Линейная зависимость и линейная независимость векторов.
Базис векторов. Аффинная система координат

В аудитории находится тележка с шоколадками, и каждому посетителю сегодня достанется сладкая парочка – аналитическая геометрия с линейной алгеброй. В данной статье будут затронуты сразу два раздела высшей математики, и мы посмотрим, как они уживаются в одной обёртке. Сделай паузу, скушай «Твикс»! …блин, ну и чушь спорол. Хотя ладно, забивать не буду, в конце концов, на учёбу должен быть позитивный настрой.

Линейная зависимость векторов , линейная независимость векторов , базис векторов и др. термины имеют не только геометрическую интерпретацию, но, прежде всего, алгебраический смысл . Само понятие «вектор» с точки зрения линейной алгебры – это далеко не всегда тот «обычный» вектор, который мы можем изобразить на плоскости или в пространстве. За доказательством далеко ходить не нужно, попробуйте нарисовать вектор пятимерного пространства . Или вектор погоды, за которым я только что сходил на Гисметео: – температура и атмосферное давление соответственно. Пример, конечно, некорректен с точки зрения свойств векторного пространства, но, тем не менее, никто не запрещает формализовать данные параметры вектором. Дыхание осени….

Нет, я не собираюсь грузить вас теорией, линейными векторными пространствами, задача состоит в том, чтобы понять определения и теоремы. Новые термины (линейная зависимость, независимость, линейная комбинация, базис и т.д.) приложимы ко всем векторам с алгебраической точки зрения , но примеры будут даны геометрические. Таким образом, всё просто, доступно и наглядно. Помимо задач аналитической геометрии мы рассмотрим и некоторые типовые задания алгебры . Для освоения материала желательно ознакомиться с уроками Векторы для чайников и Как вычислить определитель?

Линейная зависимость и независимость векторов плоскости.
Базис плоскости и аффинная система координат

Рассмотрим плоскость вашего компьютерного стола (просто стола, тумбочки, пола, потолка, кому что нравится). Задача будет состоять в следующих действиях:

1) Выбрать базис плоскости . Грубо говоря, у столешницы есть длина и ширина, поэтому интуитивно понятно, что для построения базиса потребуется два вектора. Одного вектора явно мало, три вектора – лишка.

2) На основе выбранного базиса задать систему координат (координатную сетку), чтобы присвоить координаты всем находящимся на столе предметам.

Не удивляйтесь, сначала объяснения будут на пальцах. Причём, на ваших. Пожалуйста, поместите указательный палец левой руки на край столешницы так, чтобы он смотрел в монитор. Это будет вектор . Теперь поместите мизинец правой руки на край стола точно так же – чтобы он был направлен на экран монитора. Это будет вектор . Улыбнитесь, вы замечательно выглядите! Что можно сказать о векторах ? Данные векторы коллинеарны , а значит, линейно выражаются друг через друга:
, ну, или наоборот: , где – некоторое число, отличное от нуля.

Картинку сего действа можно посмотреть на уроке Векторы для чайников , где я объяснял правило умножения вектора на число.

Будут ли ваши пальчики задавать базис на плоскости компьютерного стола? Очевидно, что нет. Коллинеарные векторы путешествуют туда-сюда по одному направлению, а у плоскости есть длина и ширина.

Такие векторы называют линейно зависимыми .

Справка: Слова «линейный», «линейно» обозначают тот факт, что в математических уравнениях, выражениях нет квадратов, кубов, других степеней, логарифмов, синусов и т.д. Есть только линейные (1-й степени) выражения и зависимости.

Два вектора плоскости линейно зависимы тогда и только тогда , когда они коллинеарны .

Скрестите пальцы на столе, чтобы между ними был любой угол, кроме 0 или 180 градусов. Два вектора плоскости линейно не зависимы в том и только том случае, если они не коллинеарны . Итак, базис получен. Не нужно смущаться, что базис получился «косым» с неперпендикулярными векторами различной длины. Очень скоро мы увидим, что для его построения пригоден не только угол в 90 градусов, и не только единичные, равные по длине векторы

Любой вектор плоскости единственным образом раскладывается по базису :
, где – действительные числа . Числа называют координатами вектора в данном базисе.

Также говорят, что вектор представлен в виде линейной комбинации базисных векторов . То есть, выражение называют разложением вектора по базису или линейной комбинацией базисных векторов.

Например, можно сказать, что вектор разложен по ортонормированному базису плоскости , а можно сказать, что он представлен в виде линейной комбинации векторов .

Сформулируем определение базиса формально: Базисом плоскости называется пара линейно независимых (неколлинеарных) векторов , , при этом любой вектор плоскости является линейной комбинацией базисных векторов.

Существенным моментом определения является тот факт, что векторы взяты в определённом порядке . Базисы – это два совершенно разных базиса! Как говорится, мизинец левой руки не переставишь на место мизинца правой руки.

С базисом разобрались, но его недостаточно, чтобы задать координатную сетку и присвоить координаты каждому предмету вашего компьютерного стола. Почему недостаточно? Векторы являются свободными и блуждают по всей плоскости. Так как же присвоить координаты тем маленьким грязным точкам стола, которые остались после бурных выходных? Необходим отправной ориентир. И таким ориентиром является знакомая всем точка – начало координат. Разбираемся с системой координат:

Начну со «школьной» системы. Уже на вступительном уроке Векторы для чайников я выделял некоторые различия между прямоугольной системой координат и ортонормированным базисом . Вот стандартная картина:

Когда говорят о прямоугольной системе координат , то чаще всего имеют в виду начало координат, координатные оси и масштаб по осям. Попробуйте набрать в поисковике «прямоугольная система координат», и вы увидите, что многие источники вам будут рассказывать про знакомые с 5-6-го класса координатные оси и о том, как откладывать точки на плоскости.

С другой стороны, создается впечатление, что прямоугольную систему координат вполне можно определить через ортонормированный базис . И это почти так. Формулировка звучит следующим образом:

началом координат , и ортонормированный базис задают декартову прямоугольную систему координат плоскости . То есть, прямоугольная система координат однозначно определяется единственной точкой и двумя единичными ортогональными векторами . Именно поэтому, вы видите чертёж, который я привёл выше – в геометрических задачах часто (но далеко не всегда) рисуют и векторы, и координатные оси.

Думаю, всем понятно, что с помощью точки (начала координат) и ортонормированного базиса ЛЮБОЙ ТОЧКЕ плоскости и ЛЮБОМУ ВЕКТОРУ плоскости можно присвоить координаты. Образно говоря, «на плоскости всё можно пронумеровать».

Обязаны ли координатные векторы быть единичными? Нет, они могут иметь произвольную ненулевую длину. Рассмотрим точку и два ортогональных вектора произвольной ненулевой длины:

Такой базис называется ортогональным . Начало координат с векторами задают координатную сетку, и любая точка плоскости, любой вектор имеют свои координаты в данном базисе. Например, или . Очевидное неудобство состоит в том, что координатные векторы в общем случае имеют различные длины, отличные от единицы. Если длины равняются единице, то получается привычный ортонормированный базис.

! Примечание : в ортогональном базисе, а также ниже в аффинных базисах плоскости и пространства единицы по осям считаются УСЛОВНЫМИ . Например, в одной единице по оси абсцисс содержится 4 см, в одной единице по оси ординат 2 см. Данной информации достаточно, чтобы при необходимости перевести «нестандартные» координаты в «наши обычные сантиметры».

И второй вопрос, на который уже на самом деле дан ответ – обязательно ли угол между базисными векторами должен равняться 90 градусам? Нет! Как гласит определение, базисные векторы должны быть лишь неколлинеарными . Соответственно угол может быть любым, кроме 0 и 180 градусов.

Точка плоскости, которая называется началом координат , и неколлинеарные векторы , , задают аффинную систему координат плоскости :

Иногда такую систему координат называют косоугольной системой. В качестве примеров на чертеже изображены точки и векторы:

Как понимаете, аффинная система координат ещё менее удобна, в ней не работают формулы длин векторов и отрезков, которые мы рассматривали во второй части урока Векторы для чайников , многие вкусные формулы, связанные со скалярным произведением векторов . Зато справедливы правила сложения векторов и умножения вектора на число, формулы деления отрезка в данном отношении , а также ещё некоторые типы задач, которые мы скоро рассмотрим.

А вывод таков, что наиболее удобным частным случаем аффинной системы координат является декартова прямоугольная система. Поэтому её, родную, чаще всего и приходится лицезреть. …Впрочем, всё в этой жизни относительно – существует немало ситуаций, в которых уместна именно косоугольная (или какая-набудь другая, например, полярная ) система координат. Да и гуманоидам такие системы могут прийтись по вкусу =)

Переходим к практической части. Все задачи данного урока справедливы как для прямоугольной системы координат, так и для общего аффинного случая. Сложного здесь ничего нет, весь материал доступен даже школьнику.

Как определить коллинеарность векторов плоскости?

Типовая вещь. Для того чтобы два вектора плоскости были коллинеарны, необходимо и достаточно, чтобы их соответствующие координаты были пропорциональны .По существу, это покоординатная детализация очевидного соотношения .

Пример 1

а) Проверить, коллинеарны ли векторы .
б) Образуют ли базис векторы ?

Решение:
а) Выясним, существует ли для векторов коэффициент пропорциональности , такой, чтобы выполнялись равенства :

Обязательно расскажу о «пижонской» разновидности применения данного правила, которая вполне прокатывает на практике. Идея состоит в том, чтобы сразу составить пропорцию и посмотреть, будет ли она верной:

Составим пропорцию из отношений соответствующих координат векторов:

Сокращаем:
, таким образом, соответствующие координаты пропорциональны, следовательно,

Отношение можно было составить и наоборот, это равноценный вариант:

Для самопроверки можно использовать то обстоятельство, что коллинеарные векторы линейно выражаются друг через друга. В данном случае имеют место равенства . Их справедливость легко проверяется через элементарные действия с векторами:

б) Два вектора плоскости образуют базис, если они не коллинеарны (линейно независимы). Исследуем на коллинеарность векторы . Составим систему:

Из первого уравнения следует, что , из второго уравнения следует, что , значит, система несовместна (решений нет). Таким образом, соответствующие координаты векторов не пропорциональны.

Вывод : векторы линейно независимы и образуют базис.

Упрощённая версия решения выглядит так:

Составим пропорцию из соответствующих координат векторов :
, значит, данные векторы линейно независимы и образуют базис.

Обычно такой вариант не бракуют рецензенты, но возникает проблема в тех случаях, когда некоторые координаты равны нулю. Вот так: . Или так: . Или так: . Как тут действовать через пропорцию? (действительно, на ноль же делить нельзя). Именно по этой причине я и назвал упрощенное решение «пижонским».

Ответ: а) , б) образуют.

Небольшой творческий пример для самостоятельного решения:

Пример 2

При каком значении параметра векторы будут коллинеарны?

В образце решения параметр найден через пропорцию .

Существует изящный алгебраический способ проверки векторов на коллинеарность., систематизируем наши знания и пятым пунктом как раз добавим его:

Для двух векторов плоскости эквивалентны следующие утверждения :

2) векторы образуют базис;
3) векторы не коллинеарны;

+ 5) определитель, составленный из координат данных векторов, отличен от нуля .

Соответственно, эквивалентны следующие противоположные утверждения :
1) векторы линейно зависимы;
2) векторы не образуют базиса;
3) векторы коллинеарны;
4) векторы можно линейно выразить друг через друга;
+ 5) определитель, составленный из координат данных векторов, равен нулю .

Я очень и очень надеюсь, что на данный момент вам уже понятны все встретившиеся термины и утверждения.

Рассмотрим более подробно новый, пятый пункт: два вектора плоскости коллинеарны тогда и только тогда, когда определитель, составленный из координат данных векторов, равен нулю :. Для применения данного признака, естественно, нужно уметь находить определители .

Решим Пример 1 вторым способом:

а) Вычислим определитель, составленный из координат векторов :
, значит, данные векторы коллинеарны.

б) Два вектора плоскости образуют базис, если они не коллинеарны (линейно независимы). Вычислим определитель, составленный из координат векторов :
, значит, векторы линейно независимы и образуют базис.

Ответ: а) , б) образуют.

Выглядит значительно компактнее и симпатичнее, чем решение с пропорциями.

С помощью рассмотренного материала можно устанавливать не только коллинеарность векторов, но и доказывать параллельность отрезков, прямых. Рассмотрим пару задач с конкретными геометрическими фигурами.

Пример 3

Даны вершины четырёхугольника . Доказать, что четырёхугольник является параллелограммом.

Доказательство : Чертежа в задаче строить не нужно, поскольку решение будет чисто аналитическим. Вспоминаем определение параллелограмма:
Параллелограммом называется четырёхугольник, у которого противоположные стороны попарно параллельны.

Таким образом, необходимо доказать:
1) параллельность противоположных сторон и ;
2) параллельность противоположных сторон и .

Доказываем:

1) Найдём векторы:

2) Найдём векторы:

Получился один и тот же вектор («по школьному» – равные векторы). Коллинеарность совсем очевидна, но решение таки лучше оформить с толком, с расстановкой. Вычислим определитель, составленный из координат векторов :
, значит, данные векторы коллинеарны, и .

Вывод : Противоположные стороны четырёхугольника попарно параллельны, значит, он является параллелограммом по определению. Что и требовалось доказать .

Больше фигур хороших и разных:

Пример 4

Даны вершины четырёхугольника . Доказать, что четырёхугольник является трапецией.

Для более строгой формулировки доказательства лучше, конечно, раздобыть определение трапеции, но достаточно и просто вспомнить, как она выглядит.

Это задание для самостоятельного решения. Полное решение в конце урока.

А теперь пора потихонечку перебираться из плоскости в пространство:

Как определить коллинеарность векторов пространства?

Правило очень похоже. Для того чтобы два вектора пространства были коллинеарны, необходимо и достаточно , чтобы их соответствующие координаты были пропорциональны .

Пример 5

Выяснить, будут ли коллинеарны следующие векторы пространства:

а) ;
б)
в)

Решение:
а) Проверим, существует ли коэффициент пропорциональности для соответствующих координат векторов:

Система не имеет решения, значит, векторы не коллинеарны.

«Упрощёнка» оформляется проверкой пропорции . В данном случае:
– соответствующие координаты не пропорциональны, значит, векторы не коллинеарны.

Ответ: векторы не коллинеарны.

б-в) Это пункты для самостоятельного решения. Попробуйте его оформить двумя способами.

Существует метод проверки пространственных векторов на коллинеарность и через определитель третьего порядка, данный способ освещен в статье Векторное произведение векторов .

Аналогично плоскому случаю, рассмотренный инструментарий может применяться в целях исследования параллельности пространственных отрезков и прямых.

Добро пожаловать во второй раздел:

Линейная зависимость и независимость векторов трехмерного пространства.
Пространственный базис и аффинная система координат

Многие закономерности, которые мы рассмотрели на плоскости, будут справедливыми и для пространства. Я постарался минимизировать конспект по теории, поскольку львиная доля информации уже разжёвана. Тем не менее, рекомендую внимательно прочитать вводную часть, так как появятся новые термины и понятия.

Теперь вместо плоскости компьютерного стола исследуем трёхмерное пространство. Сначала создадим его базис. Кто-то сейчас находится в помещении, кто-то на улице, но в любом случае нам никуда не деться от трёх измерений: ширины, длины и высоты. Поэтому для построения базиса потребуется три пространственных вектора. Одного-двух векторов мало, четвёртый – лишний.

И снова разминаемся на пальцах. Пожалуйста, поднимите руку вверх и растопырьте в разные стороны большой, указательный и средний палец . Это будут векторы , они смотрят в разные стороны, имеют разную длину и имеют разные углы между собой. Поздравляю, базис трёхмерного пространства готов! Кстати, не нужно демонстрировать такое преподавателям, как ни крути пальцами, а от определений никуда не деться =)

Далее зададимся важным вопросом, любые ли три вектора образуют базис трехмерного пространства ? Пожалуйста, плотно прижмите три пальца к столешнице компьютерного стола. Что произошло? Три вектора расположились в одной плоскости, и, грубо говоря, у нас пропало одно из измерений – высота. Такие векторы являются компланарными и, совершенно очевидно, что базиса трёхмерного пространства не создают.

Следует отметить, что компланарные векторы не обязаны лежать в одной плоскости, они могут находиться в параллельных плоскостях (только не делайте этого с пальцами, так отрывался только Сальвадор Дали =)).

Определение : векторы называются компланарными , если существует плоскость, которой они параллельны. Здесь логично добавить, что если такой плоскости не существует, то и векторы будут не компланарны.

Три компланарных вектора всегда линейно зависимы , то есть линейно выражаются друг через друга. Для простоты снова представим, что они лежат в одной плоскости. Во-первых, векторы мало того, что компланарны, могут быть вдобавок ещё и коллинеарны, тогда любой вектор можно выразить через любой вектор. Во втором случае, если, например, векторы не коллинеарны, то третий вектор выражается через них единственным образом: (а почему – легко догадаться по материалам предыдущего раздела).

Справедливо и обратное утверждение: три некомпланарных вектора всегда линейно независимы , то есть никоим образом не выражаются друг через друга. И, очевидно, только такие векторы могут образовать базис трёхмерного пространства.

Определение : Базисом трёхмерного пространства называется тройка линейно независимых (некомпланарных) векторов , взятых в определённом порядке , при этом любой вектор пространства единственным образом раскладывается по данному базису , где – координаты вектора в данном базисе

Напоминаю, также можно сказать, что вектор представлен в виде линейной комбинации базисных векторов.

Понятие системы координат вводится точно так же, как и для плоского случая, достаточно одной точки и любых трёх линейно независимых векторов:

началом координат , и некомпланарные векторы , взятые в определённом порядке , задают аффинную систему координат трёхмерного пространства :

Конечно, координатная сетка «косая» и малоудобная, но, тем не менее, построенная система координат позволяет нам однозначно определить координаты любого вектора и координаты любой точки пространства. Аналогично плоскости, в аффинной системе координат пространства не будут работать некоторые формулы, о которых я уже упоминал.

Наиболее привычным и удобным частным случаем аффинной системы координат, как все догадываются, является прямоугольная система координат пространства :

Точка пространства, которая называется началом координат , и ортонормированный базис задают декартову прямоугольную систему координат пространства . Знакомая картинка:

Перед тем, как перейти к практическим заданиям, вновь систематизируем информацию:

Для трёх векторов пространства эквивалентны следующие утверждения :
1) векторы линейно независимы;
2) векторы образуют базис;
3) векторы не компланарны;
4) векторы нельзя линейно выразить друг через друга;
5) определитель, составленный из координат данных векторов, отличен от нуля.

Противоположные высказывания, думаю, понятны.

Линейная зависимость / независимость векторов пространства традиционно проверяется с помощью определителя (пункт 5). Оставшиеся практические задания будут носить ярко выраженный алгебраический характер. Пора повесить на гвоздь геометрическую клюшку и орудовать бейсбольной битой линейной алгебры:

Три вектора пространства компланарны тогда и только тогда, когда определитель, составленный из координат данных векторов, равен нулю :.

Обращаю внимание на небольшой технический нюанс: координаты векторов можно записывать не только в столбцы, но и в строки (значение определителя от этого не изменится – см. свойства определителей). Но гораздо лучше в столбцы, поскольку это выгоднее для решения некоторых практических задач.

Тем читателям, которые немножко позабыли методы расчета определителей, а может и вообще слабо в них ориентируются, рекомендую один из моих самых старых уроков: Как вычислить определитель?

Пример 6

Проверить, образуют ли базис трёхмерного пространства следующие векторы:

Решение : Фактически всё решение сводится к вычислению определителя.

а) Вычислим определитель, составленный из координат векторов (определитель раскрыт по первой строке):

, значит, векторы линейно независимы (не компланарны) и образуют базис трёхмерного пространства.

Ответ : данные векторы образуют базис

б) Это пункт для самостоятельного решения. Полное решение и ответ в конце урока.

Встречаются и творческие задачи:

Пример 7

При каком значении параметра векторы будут компланарны?

Решение : Векторы компланарны тогда и только тогда, когда определитель, составленный из координат данных векторов равен нулю:

По существу, требуется решить уравнение с определителем. Налетаем на нули как коршуны на тушканчиков – определитель выгоднее всего раскрыть по второй строке и сразу же избавиться от минусов:

Проводим дальнейшие упрощения и сводим дело к простейшему линейному уравнению:

Ответ : при

Здесь легко выполнить проверку, для этого нужно подставить полученное значение в исходный определитель и убедиться, что , раскрыв его заново.

В заключение рассмотрим ещё одну типовую задачу, которая носит больше алгебраический характер и традиционно включается в курс линейной алгебры. Она настолько распространена, что заслуживает отдельного топика:

Доказать, что 3 вектора образуют базис трёхмерного пространства
и найти координаты 4-го вектора в данном базисе

Пример 8

Даны векторы . Показать, что векторы образуют базис трехмерного пространства и найти координаты вектора в этом базисе.

Решение : Сначала разбираемся с условием. По условию даны четыре вектора, и, как видите, у них уже есть координаты в некотором базисе. Какой это базис – нас не интересует. А интересует следующая вещь: три вектора вполне могут образовывать новый базис . И первый этап полностью совпадает с решением Примера 6, необходимо проверить, действительно ли векторы линейно независимы:

Вычислим определитель, составленный из координат векторов :

, значит, векторы линейно независимы и образуют базис трехмерного пространства.

! Важно : координаты векторов обязательно записываем в столбцы определителя, а не в строки. Иначе будет путаница в дальнейшем алгоритме решения.

Найти базис системы векторов и векторы, не входящие в базис, разложить по базису:

а 1 = {5, 2, -3, 1}, а 2 = {4, 1, -2, 3}, а 3 = {1, 1, -1, -2}, а 4 = {3, 4, -1, 2}, а 5 = {13, 8, -7, 4}.

Р е ш е н и е . Рассмотрим однородную систему линейных уравнений

а 1 х 1 + а 2 х 2 + а 3 х 3 + а 4 х 4 + а 5 х 5 = 0

или в развернутом виде .

Будем решать эту систему методом Гаусса, не меняя местами строки и столбцы, и, кроме того, выбирая главный элемент не в верхнем левом углу, а по всей строке. Задача состоит в том, чтобы выделить диагональную часть преобразованной системы векторов .

~ ~

~ ~ ~ .

Разрешенная система векторов, равносильная исходной, имеет вид

а 1 1 х 1 + а 2 1 х 2 + а 3 1 х 3 + а 4 1 х 4 + а 5 1 х 5 = 0 ,

где а 1 1 = , а 2 1 = , а 3 1 = , а 4 1 = , а 5 1 = . (1)

Векторы а 1 1 , а 3 1 , а 4 1 образуют диагональную систему. Следовательно, векторы а 1 , а 3 , а 4 образуют базис системы векторов а 1 , а 2 , а 3 , а 4 , а 5 .

Разложим теперь векторы а 2 и а 5 по базису а 1 , а 3 , а 4 . Для этого сначала разложим соответствующие векторы а 2 1 и а 5 1 по диагональной системе а 1 1 , а 3 1 , а 4 1 , имея в виду, что коэффициентами разложения вектора по диагональной системе являются его координаты x i .

