- •Линейные пространства
- •1. Линейные пространства. Определение
- •4. Для всякого вектора
- •1.1. Задачи
- •2. Линейная зависимость. Базис и координаты вектора.
- •Примеры
- •Примеры
- •2.1. Задачи
- •3. Подпространства линейного пространства
- •Примеры
- •3.1. 3Адачи
- •4. Точечно-векторное аффинное пространство
- •4.1. Система координат в пространстве
- •4.2. Прямая и плоскость в Vn
- •4.3. Задачи
- •5. Евклидовы и унитарные пространства
- •5.1. Ортонормированный базис евклидова и унитарного пространств
- •5.2. Ортогональное дополнение
- •5.3. Проектирование вектора на подпространства
- •5.4. Задачи
- •Литература
- •Содержание
2. Линейная зависимость. Базис и координаты вектора.
Рассмотрим линейное пространство X над полем K. Пусть , . Линейной комбинацией векторов пространства X называется сумма вида
Числа называются коэффициентами линейной комбинации.
Определение. Элементы пространства X называются линейно зависимыми, если существуют числа не все равные нулю одновременно такие, что линейная комбинация
(2.1)
Если же равенство (2.1) выполнено только тогда, когда все числа , то векторы называются линейно независимыми.
Необходимым и достаточным условием линейной зависимости векторов является равенство одного из них линейной комбинации других.
Примеры
1. Рассмотрим пространство геометрических векторов V3. В нем два вектора линейно зависимы, когда они коллинеарны; три вектора линейно зависимы, когда они компланарны. Всякие четыре вектора этого пространства всегда линейно зависимы.
2. Рассмотрим арифметическое пространство Rn. Попытаемся построить линейно независимую систему векторов этого пространства. Рассмотрим k векторов
,
Если линейно зависимы, то одновременно такие, что
где – ноль пространства Rn. По определению Rn отсюда следует, что
,
Получаем в результате относительно ti систему n линейных однородных уравнений с k неизвестными и матрицей размера . Такая система имеет только нулевое решение, если
и имеет ненулевое решение, если
Отсюда следует, что в пространстве Rn не может быть больше, чем n линейно независимых векторов. Линейно независимыми являются всякие векторы, компоненты которых образуют матрицу полного ранга. Например, n векторов
(2.2)
Определение. Совокупность линейно независимых векторов пространства X называется базисом этого пространства, если найдутся такие числа , что справедливо равенство
(2.3)
Соотношение (2.3) называется разложением вектора по базису.
В силу линейной независимости векторов базиса разложение (2.3) определяется единственным образом.
Определение. Коэффициенты разложения вектора по базису называются координатами вектора относительно базиса.
Пример. Совокупность векторов (2.2) образует очевидно базис пространства Rn, так как для всякого вектора имеет место разложение
При решении задач полезно помнить, что векторы линейно зависимы тогда и только тогда, когда линейно зависимы вектор-столбцы из их координат относительно произвольного базиса.
Определение. Если в линейном пространстве X существует n линейно независимых векторов, а всякие вектор этого пространства линейно зависимы, то число, n называется размерностью линейного пространства
Само линейное пространство X называется при этом n-мерным. Линейное пространство, в котором можно указать сколь угодно большое число линейно независимых векторов называется бесконечно мерным.
Примеры
1. Пространство V3. В этом пространстве всякие три некомпланарных вектора линейно независимы, а всякие четыре вектора линейно зависимы. Следовательно, .
2. Пространство Rn. В этом пространстве всякие вектор линейно зависимы и существуют системы из n линейно независимых векторов, например, система векторов (2). Следовательно,
Если в линейном пространстве X существует базис из n векторов, то , обратно, если , то всякая система из n линейно независимых векторов образует базис пространства X.
Всякие два базиса и пространства X связаны между собой симметричными формулами
(2.4)
(2.5)
где невырожденные матрицы и являются взаимно обратными, i-й столбец матрицы A образуют координаты вектора в базисе из векторов . Формулы (2.4) и (2.5) называются формулами перехода, матрицы A и — матрицами перехода.
Если и – координаты вектора в базисах и , соответственно, то
(2.6)
(2.7)
Пример: Доказать, что каждая из данных двух систем векторов является базисом R3 и найти связь координат одного и того же вектора в этих двух базисах:
Для доказательства того, что данные системы векторов являются базисными, вычислим, как и в предыдущем примере, ранги матриц
и
Нетрудно убедиться, что , и, следовательно, в R3 данные системы векторов образуют базисы. Для определения связи координат необходимо получить формулы перехода (2.4) и (2.5). Имеем
Откуда получаем систему девяти скалярных уравнений
Решая системы уравнений, получаем матрицу перехода
и связь между «старыми» и «новыми» координатами: