari f dan g pada titik x, dalam hal ini Persamaan (2) dan (3)
menyatakan bahwa dua fungsi ditambahkan dengan menambahkan komponen yang sesuai,
dan suatu fungsi dilipatgandakan dengan mengungguli bagian yang berlainan dengan kalkulus
— persis sama denganRn danR. Ide ini digambarkan dalam bagian (a) dan (b) Gambar 4.1.2.
Set V dengan operasi ini dilambangkan dengan simbol F (-,). Kita dapat membuktikan bahwa
ini adalah ruang vektor sebagai berikut: Aksioma 1 dan 6: Aksioma penutupan ini
mengharuskan jika kita menambahkan dua fungsi yang didefinisikan pada setiap x dalam
nterval (−,), kemudian jumlah dan kelipatan skalar dari mereka fungsi-fungsi harus juga
didefinisikan didaerahx dalam (-,). Ini mengikuti sfrom Rumus (2) dan (3).

Aksioma 4: Aksioma ini mensyaratkan bahwa ada fungsi 0 dalam F (-,), yang ketika
ditambahkan ke fungsi lain f di F (-,) menghasilkan f kembali lagi sebagai hasilnya. Fungsi
yang nilainya pada setiap titik x dalam interval (-,) adalah nol memiliki properti ini. Secara
geometris, grafik fungsi 0 adalah garis yang bertepatan dengan sumbu x. Axiom5: Aksioma ini
mensyaratkan bahwa untuk setiap fungsifinF (-,) terdapat fungsifungsi −f dalam F (-,),
yang ketika ditambahkan ke f menghasilkan fungsi 0. Fungsi didefinisikan oleh −f (x) = - f (x)
memiliki properti ini. Grafik − fcan diperoleh dengan merefleksikan grafik f tentang sumbu x
(Gambar 4.1.2c).

Aksioma 2, 3, 7, 8, 9, 10: Validitas masing-masing aksioma ini mengikuti dari sifat bilangan real.
Sebagai contoh, jika fungsi fandgare dalam F (-,), maka Aksioma 2 mengharuskan f + g = g
+ f. Ini mengikuti dari perhitungan

(f+g)(x) = f(x)+g(x) = g(x)+f(x) = (g+f)(x)

di mana yang pertama dan yang terakhir mengikuti dari (2), dan kualitas menengah adalah
aproperty bilangan real. Kami akan meninggalkan bukti dari bagian yang tersisa sebagai latihan

Penting untuk mengetahui bahwa Anda tidak dapat menerapkan dua operasi apa pun
pada set V apa pun dan mengharapkan aksioma ruang vektor dipertahankan. Sebagai contoh,
jika V adalah himpunan n-tuple dengan komponen-komponen positiv, dan operasi-operasi
pelayaran kelima dari Rn digunakan, maka V tidak tertutupi di bidang agrarmu, karena jika tidak
ada tupleinV, maka (−1) uhassetidaknya satu komponen negatif dan karenanya tidak dalam V.
Berikut ini adalah contoh yang kurang jelas di mana hanya satu dari sepuluh aksioma ruang
vektor yang gagal dipegang.

CONTOH 7 Satu Set Itu Bukan Ruang Vektor

Biarkan V = R2 dan definisikan operasi penambahan dan skalarasi skalar sebagai berikut: Jika u
= (u1, u 2) dan v = (v1, v 2), maka definisikan

u + v = (u1 + v1, u 2 + v2)

dan jika k adalah bilangan real, maka definisikanlah

ku=(ku1,0)

Misalnya, jika u = (2,4), v = (- 3,5), dan k = 7, maka

U + v =(2+(−3),4+5) = (−1,9)
Ku = 7u = (7·2,0) = (14,0)

Operasi penjumlahan adalah yang paling rendah dari R2, tetapi bukan bidangnya. Dalam
latihan-latihan tersebut, para wanita akan tahu bahwa ruang-ruang vascular yang benar-benar
cocok. Namun, Axiom10 gagal ditahan untuk vektor tertentu. Contoh, ifu = (u1, u 2)
menyatakan bahwa u2 = 0, lalu

1u = 1(u1,u 2) = (1·u1,0) = (u1,0)  u

Jadi, V bukan merupakan ruang vektor dengan operasi yang dinyatakan.

Contoh terakhir kita adalah vektor-vektor anunusual yang harus dimasukkan untuk
menegaskan betapa bervariasinya ruang vektor. Karena vektor di ruang ini adalah bilangan
real, penting bagi Anda untuk melacak operasi mana yang dimaksudkan sebagai operasi vektor
dan yang mana sebagai operasi biasa pada bilangan real.

CONTOH 8 Ruang Vektor Tidak Biasa

Misalkan V adalah himpunan positiverealnumbers, letu = uandv = v adalah vektor apa pun
(yaitu bilangan real positif) dalam V, dan biarkan k menjadi skalar apa pun. Definisikan operasi
pada V menjadi

u + v = uv [Vektor tambahan adalah perkalian numerik.]

u + v = uv [Vku = uk [Multiplikasi skalar adalah eksponensial numerik.]

Jadi, misalnya, 1 + 1 = 1 dan (2) (1) = 12 = 1 — memang aneh, namun demikian demikian halnya
dengan operasi-operasi ini yang secara relatif memenuhi ruang-ruang vektor dan dan ruang-
ruang pemilih. Kami akan mengkonfirmasi Aksioma 4, 5, dan 7, dan membiarkan yang lain
sebagai latihan.

• Aksioma 4 — Vektor nol dalam ruang ini adalah angka 1 (yaitu, 0 = 1) sejak itu
u+1=u·1=u

• Aksioma 5 - Negatif dari vektor u adalah timbal balik (yaitu, - u = 1 / u) sejak

• Aksioma 7 — k (u + v) = (uv) k = ukvk = (ku) + (kv).

 Berikut ini adalah teorema pertama kami tentang ruang vektor. Buktinya sangat
formal dengan setiap langkah yang dibenarkan oleh aksioma ruang vektor atau properti dikenal
bilangan real. Tidak ada yang lebih baik dari jenis teks yang terakhir, tetapi kami telah
memasukkan yang satu ini untuk memperkuat gagasan bahwa sifat-sifat akrab dari vektor
dapat diturunkan dari aksioma ruang vektor.

TEORI 4.1.1 Misalkan V adalah ruang vektor, u vektor dalam V, dan k skalar, kemudian:
(a)0 u=0
(b) k0=0
(c) (−1)u=− u
(d) If ku=0, then k =0 or u=0.

Kami akan membuktikan bagian (a) dan (c) dan meninggalkan bukti dari bagian yang tersisa
sebagai latihan.

Bukti (a) Kita bisa menulis

0u + 0u = (0 + 0) u [Aksioma 8]
= 0u [Properti nomor 0]

Dengan Aksioma 5 vector0uhasanegative, −0u. Menambahkan hasil negatif ini ke kedua sisi di
atas
[0u+0u] + (−0u) = 0u + (−0u)
Atau
0u+[0u+(−0u)] = 0u+(−0u) [Axiom 3]
0u+0 = 0 [Axiom 5]
0u = 0 [Axiom 4]

Bukti (c) Untuk membuktikan bahwa (−1) u = - u, kita harus menunjukkan bahwa u +
(- 1) u = 0. Buktinya adalah sebagai berikut:
u+(−1)u=1u+(−1)u [Axiom 10]
=(1+(−1))u [Axiom 8]
=0u [Property of numbers]
=0 [Part (a) of this theorem]

Bagian teks ini penting untuk keseluruhan rencana aljabar linier dalam hal ini
menetapkan benang umum di antara objek matematika yang beragam seperti vektor
geometrik, vektor dalam Rn, sekuens tak terbatas, matriks, dan fungsi bernilai nyata, untuk
beberapa nama. Akibatnya, setiap kali kita menemukan teorema baru tentang ruang vektor
umum, kita akan pada saat yang sama menemukan teorema tentang vektor geometrik, vektor
di Rn, urutan, matriks, fungsi bernilai nyata, dan tentang jenis vektor baru apa pun yang kita
mungkin menemukan.

Untuk mengilustrasikan ide ini, pertimbangkan apa yang tampak agak tidak berdosa
pada bagian (a) dari Teorema 4.1.1 mengatakan tentang ruang vektor dalam Contoh 8. Ingatlah
bahwa vektor-vektor di ruang angkasamenghasilkan sejumlah besar data,
ituadalahpembentukanpembuktianpembanyakanfisik, dan bahwa vektor nol adalah angka 1,
persamaannya
 0u = 0

benar-benar pernyataan dari fakta yang tidak asing bahwa jika Anda adalah bilangan real
positif, maka

u0 =1

4.2 Subspaces
Ini sering kali merupakan ruang penyimpanan yang menarik dari ruang penyimpanan
global yang sifat-sifatnya diketahui. Pada bagian ini kami akan menunjukkan bagaimana
mengenali kapan hal ini terjadi, kami akan menjelaskan bagaimana properti dari ruang vektor
yang lebih besar dapat digunakan untuk mendapatkan properti dari ruang vektor yang lebih
kecil, dan kami akan memberikan berbagai contoh penting
Kami mulai dengan beberapa terminologi.

DEFINISI 1 Bagian W dari ruang vektor V disebut subruang V jika W itu sendiri merupakan ruang
vektor di bawah penjumlahan tambahan dan skalar yang didefinisikan pada V.
Secara umum, untuk menunjukkan bahwa suatu nonemptysetW dengan dua operasi
adalah wahana angkasa harus memverifikasi sepuluh aksioma ruang vektor. Namun, jika W
adalah subruang dari ruang vektor V yang diketahui, maka aksioma tertentu tidak perlu
diverifikasi karena mereka "diwariskan" dari V. Sebagai contoh, tidak perlu untuk memverifikasi
bahwa u + v = v + uholds dalam W karena itu berlaku untuk semua vektor di V termasuk yang
di W. Di sisi lain, perlu untuk memverifikasi
bahwa W dibendung di bawa-h penomoran dan perkembang biakan pengelompokan
mengobat mengapa dua vektor di W atau mengalikan vektor dalam W oleh skalar
menghasilkan vektor dalam V yang berada di luar W (Gambar 4.2.1). Aksioma-aksioma yang
tidak diwarisi oleh W adalah

Aksioma 1 — Penutupan W di bawah

aksioma tambahan 4 — Keberadaan vektor nol dalam W
Aksioma 5 — Keberadaan negatif dalam W untuk setiap vektor dalam W Axiom
6-Penutupan W di bawah multiplikasi skalar

jadi ini harus diverifikasi untuk membuktikan bahwa itu adalah subruang dari V.
Namun, teorema berikutnya menunjukkan bahwa jika Aksioma 1 dan Aksioma 6 ditahan di W,
maka Aksioma 4 dan 5 tetap dalam W sebagai konsekuensi dan karenanya tidak perlu
diverifikasi.

Gambar 4.2.1. Vektor u dan v berada dalam W, tetapi vektor-vektor u + v dan ku tidak.
TEOREM 4.2.1 Jika W adalah himpunan satu atau lebih vektor dalam ruang vektor V, maka W
adalah subruang V jika dan hanya jika kondisi berikut ini terpenuhi.

(a) Jika u dan v adalah vektor dalam W, maka u + v dalam W.

(b) Jika k adalah skalar dan u adalah vektor dalam W, maka ku dalam W.

Proof Jika W adalah subruang V, maka semua aksioma ruang vektor bertahan di W, termasuk
Aksioma 1 dan 6, yang merupakan kondisi tepatnya (a) dan (b).

Sebaliknya, asumsikan bahwa kondisi (a) dan (b) tahan. Karena ini adalah Aksioma 1
dan 6, dan sejak Aksioma 2, 3, 7, 8, 9, dan 10 diwariskan dari V, kita hanya perlu menunjukkan
bahwa Aksioma 4 dan 5 tetap di W. Untuk tujuan ini, biarkan kamu menjadi vektor dalam W.
Ini mengikuti dari kondisi (b) bahwa ku adalah vektor dalam W untuk setiap skalar k. Secara
khusus, 0u = 0 dan (−1) u = - u berada di w penyihir menunjukkan aksioma 4 dan 5 terus dalam
w

CONTOH 1 Ruang Bawah Nol

Jika V adalah sembarang divektor, dan jika W = {0} adalah bagian dari V yang kontra
adalah tsof vektor nol
hanya, maka W ditutup di bawah penjumlahan tambahan dan skalar sejak

0 + 0 = 0 and k0 = 0

untuk skalar apapun k. Kami memanggil W subruang nol V.

CONTOH 2 Garis Melalui OriginAre Subraces R2 dan R3 Jika W adalah garis melalui
asal dari R2 atau R3, kemudian menambahkan dua vektor pada garis atau mengalikan vektor
pada garis oleh skalar menghasilkan vektor lain pada garis, jadi W adalah ditutup dan membuat
armar multiplikasi (lihat Figure 4.2.2 for anilustrasi dalam R3).

CONTOH 3 Planes Melalui OriginAre Subraces R3

Jika u dan v adalah vectorsinaplaneW melalui originofR3, maka itu menunjukkan secara
struktural bahwa u + v dan ku juga terletak pada bidang yang sama W untuk skalar k (Gambar
4.2.3). Jadi W ditutup di bawah penjumlahan tambahan dan skalar.
Tabel di bawah memberikan salis untuk subruang dari R2 dan 3R3 yang telah kita temui jauh.
Kita akan melihat nanti bahwa ini adalah satu-satunya ruang bagian dari R2 dan R3.

CONTOH 4 Sebuah Subset dari R2 Itu Bukan Subruang Misalkan W

bethesetofallpoints (x, y) dalam R2 untukmana x ≥0 dan y ≥0 (pembagian data pada Gambar
4.2.4). Set ini bukan subruang dari R2 karena tidak ditutup di bawah kelipatan skalar. Sebagai
contoh, v = (1,1) adalah vektor dalam W, tetapi (−1) v = (- 1, −1) tidak.

CONTOH 5 Subruang Mnn Kita tahu dari Theorem1.7.2 bahwa jumlah

dari dua metrik matissym n simetris n dan matrik dan bahwa kelipatan skalar dari matriks n n
simetris adalah simetris. Dengan demikian, himpunan matriks n n simetris ditutup di bawah
penjumlahan tambahan dan skalar dan karenanya merupakan subruang dari Mnn. Demikian
pula, set matriks segitiga atas, matriks segitiga lebih rendah, dan matriks diagonal adalah ruang
bagian dari Mnn.

CONTOH 6 Subset Mnn Itu Bukan Subruang Tesis dari invertiblen × nmatricesis tidak
termasuk ruang dari Mnn, gagal dalam hitung-itu tidak ditutup di bawah penjumlahan dan
tidak ditutup di bawah scalarmultiplication. Kami akan menghapuskan ini dengan contoh di
M22 yang dapat Anda sesuaikan dengan mudah ke Mnn. Pertimbangkan matriksnya

Matriks 0U adalah matriks 2 × 2 nol dan karenanya tidak dapat dibalikkan, dan matriksU + V
memiliki kolom nol sehingga juga tidak dapat dibalik.
CONTOH 7 Subruang C (-,)

Ada teorema dalam kalkulus yang menyatakan bahwa jumlah fungsi kontinyu adalah kontinu
dan bahwa waktu yang konstan fungsi kontinyu adalah kontinyu. Ditulis ulang dalam bahasa
vektor, yang merupakan fungsi kontinyu (-,) adalah subruang F (-,). Kami akan
menunjukkan subruang ini oleh C (-,).

CONTOH 8 Fungsi dengan Derivatif Berkelanjutan

Suatu fungsi dengan turunan kontinyu dikatakan terus terdiferensiasi. Terdapat
teorema dalam kalkulus yang menyatakan bahwa penjumlahan dari dua fungsi yang dapat
terdiferensialkan terus terdiferensialkan dan bahwa suatu waktu yang konstan fungsi yang
dapat terus-menerus terdiferensiasi terus terdiferensialkan. Dengan demikian, fungsi yang
terus terdiferensialkan pada (-,) membentuk subruang F (-,). Kami akan menunjukkan
subruang ini olehC1 (-,), di mana ukuran naskah menekankan bahwa derivatif pertama yang
mengandung terus menerus. Totsethisastepfurther, setoffunctions dengan anak derivatif
mcontinuous (-,) adalah subruang dari F (-,) sebagaimana seperangkat fungsi dengan
turunan dari semua perintah pada (-,). Kami akan menunjukkan subraces ini oleh Cm (-,)
dan C (-,), masing-masing.

CONTOH 9 Subruang dari Semua Polinomial Ingatlah bahwa polinomial adalah fungsi yang
dapat diekspresikan dalam bentuk

i mana a0, a 1, ..., an adalah konstanta. Jelaslah bahwa jumlah dari dua polinomial adalah poli
nomial dan bahwa nomo-sintolomomial sapoly waktu konstan. Dengan demikian, semua
polinomial ditutup dengan penambahan dan skalar skalar dan karenanya merupakan subruang
F (-,). Kami akan menunjukkan ruang ini oleh P.

Teorema 4.2.4 dapat dilihat sebagai pernyataan tentang transformasi matriks dengan
membiarkan TA: Rn → Rm menjadi perkalian dengan matriks koefisien A. Dari sudut pandang
ini ruang solusi dari Ax = 0 adalah himpunan vektor di Rn bahwa peta TA ke dalam vektor nol
di Rm. Set ini kadang-kadang disebut kernel dari transformasi, sehingga dengan terminologi
ini, Theorema 4.2.4 dapat diulang kembali sebagai berikut.