Из (1) имеем:

а 2 1 = а 3 1 · (-1) + а 4 1 · 0 + а 1 1 ·1 => а 2 1 = а 1 1 – а 3 1 .

а 5 1 = а 3 1 · 0 + а 4 1 · 1 + а 1 1 ·2 => а 5 1 = 2а 1 1 + а 4 1 .

Векторы а 2 и а 5 разлагаются по базису а 1 , а 3 , а 4 с теми же коэффициентами, что и векторы а 2 1 и а 5 1 по диагональной системе а 1 1 , а 3 1 , а 4 1 (те коэффициенты x i ). Следовательно,

а 2 = а 1 – а 3 , а 5 = 2а 1 + а 4 .

Задания. 1 .Найти базис системы векторов и векторы, не входящие в базис, разложить по базису:

1. a 1 = { 1, 2, 1 }, a 2 = { 2, 1, 3 }, a 3 = { 1, 5, 0 }, a 4 = { 2, -2, 4 }.

2. a 1 = { 1, 1, 2 }, a 2 = { 0, 1, 2 }, a 3 = { 2, 1, -4 }, a 4 = { 1, 1, 0 }.

3. a 1 = { 1, -2, 3 }, a 2 = { 0, 1, -1 }, a 3 = { 1, 3, 0 }, a 4 = { 0, -7, 3 }, a 5 = { 1, 1, 1 }.

4. a 1 = { 1, 2, -2 }, a 2 = { 0, -1, 4 }, a 3 = { 2, -3, 3 }.

2. Найти все базисы системы векторов:

1. a 1 = { 1, 1, 2 }, a 2 = { 3, 1, 2 }, a 3 = { 1, 2, 1 }, a 4 = { 2, 1, 2 }.

2. a 1 = { 1, 1, 1 }, a 2 = { -3, -5, 5 }, a 3 = { 3, 4, -1 }, a 4 = { 1, -1, 4 }.

Лекции по алгебре и геометрии. Семестр 1.

Лекция 9. Базис векторного пространства.

Краткое содержание: система векторов, линейная комбинация системы векторов, коэффициенты линейной комбинации системы векторов, базис на прямой, плоскости и в пространстве, размерности векторных пространств на прямой, плоскости и в пространстве, разложение вектора по базису, координаты вектора относительно базиса, теорема о равенстве двух векторов, линейные операции с векторами в координатной форме записи, ортонормированная тройка векторов, правая и левая тройки векторов, ортонормированный базис, основная теорема векторной алгебры.

Глава 9. Базис векторного пространства и разложение вектора по базису.

п.1. Базис на прямой, на плоскости и в пространстве.

Определение. Любое конечное множество векторов называется системой векторов.

Определение. Выражение , где
называется линейной комбинацией системы векторов
, а числа
называются коэффициентами этой линейной комбинации.

Пусть L, Р и S – прямая, плоскость и пространство точек соответственно и
. Тогда
– векторные пространства векторов как направленных отрезков на прямой L, на плоскости Р и в пространстве S соответственно.

называется любой ненулевой вектор
, т.е. любой ненулевой вектор коллинеарный прямой L:
и
.

Обозначение базиса
:
– базис
.

Определение. Базисом векторного пространства
называется любая упорядоченная пара неколлинеарных векторов пространства
.

, где
,
– базис
.

Определение. Базисом векторного пространства
называется любая упорядоченная тройка некомпланарных векторов (т.е. не лежащих в одной плоскости) пространства
.

– базис
.

Замечание. Базис векторного пространства не может содержать нулевого вектора: в пространстве
по определению, в пространстве
два вектора будут коллинеарные, если хотя бы один из них нулевой, в пространстве
три вектора будут компланарные, т.е будут лежать в одной плоскости, если хотя бы один из трех векторов будет нулевой.

п.2. Разложение вектора по базису.

Определение. Пусть – произвольный вектор,
– произвольная система векторов. Если выполняется равенство

то говорят, что вектор представлен в виде линейной комбинации данной системы векторов. Если данная система векторов
является базисом векторного пространства, то равенство (1) называется разложением вектора по базису
. Коэффициенты линейной комбинации
называются в этом случае координатами вектора относительно базиса
.

Теорема. (О разложении вектора по базису.)

Любой вектор векторного пространства можно разложить по его базису и притом единственным способом.

Доказательство. 1) Пусть L произвольная прямая (или ось) и
– базис
. Возьмем произвольный вектор
. Так как оба вектора и коллинеарные одной и той же прямой L, то
. Воспользуемся теоремой о коллинеарности двух векторов. Так как
, то найдется (существует) такое число
, что
и тем самым мы получили разложение вектора по базису
векторного пространства
.

Теперь докажем единственность такого разложения. Допустим противное. Пусть имеется два разложения вектора по базису
векторного пространства
:

и
, где
. Тогда
и используя закон дистрибутивности, получаем:

Так как
, то из последнего равенства следует, что
, ч.т.д.

2) Пусть теперь Р произвольная плоскость и
– базис
. Пусть
произвольный вектор этой плоскости. Отложим все три вектора от какой-нибудь одной точки этой плоскости. Построим 4 прямых. Проведем прямую , на которой лежит вектор , прямую
, на которой лежит вектор . Через конец вектора проведем прямую параллельную вектору и прямую параллельную вектору . Эти 4 прямые высекают параллелограмм. См. ниже рис. 3. По правилу параллелограмма
, и
,
,
– базис ,
– базис
.

Теперь, по уже доказанному в первой части этого доказательства, существуют такие числа
, что

и
. Отсюда получаем:

и возможность разложения по базису доказана.

Теперь докажем единственность разложения по базису. Допустим противное. Пусть имеется два разложения вектора по базису
векторного пространства
:
и
. Получаем равенство

Откуда следует
. Если
, то
, а т.к.
, то
и коэффициенты разложения равны:
,
. Пусть теперь
. Тогда
, где
. По теореме о коллинеарности двух векторов отсюда следует, что
. Получили противоречие условию теоремы. Следовательно,
и
, ч.т.д.

3) Пусть
– базис
и пусть
произвольный вектор. Проведем следующие построения.

Отложим все три базисных вектора
и вектор от одной точки и построим 6 плоскостей: плоскость, в которой лежат базисные векторы
, плоскость
и плоскость
; далее через конец вектора проведем три плоскости параллельно только что построенным трем плоскостям. Эти 6 плоскостей высекают параллелепипед:

По правилу сложения векторов получаем равенство:

. (1)

По построению
. Отсюда, по теореме о коллинеарности двух векторов, следует, что существует число
, такое что
. Аналогично,
и
, где
. Теперь, подставляя эти равенства в (1), получаем:

и возможность разложения по базису доказана.

Докажем единственность такого разложения. Допустим противное. Пусть имеется два разложения вектора по базису
:

И . Тогда

Заметим, что по условию векторы
некомпланарные, следовательно, они попарно неколлинеарные.

Возможны два случая:
или
.

а) Пусть
, тогда из равенства (3) следует:

. (4)

Из равенства (4) следует, что вектор раскладывается по базису
, т.е. вектор лежит в плоскости векторов
и, следовательно, векторы
компланарные, что противоречит условию.

б) Остается случай
, т.е.
. Тогда из равенства (3) получаем или

Так как
– базис пространства векторов лежащих в плоскости, а мы уже доказали единственность разложения по базису векторов плоскости, то из равенства (5) следует, что
и
, ч.т.д.

Теорема доказана.

Следствие.

1) Существует взаимно однозначное соответствие между множеством векторов векторного пространства
и множеством действительных чисел R.

2) Существует взаимно однозначное соответствие между множеством векторов векторного пространства
и декартовым квадратом

3) Существует взаимно однозначное соответствие между множеством векторов векторного пространства
и декартовым кубом
множества действительных чисел R.

Доказательство. Докажем третье утверждение. Первые два доказываются аналогично.

Выберем и зафиксируем в пространстве
какой-нибудь базис
и устроим отображение
по следующему правилу:

т.е. каждому вектору поставим в соответствие упорядоченный набор его координат.

Так как при фиксированном базисе каждый вектор имеет единственный набор координат, то соответствие, задаваемое правилом (6) действительно является отображением.

Из доказательства теоремы следует, что различные векторы имеют различные координаты относительно одного и того же базиса, т.е. отображение (6) является инъекцией.

Пусть
произвольный упорядоченный набор действительных чисел.

Рассмотрим вектор
. Этот вектор по построению имеет координаты
. Следовательно, отображение (6) является сюръекцией.

Отображение, которое одновременно инъективное и сюръективное является биективным, т.е. взаимно однозначным, ч.т.д.

Следствие доказано.

Теорема. (О равенстве двух векторов.)

Два вектора равны тогда и только тогда, когда равны их координаты относительно одного и того же базиса.

Доказательство сразу же вытекает из предыдущего следствия.

п.3. Размерность векторного пространства.

Определение. Число векторов в базисе векторного пространства называется его размерностью.

Обозначение:
– размерность векторного пространства V.

Таким образом, в соответствие с этим и предыдущими определениями, имеем:

1)
– векторное пространство векторов прямой L.

– базис
,
,
,
– разложение вектора
по базису
,
– координата вектора относительно базиса
.

2)
– векторное пространство векторов плоскости Р.

– базис
,
,
,
– разложение вектора
по базису
,
– координаты вектора относительно базиса
.

3)
– векторное пространство векторов в пространстве точек S.

– базис
,
,
– разложение вектора
по базису
,
– координаты вектора относительно базиса
.

Замечание. Если
, то
и можно выбрать базис
пространства
так, что
– базис
и
– базис
. Тогда
, и
, .

Таким образом, любой вектор прямой L, плоскости Р и пространства S можно разложить по базису
:

Обозначение. В силу теоремы о равенстве векторов, мы можем отождествить любой вектор с упорядоченной тройкой действительных чисел и писать:

Это возможно лишь том случае, когда базис
фиксирован и нет опасности спутаться.

Определение. Запись вектора в виде упорядоченной тройки действительных чисел называют координатной формой записи вектора:
.

п.4. Линейные операции с векторами в координатной форме записи.

Пусть
– базис пространства
и
– два его произвольных вектора. Пусть
и
– запись этих векторов в координатной форме. Пусть, далее,
– произвольное действительное число. В этих обозначениях имеет место следующая теорема.

Теорема. (О линейных операциях с векторами в координатной форме.)

2)
.

Другими словами, для того, чтобы сложить два вектора нужно сложить их соответствующие координаты, а чтобы умножить вектор на число, нужно каждую координату данного вектора умножить на данное число.

Доказательство. Так как по условию теоремы , , то используя аксиомы векторного пространства, которым подчиняются операции сложения векторов и умножения вектора на число, получаем:

Отсюда следует .

Аналогично доказывается второе равенство.

Теорема доказана.

п.5. Ортогональные векторы. Ортонормированный базис.

Определение. Два вектора называются ортогональными, если угол между ними равен прямому углу, т.е.
.

Обозначение:
– векторы и ортогональны.

Определение. Тройка векторов
называется ортогональной, если эти векторы попарно ортогональны друг другу, т.е.
,
.

Определение. Тройка векторов
называется ортонормированной, если она ортогональная и длины всех векторов равны единице:
.

Замечание. Из определения следует, что ортогональная и, следовательно, ортонормированная тройка векторов является некомпланарной.

Определение. Упорядоченная некомпланарная тройка векторов
, отложенных от одной точки, называется правой (правоориентированной), если при наблюдении с конца третьего вектора на плоскость, в которой лежат первые два вектора и , кратчайший поворот первого вектора ко второму происходит против часовой стрелки. В противном случае тройка векторов называется левой (левоориентированной).

Здесь, на рис.6 изображена правая тройка векторов
. На следующем рис.7 изображена левая тройка векторов
:

Определение. Базис
векторного пространства
называется ортонормированным, если
ортонормированная тройка векторов.

Обозначение. В дальнейшем мы будем пользоваться правым ортонормированным базисом
, см. следующий рисунок.

Выражение вида называется линейной комбинацией векторов A 1 , A 2 ,...,A n с коэффициентами λ 1, λ 2 ,...,λ n .

Определение линейной зависимости системы векторов

Система векторов A 1 , A 2 ,...,A n называется линейно зависимой , если существует ненулевой набор чисел λ 1, λ 2 ,...,λ n , при котором линейная комбинация векторов λ 1 *A 1 +λ 2 *A 2 +...+λ n *A n равна нулевому вектору , то есть система уравнений: имеет ненулевое решение.
Набор чисел λ 1, λ 2 ,...,λ n является ненулевым, если хотя бы одно из чисел λ 1, λ 2 ,...,λ n отлично от нуля.

Определение линейной независимости системы векторов

Система векторов A 1 , A 2 ,...,A n называется линейно независимой , если линейная комбинация этих векторов λ 1 *A 1 +λ 2 *A 2 +...+λ n *A n равна нулевому вектору только при нулевом наборе чисел λ 1, λ 2 ,...,λ n , то есть система уравнений: A 1 x 1 +A 2 x 2 +...+A n x n =Θ имеет единственное нулевое решение.

Проверить, является ли линейно зависимой система векторов

Решение :

1. Составляем систему уравнений :

2. Решаем ее методом Гаусса . Преобразования Жордано системы приведены в таблице 29.1. При расчете правые части системы не записываются так как они равны нулю и при преобразованиях Жордана не изменяются.

3. Из последних трех строк таблицы записываем разрешенную систему, равносильную исходной системе:

4. Получаем общее решение системы :

5. Задав по своему усмотрению значение свободной переменной x 3 =1, получаем частное ненулевое решение X=(-3,2,1).

Ответ: Таким образом, при ненулевом наборе чисел (-3,2,1) линейная комбинация векторов равняется нулевому вектору -3A 1 +2A 2 +1A 3 =Θ. Следовательно, система векторов линейно зависимая .

Свойства систем векторов

Свойство (1)
Если система векторов линейно зависимая, то хотя бы один из векторов разлагается по остальным и, наоборот, если хотя бы один из векторов системы разлагается по остальным, то система векторов линейно зависимая.

Свойство (2)
Если какая-либо подсистема векторов линейно зависимая, то и вся система линейно зависимая.

Свойство (3)
Если система векторов линейно независимая, то любая ее подсистема линейно независимая.

Свойство (4)
Любая система векторов, содержащая нулевой вектор, линейно зависимая.

Свойство (5)
Система m-мерных векторов всегда является линейно зависимой, если число векторов n больше их размерности (n>m)

Базис системы векторов

Базисом системы векторов A 1 , A 2 ,..., A n называется такая подсистема B 1 , B 2 ,...,B r (каждый из векторов B 1 ,B 2 ,...,B r является одним из векторов A 1 , A 2 ,..., A n) , которая удовлетворяет следующим условиям:
1. B 1 ,B 2 ,...,B r линейно независимая система векторов;
2. любой вектор A j системы A 1 , A 2 ,..., A n линейно выражается через векторы B 1 ,B 2 ,...,B r

r — число векторов входящих в базис.

Теорема 29.1 О единичном базисе системы векторов.

Если система m-мерных векторов содержит m различных единичных векторов E 1 E 2 ,..., E m , то они образуют базис системы.

Алгоритм нахождения базиса системы векторов

Для того, чтобы найти базис системы векторов A 1 ,A 2 ,...,A n необходимо:

• Составить соответствующую системе векторов однородную систему уравнений A 1 x 1 +A 2 x 2 +...+A n x n =Θ
• Привести эту систему

В статье о n -мерных векторах мы пришли к понятию линейного пространства, порождаемого множеством n -мерных векторов. Теперь нам предстоит рассмотреть не менее важные понятия, такие как размерность и базис векторного пространства. Они напрямую связаны с понятием линейно независимой системы векторов, так что дополнительно рекомендуется напомнить себе основы и этой темы.