TEORI4.2.5 Jika Aisanm × nmatrix, maka kernel dari matrikstransformation TA: Rn → Rm adalah
subruang dari Rn.

Sangat penting untuk mengenali bahwa rentang setarenotunique. Contoh, vektor

nononzero pada garis pada Gambar 4.2.6a akan merentang garis itu, dan dua vektor
nonkolinier dalam bidang pada Gambar 4.2.6b akan menjangkau bidang itu. Teorema berikut,
yang buktinya adalah latihan yang berlebihan, kondisi-kondisi negara di bawah lemari-tabung
pelindung akan meruntuhkan ruang.

TEOREM 4.2.6 Jika S = {v1, v2, ..., vr} dan S

= {w1, w2, ..., wk} adalah kumpulan vektor tidak kosong dalam ruang vektor V, lalu
span {v1, v2, ..., vr} = span {w1, w2, ..., wk} jika dan hanya jika masing-masing vektor dalam S
adalah kombinasi linear dari mereka dalam S , dan setiap vektor dalam S adalah kombinasi
linear dari mereka di S.

4.3 Linear Independence

Dalam bagian ini kita akan mempertimbangkan pertanyaan apakah vektor dalam
himpunan tertentu saling terkait dalam arti bahwa satu atau lebih dari itu dapat dinyatakan
sebagai kombinasi linear dari yang lain. Hal ini penting untuk diketahui dalam aplikasi karena
keberadaan hubungan semacam itu sering menandakan bahwa beberapa jenis komplikasi
kemungkinan akan terjadi.

Dalam sistem xy-koordinat persegi panjang setiap vektor dalam pesawat dapat
dinyatakan dengan tepat satu arah sebagai kombinasi linear dari vektor satuan standar.
Sebagai contoh, satu-satunya cara untuk mengekspresikan vektor (3,2) sebagai kombinasi
linear dari i = (1,0) danj = (0,1) adalah

(3,2) = 3(1,0) + 2(0,1) = 3i+2j (1)

(Gambar 4.3.1). Misalkan, bagaimana pun, bahwa kita harus memperkenalkan sumbu
koordinat ketiga yang membuat sudut 45◦ dengan sumbu-x. Sebut saja sumbu w. Seperti yang
diilustrasikan pada Gambar 4.3.2, vektor satuan sepanjang sumbu w adalah

Sedangkan sebagai Formula (1) menunjukkan satu-satunya cara untuk menyatakan

vektor (3,2) sebagai kombinasi linear dari iandj, ada lymanyway yang terbatas untuk
mengekspresikan vektor ini sebagai kombinasi linear dari i, j, dan w. Ada tiga kemungkinan
 Singkatnya, dengan memperkenalkan sumbu super, kami menciptakan kerumitan
memiliki banyak cara untuk menetapkan koordinat ke titik di pesawat. Apa yang membuat
vektor itu superfactous adalah kenyataan bahwa ia dapat dinyatakan sebagai kombinasi linear
dari vektor i dan j, yaitu,

Ini mengarah pada definisi berikut.

DEFINISI1 IfS = {v1, v2, ..., vr} adalah satu set dua atau lebihvektorjarak ruang V, maka S
dikatakan sebagai himpunan bebas linear jika tidak ada vektor dalam S yang dapat
diekspresikan sebagai kombinasi garis ar dari yang lain. Satu set yang tidak secara langsung
bergantung pada ambang ketergantungan linear.

Secara umum, cara yang paling efisien untuk menentukan apakah suatu himpunan bebas linear
atau tidak adalah dengan menggunakan teorema berikut yang buktinya diberikan di akhir
bagian ini.

Dalam kasus di mana himpunan S dalam Definisi 1 hanya memiliki satu vektor, kita akan setuju
bahwa S adalah bebas linear jika dan hanya jika vektor itu tidak nol.

TEOREM 4.3.1 Satu set tidak kosong S = {v1, v2, ..., vr} dalam ruang vektor V adalah bebas linear
jika dan hanya jika satu-satunya koefisien yang memenuhi persamaan vektor

k1v1 + k2v2 +···+krvr = 0

are k1 =0,k 2 =0,...,k r =0

EXAMPLE 1 Linear Independence of the Standard UnitVectors in Rn The most basic linearly
independent set in Rn is the set of standard unit vectors

e1 =(1,0,0,...,0), e2 =(0,1,0,...,0),..., en =(0,0,0,...,1)

Untuk mengilustrasikan ini di R3, pertimbangkan vektor unit standar