Введем некоторые определения.

Определение 1

Размерность векторного пространства – число, соответствующее максимальному количеству линейно независимых векторов в этом пространстве.

Определение 2

Базис векторного пространства – совокупность линейно независимых векторов, упорядоченная и в своей численности равная размерности пространства.

Рассмотрим некое пространство n -векторов. Размерность его соответственно равна n . Возьмем систему из n -единичных векторов:

e (1) = (1 , 0 , . . . , 0) e (2) = (0 , 1 , . . . , 0) e (n) = (0 , 0 , . . . , 1)

Используем эти векторы в качестве составляющих матрицы A: она будет являться единичной с размерностью n на n . Ранг этой матрицы равен n . Следовательно, векторная система e (1) , e (2) , . . . , e (n) является линейно независимой. При этом к системе невозможно добавить ни одного вектора, не нарушив ее линейной независимости.

Так как число векторов в системе равно n , то размерность пространства n -мерных векторов равна n , а единичные векторы e (1) , e (2) , . . . , e (n) являются базисом указанного пространства.

Из полученного определения сделаем вывод: любая система n -мерных векторов, в которой число векторов меньше n , не является базисом пространства.

Если мы поменяем местами первый и второй вектор, получим систему векторов e (2) , e (1) , . . . , e (n) . Она также будет являться базисом n -мерного векторного пространства. Составим матрицу, взяв за ее строки векторы полученной системы. Матрица может быть получена из единичной матрицы перестановкой местами первых двух строк, ранг ее будет равен n . Система e (2) , e (1) , . . . , e (n) линейно независима и является базисом n -мерного векторного пространства.

Переставив местами в исходной системе другие векторы, получим еще один базис.

Мы можем взять линейно независимую систему неединичных векторов, и она также будет представлять собой базис n -мерного векторного пространства.

Определение 3

Векторное пространство с размерностью n имеет столько базисов, сколько существует линейно независимых систем из n -мерных векторов числом n.

Плоскость является двумерным пространством – ее базисом будут два любых неколлинеарных вектора. Базисом трехмерного пространства послужат три любых некомпланарных вектора.

Рассмотрим применение данной теории на конкретных примерах.

Пример 1

Исходные данные: векторы

a = (3 , - 2 , 1) b = (2 , 1 , 2) c = (3 , - 1 , - 2)

Необходимо определить, являются ли указанные векторы базисом трехмерного векторного пространства.

Решение

Для решения поставленной задачи исследуем заданную систему векторов на линейную зависимость. Составим матрицу, где строки – координаты векторов. Определим ранг матрицы.

A = 3 2 3 - 2 1 - 1 1 2 - 2 A = 3 - 2 1 2 1 2 3 - 1 - 2 = 3 · 1 · (- 2) + (- 2) · 2 · 3 + 1 · 2 · (- 1) - 1 · 1 · 3 - (- 2) · 2 · (- 2) - 3 · 2 · (- 1) = = - 25 ≠ 0 ⇒ R a n k (A) = 3

Следовательно, заданные условием задачи векторы линейно независимы, и их численность равна размерности векторного пространства – они являются базисом векторного пространства.

Ответ: указанные векторы являются базисом векторного пространства.

Пример 2

Исходные данные: векторы

a = (3 , - 2 , 1) b = (2 , 1 , 2) c = (3 , - 1 , - 2) d = (0 , 1 , 2)

Необходимо определить, может ли указанная система векторов являться базисом трехмерного пространства.

Решение

Указанная в условии задачи система векторов является линейно зависимой, т.к. максимальное число линейно независимых векторов равно 3. Таким образом, указанная система векторов не может служить базисом трехмерного векторного пространства. Но стоит отметить, что подсистема исходной системы a = (3 , - 2 , 1) , b = (2 , 1 , 2) , c = (3 , - 1 , - 2) является базисом.

Ответ: указанная система векторов не является базисом.

Пример 3

Исходные данные: векторы

a = (1 , 2 , 3 , 3) b = (2 , 5 , 6 , 8) c = (1 , 3 , 2 , 4) d = (2 , 5 , 4 , 7)

Могут ли они являться базисом четырехмерного пространства?

Решение

Cоставим матрицу, используя в качестве строк координаты заданных векторов

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7

По методу Гаусса определим ранг матрицы:

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7 ~ 1 2 3 3 0 1 0 2 0 1 - 1 1 0 1 - 2 1 ~ ~ 1 2 3 3 0 1 0 2 0 0 - 1 - 1 0 0 - 2 - 1 ~ 1 2 3 3 0 1 0 2 0 0 - 1 - 1 0 0 0 1 ⇒ ⇒ R a n k (A) = 4

Следовательно, система заданных векторов линейно независима и их численность равна размерности векторного пространства – они являются базисом четырехмерного векторного пространства.

Ответ: заданные векторы являются базисом четырехмерного пространства.

Пример 4

Исходные данные: векторы

a (1) = (1 , 2 , - 1 , - 2) a (2) = (0 , 2 , 1 , - 3) a (3) = (1 , 0 , 0 , 5)

Составляют ли они базис пространства размерностью 4?

Решение

Исходная система векторов линейно независима, но численность векторов в ней недостаточна, чтобы стать базисом четырехмерного пространства.

Ответ: нет, не составляют.

Разложение вектора по базису

Примем, что произвольные векторы e (1) , e (2) , . . . , e (n) являются базисом векторного n-мерного пространства. Добавим к ним некий n -мерный вектор x → : полученная система векторов станет линейно зависимой. Свойства линейной зависимости гласят, что хотя бы один из векторов такой системы может линейно выражаться через остальные. Переформулируя это утверждение, можно говорить о том, что хотя бы один из векторов линейно зависимой системы может раскладываться по остальным векторам.

Таким образом, мы пришли к формулировке важнейшей теоремы:

Определение 4

Любой вектор n -мерного векторного пространства единственным образом раскладывается по базису.

Доказательство 1

Докажем эту теорему:

зададим базис n -мерного векторного пространства - e (1) , e (2) , . . . , e (n) . Сделаем систему линейно зависимой, добавив к ней n -мерный вектор x → . Этот вектор может быть линейно выражен через исходные векторы e:

x = x 1 · e (1) + x 2 · e (2) + . . . + x n · e (n) , где x 1 , x 2 , . . . , x n - некоторые числа.

Теперь докажем, что такое разложение является единственным. Предположим, что это не так и существует еще одно подобное разложение:

x = x ~ 1 e (1) + x 2 ~ e (2) + . . . + x ~ n e (n) , где x ~ 1 , x ~ 2 , . . . , x ~ n - некие числа.

Отнимем от левой и правой частей этого равенства соответственно левую и правую части равенства x = x 1 · e (1) + x 2 · e (2) + . . . + x n · e (n) . Получим:

0 = (x ~ 1 - x 1) · e (1) + (x ~ 2 - x 2) · e (2) + . . . (x ~ n - x n) · e (2)

Система базисных векторов e (1) , e (2) , . . . , e (n) линейно независима; по определению линейной независимости системы векторов равенство выше возможно только тогда, когда все коэффициенты (x ~ 1 - x 1) , (x ~ 2 - x 2) , . . . , (x ~ n - x n) будут равны нулю. Из чего справедливым будет: x 1 = x ~ 1 , x 2 = x ~ 2 , . . . , x n = x ~ n . И это доказывает единственный вариант разложения вектора по базису.

При этом коэффициенты x 1 , x 2 , . . . , x n называются координатами вектора x → в базисе e (1) , e (2) , . . . , e (n) .

Доказанная теория делает понятным выражение «задан n -мерный вектор x = (x 1 , x 2 , . . . , x n) »: рассматривается вектор x → n -мерного векторного пространства, и его координаты заданы в некотором базисе. При этом также понятно, что этот же вектор в другом базисе n -мерного пространства будет иметь другие координаты.

Рассмотрим следующий пример: допустим, что в некотором базисе n -мерного векторного пространства задана система из n линейно независимых векторов

а также задан вектор x = (x 1 , x 2 , . . . , x n) .

Векторы e 1 (1) , e 2 (2) , . . . , e n (n) в этом случае также являются базисом этого векторного пространства.

Предположим, что необходимо определить координаты вектора x → в базисе e 1 (1) , e 2 (2) , . . . , e n (n) , обозначаемые как x ~ 1 , x ~ 2 , . . . , x ~ n .

Вектор x → будет представлен следующим образом:

x = x ~ 1 · e (1) + x ~ 2 · e (2) + . . . + x ~ n · e (n)

Запишем это выражение в координатной форме:

(x 1 , x 2 , . . . , x n) = x ~ 1 · (e (1) 1 , e (1) 2 , . . . , e (1) n) + x ~ 2 · (e (2) 1 , e (2) 2 , . . . , e (2) n) + . . . + + x ~ n · (e (n) 1 , e (n) 2 , . . . , e (n) n) = = (x ~ 1 e 1 (1) + x ~ 2 e 1 (2) + . . . + x ~ n e 1 (n) , x ~ 1 e 2 (1) + x ~ 2 e 2 (2) + + . . . + x ~ n e 2 (n) , . . . , x ~ 1 e n (1) + x ~ 2 e n (2) + . . . + x ~ n e n (n))

Полученное равенство равносильно системе из n линейных алгебраических выражений с n неизвестными линейными переменными x ~ 1 , x ~ 2 , . . . , x ~ n:

x 1 = x ~ 1 e 1 1 + x ~ 2 e 1 2 + . . . + x ~ n e 1 n x 2 = x ~ 1 e 2 1 + x ~ 2 e 2 2 + . . . + x ~ n e 2 n ⋮ x n = x ~ 1 e n 1 + x ~ 2 e n 2 + . . . + x ~ n e n n

Матрица этой системы будет иметь следующий вид:

e 1 (1) e 1 (2) ⋯ e 1 (n) e 2 (1) e 2 (2) ⋯ e 2 (n) ⋮ ⋮ ⋮ ⋮ e n (1) e n (2) ⋯ e n (n)

Пусть это будет матрица A , и ее столбцы – векторы линейно независимой системы векторов e 1 (1) , e 2 (2) , . . . , e n (n) . Ранг матрицы – n , и ее определитель отличен от нуля. Это свидетельствует о том, что система уравнений имеет единственное решение, определяемое любым удобным способом: к примеру, методом Крамера или матричным методом. Таким образом мы сможем определить координаты x ~ 1 , x ~ 2 , . . . , x ~ n вектора x → в базисе e 1 (1) , e 2 (2) , . . . , e n (n) .

Применим рассмотренную теорию на конкретном примере.

Пример 6

Исходные данные: в базисе трехмерного пространства заданы векторы

e (1) = (1 , - 1 , 1) e (2) = (3 , 2 , - 5) e (3) = (2 , 1 , - 3) x = (6 , 2 , - 7)

Необходимо подтвердить факт, что система векторов e (1) , e (2) , e (3) также служит базисом заданного пространства, а также определить координаты вектора х в заданном базисе.

Решение

Система векторов e (1) , e (2) , e (3) будет являться базисом трехмерного пространства, если она линейно независима. Выясним эту возможность, определив ранг матрицы A , строки которой – заданные векторы e (1) , e (2) , e (3) .

Используем метод Гаусса:

A = 1 - 1 1 3 2 - 5 2 1 - 3 ~ 1 - 1 1 0 5 - 8 0 3 - 5 ~ 1 - 1 1 0 5 - 8 0 0 - 1 5

R a n k (A) = 3 . Таким образом, система векторов e (1) , e (2) , e (3) линейно независима и является базисом.

Пусть в базисе вектор x → имеет координаты x ~ 1 , x ~ 2 , x ~ 3 . Связь этих координат определяется уравнением:

x 1 = x ~ 1 e 1 (1) + x ~ 2 e 1 (2) + x ~ 3 e 1 (3) x 2 = x ~ 1 e 2 (1) + x ~ 2 e 2 (2) + x ~ 3 e 2 (3) x 3 = x ~ 1 e 3 (1) + x ~ 2 e 3 (2) + x ~ 3 e 3 (3)

Применим значения согласно условиям задачи:

x ~ 1 + 3 x ~ 2 + 2 x ~ 3 = 6 - x ~ 1 + 2 x ~ 2 + x ~ 3 = 2 x ~ 1 - 5 x ~ 2 - 3 x 3 = - 7

Решим систему уравнений методом Крамера:

∆ = 1 3 2 - 1 2 1 1 - 5 - 3 = - 1 ∆ x ~ 1 = 6 3 2 2 2 1 - 7 - 5 - 3 = - 1 , x ~ 1 = ∆ x ~ 1 ∆ = - 1 - 1 = 1 ∆ x ~ 2 = 1 6 2 - 1 2 1 1 - 7 - 3 = - 1 , x ~ 2 = ∆ x ~ 2 ∆ = - 1 - 1 = 1 ∆ x ~ 3 = 1 3 6 - 1 2 2 1 - 5 - 7 = - 1 , x ~ 3 = ∆ x ~ 3 ∆ = - 1 - 1 = 1

Так, вектор x → в базисе e (1) , e (2) , e (3) имеет координаты x ~ 1 = 1 , x ~ 2 = 1 , x ~ 3 = 1 .

Ответ: x = (1 , 1 , 1)

Связь между базисами

Предположим, что в некотором базисе n-мерного векторного пространства даны две линейно независимые системы векторов:

c (1) = (c 1 (1) , c 2 (1) , . . . , c n (1)) c (2) = (c 1 (2) , c 2 (2) , . . . , c n (2)) ⋮ c (n) = (c 1 (n) , e 2 (n) , . . . , c n (n))

e (1) = (e 1 (1) , e 2 (1) , . . . , e n (1)) e (2) = (e 1 (2) , e 2 (2) , . . . , e n (2)) ⋮ e (n) = (e 1 (n) , e 2 (n) , . . . , e n (n))

Указанные системы являются также базисами заданного пространства.

Пусть c ~ 1 (1) , c ~ 2 (1) , . . . , c ~ n (1) - координаты вектора c (1) в базисе e (1) , e (2) , . . . , e (3) , тогда связь координат будет задаваться системой линейных уравнений:

с 1 (1) = c ~ 1 (1) e 1 (1) + c ~ 2 (1) e 1 (2) + . . . + c ~ n (1) e 1 (n) с 2 (1) = c ~ 1 (1) e 2 (1) + c ~ 2 (1) e 2 (2) + . . . + c ~ n (1) e 2 (n) ⋮ с n (1) = c ~ 1 (1) e n (1) + c ~ 2 (1) e n (2) + . . . + c ~ n (1) e n (n)

В виде матрицы систему можно отобразить так:

(c 1 (1) , c 2 (1) , . . . , c n (1)) = (c ~ 1 (1) , c ~ 2 (1) , . . . , c ~ n (1)) · e 1 (1) e 2 (1) … e n (1) e 1 (2) e 2 (2) … e n (2) ⋮ ⋮ ⋮ ⋮ e 1 (n) e 2 (n) … e n (n)

Сделаем по аналогии такую же запись для вектора c (2) :

(c 1 (2) , c 2 (2) , . . . , c n (2)) = (c ~ 1 (2) , c ~ 2 (2) , . . . , c ~ n (2)) · e 1 (1) e 2 (1) … e n (1) e 1 (2) e 2 (2) … e n (2) ⋮ ⋮ ⋮ ⋮ e 1 (n) e 2 (n) … e n (n)

(c 1 (n) , c 2 (n) , . . . , c n (n)) = (c ~ 1 (n) , c ~ 2 (n) , . . . , c ~ n (n)) · e 1 (1) e 2 (1) … e n (1) e 1 (2) e 2 (2) … e n (2) ⋮ ⋮ ⋮ ⋮ e 1 (n) e 2 (n) … e n (n)

Матричные равенства объединим в одно выражение:

c 1 (1) c 2 (1) ⋯ c n (1) c 1 (2) c 2 (2) ⋯ c n (2) ⋮ ⋮ ⋮ ⋮ c 1 (n) c 2 (n) ⋯ c n (n) = c ~ 1 (1) c ~ 2 (1) ⋯ c ~ n (1) c ~ 1 (2) c ~ 2 (2) ⋯ c ~ n (2) ⋮ ⋮ ⋮ ⋮ c ~ 1 (n) c ~ 2 (n) ⋯ c ~ n (n) · e 1 (1) e 2 (1) ⋯ e n (1) e 1 (2) e 2 (2) ⋯ e n (2) ⋮ ⋮ ⋮ ⋮ e 1 (n) e 2 (n) ⋯ e n (n)

Оно и будет определять связь векторов двух различных базисов.

Используя тот же принцип, возможно выразить все векторы базиса e (1) , e (2) , . . . , e (3) через базис c (1) , c (2) , . . . , c (n) :

e 1 (1) e 2 (1) ⋯ e n (1) e 1 (2) e 2 (2) ⋯ e n (2) ⋮ ⋮ ⋮ ⋮ e 1 (n) e 2 (n) ⋯ e n (n) = e ~ 1 (1) e ~ 2 (1) ⋯ e ~ n (1) e ~ 1 (2) e ~ 2 (2) ⋯ e ~ n (2) ⋮ ⋮ ⋮ ⋮ e ~ 1 (n) e ~ 2 (n) ⋯ e ~ n (n) · c 1 (1) c 2 (1) ⋯ c n (1) c 1 (2) c 2 (2) ⋯ c n (2) ⋮ ⋮ ⋮ ⋮ c 1 (n) c 2 (n) ⋯ c n (n)

Дадим следующие определения:

Определение 5

Матрица c ~ 1 (1) c ~ 2 (1) ⋯ c ~ n (1) c ~ 1 (2) c ~ 2 (2) ⋯ c ~ n (2) ⋮ ⋮ ⋮ ⋮ c ~ 1 (n) c ~ 2 (n) ⋯ c ~ n (n) является матрицей перехода от базиса e (1) , e (2) , . . . , e (3)

к базису c (1) , c (2) , . . . , c (n) .

Определение 6

Матрица e ~ 1 (1) e ~ 2 (1) ⋯ e ~ n (1) e ~ 1 (2) e ~ 2 (2) ⋯ e ~ n (2) ⋮ ⋮ ⋮ ⋮ e ~ 1 (n) e ~ 2 (n) ⋯ e ~ n (n) является матрицей перехода от базиса c (1) , c (2) , . . . , c (n)

к базису e (1) , e (2) , . . . , e (3) .

Из этих равенств очевидно, что

c ~ 1 (1) c ~ 2 (1) ⋯ c ~ n (1) c ~ 1 (2) c ~ 2 (2) ⋯ c ~ n (2) ⋮ ⋮ ⋮ ⋮ c ~ 1 (n) c ~ 2 (n) ⋯ c ~ n (n) · e ~ 1 (1) e ~ 2 (1) ⋯ e ~ n (1) e ~ 1 (2) e ~ 2 (2) ⋯ e ~ n (2) ⋮ ⋮ ⋮ ⋮ e ~ 1 (n) e ~ 2 (n) ⋯ e ~ n (n) = 1 0 ⋯ 0 0 1 ⋯ 0 ⋮ ⋮ ⋮ ⋮ 0 0 ⋯ 1 e ~ 1 (1) e ~ 2 (1) ⋯ e ~ n (1) e ~ 1 (2) e ~ 2 (2) ⋯ e ~ n (2) ⋮ ⋮ ⋮ ⋮ e ~ 1 (n) e ~ 2 (n) ⋯ e ~ n (n) · c ~ 1 (1) c ~ 2 (1) ⋯ c ~ n (1) c ~ 1 (2) c ~ 2 (2) ⋯ c ~ n (2) ⋮ ⋮ ⋮ ⋮ c ~ 1 (n) c ~ 2 (n) ⋯ c ~ n (n) = 1 0 ⋯ 0 0 1 ⋯ 0 ⋮ ⋮ ⋮ ⋮ 0 0 ⋯ 1

т.е. матрицы перехода взаимообратны.

Рассмотрим теорию на конкретном примере.

Пример 7

Исходные данные: необходимо найти матрицу перехода от базиса

c (1) = (1 , 2 , 1) c (2) = (2 , 3 , 3) c (3) = (3 , 7 , 1)

e (1) = (3 , 1 , 4) e (2) = (5 , 2 , 1) e (3) = (1 , 1 , - 6)

Также нужно указать связь координат произвольного вектора x → в заданных базисах.

Решение

1. Пусть T – матрица перехода, тогда верным будет равенство:

3 1 4 5 2 1 1 1 1 = T · 1 2 1 2 3 3 3 7 1

Умножим обе части равенства на

1 2 1 2 3 3 3 7 1 - 1

и получим:

T = 3 1 4 5 2 1 1 1 - 6 · 1 2 1 2 3 3 3 7 1 - 1

2. Определим матрицу перехода:

T = 3 1 4 5 2 1 1 1 - 6 · 1 2 1 2 3 3 3 7 1 - 1 = = 3 1 4 5 2 1 1 1 - 6 · - 18 5 3 7 - 2 - 1 5 - 1 - 1 = - 27 9 4 - 71 20 12 - 41 9 8

3. Определим связь координат вектора x → :

допустим, что в базисе c (1) , c (2) , . . . , c (n) вектор x → имеет координаты x 1 , x 2 , x 3 , тогда:

x = (x 1 , x 2 , x 3) · 1 2 1 2 3 3 3 7 1 ,

а в базисе e (1) , e (2) , . . . , e (3) имеет координаты x ~ 1 , x ~ 2 , x ~ 3 , тогда:

x = (x ~ 1 , x ~ 2 , x ~ 3) · 3 1 4 5 2 1 1 1 - 6

Т.к. равны левые части этих равенств, мы можем приравнять и правые:

(x 1 , x 2 , x 3) · 1 2 1 2 3 3 3 7 1 = (x ~ 1 , x ~ 2 , x ~ 3) · 3 1 4 5 2 1 1 1 - 6

Умножим обе части справа на

1 2 1 2 3 3 3 7 1 - 1

и получим:

(x 1 , x 2 , x 3) = (x ~ 1 , x ~ 2 , x ~ 3) · 3 1 4 5 2 1 1 1 - 6 · 1 2 1 2 3 3 3 7 1 - 1 ⇔ ⇔ (x 1 , x 2 , x 3) = (x ~ 1 , x ~ 2 , x ~ 3) · T ⇔ ⇔ (x 1 , x 2 , x 3) = (x ~ 1 , x ~ 2 , x ~ 3) · - 27 9 4 - 71 20 12 - 41 9 8

С другой стороны

(x ~ 1 , x ~ 2 , x ~ 3) = (x 1 , x 2 , x 3) · - 27 9 4 - 71 20 12 - 41 9 8

Последние равенства показывают связь координат вектора x → в обоих базисах.

Ответ: матрица перехода

27 9 4 - 71 20 12 - 41 9 8

Координаты вектора x → в заданных базисах связаны соотношением:

(x 1 , x 2 , x 3) = (x ~ 1 , x ~ 2 , x ~ 3) · - 27 9 4 - 71 20 12 - 41 9 8

(x ~ 1 , x ~ 2 , x ~ 3) = (x 1 , x 2 , x 3) · - 27 9 4 - 71 20 12 - 41 9 8 - 1

Если вы заметили ошибку в тексте, пожалуйста, выделите её и нажмите Ctrl+Enter