Что такое ортонормированный базис в разложении векторов

Ортогональный и ортонормированный базисы евклидова пространства

Так как евклидово пространство является линейным, на него переносятся все понятия и свойства, относящиеся к линейному пространству, в частности, понятия базиса и размерности.

Теорема 8.5. В конечномерном евклидовом пространстве любую систему ортогональных (ортонормированных) векторов можно дополнить до ортогонального (ортонормированного) базиса.

В самом деле, по теореме 8.2 любую систему линейно независимых векторов, в частности, ортогональную (ортонормированную), можно дополнить до базиса. Применяя к этому базису процесс ортогонализации, получаем ортогональный базис. Нормируя векторы этого базиса (см. пункт 4 замечаний 8.11), получаем ортонормированный базис.

Выражение скалярного произведения через координаты сомножителей

Пусть [math]\mathbf_1,\mathbf_2,\ldots,\mathbf_n[/math] — базис евклидова пространства, в котором векторы [math]\mathbf[/math] и [math]\mathbf[/math] имеют координаты [math]x_1,x_2,\ldots,x_n[/math] и [math]y_1,y_2,\ldots,y_n[/math] соответственно, т.е.

Выразим скалярное произведение, используя следствие 3 из аксиом скалярного произведения:

Преобразуем это выражение, используя операции с матрицами:

Преимущества ортонормированного базиса

Аналогично доказываются остальные формулы.

Изменение матрицы Грама при переходе от одного базиса к другому

По формуле (8.32) вычислим скалярное произведение векторов [math]\mathbf[/math] и [math]\mathbf[/math] в разных базисах:

Отсюда следует формула изменения матрицы Грама при переходе от одного базиса к другому :

Свойства определителя Грама

Определитель матрицы (8.33) называется определителем Грама. Рассмотрим свойства этого определителя.

1. Критерий Грама линейной зависимости векторов: система векторов [math]\mathbf_1,\mathbf_2, \ldots, \mathbf_k[/math] линейно зависима тогда и только тогда, когда определитель Грама этой системы равен нулю.

Следствие. Если какой-либо главный минор матрицы Грама равен нулю, то и определитель Грама равен нулю.

Главный минор матрицы Грама системы [math]\mathbf_1, \mathbf_2,\ldots,\mathbf_k[/math] представляет собой определитель Грама подсистемы векторов. Если подсистема линейно зависима, то и вся система линейно зависима.

Действительно, в процессе ортогонализации по векторам [math]\mathbf_1,\mathbf_2, \ldots,\mathbf_k[/math] последовательно строятся векторы

После первого шага определитель Грама не изменяется

Так как при этих преобразованиях определитель не изменяется, то

Значит, после второго шага в процессе ортогонализации определитель не изменяется. Продолжая аналогично, получаем после [math]k[/math] шагов:

3. Определитель Грама любой системы [math]\mathbf_1,\mathbf_2,\ldots, \mathbf_k[/math] векторов удовлетворяет двойному неравенству

Следовательно, по свойству 2 имеем

1. Матрица Грама любой системы векторов является неотрицательно определенной, так как все ее главные миноры также являются определителями Грама соответствующих подсистем векторов и неотрицательны в силу свойства 3.

2. Матрица Грама любой линейно независимой системы векторов является положительно определенной, так как все ее угловые миноры положительны (в силу свойств 1,3), поскольку являются определителями Грама линейно независимых подсистем векторов.

3. Определитель квадратной матрицы [math]A[/math] (n-го порядка) удовлетворяет неравенству Адамара :

4. Если [math]A[/math] — невырожденная квадратная матрица, то любой главный минор матрицы [math]A^TA[/math] положителен. Это следует из пункта 2, учитывая представление произведения [math]A^TA=G(a_1,\ldots,a_n)[/math] как матрицы Грама системы линейно независимых векторов [math]a_1,\ldots,a_n[/math] — столбцов матрицы [math]A[/math] (см. пункт 3).

Изоморфизм евклидовых пространств

где [math](\cdot,\cdot)[/math] и [math](\cdot,\cdot)'[/math] — скалярные произведения в пространствах [math]\mathbb[/math] и [math]\mathbb‘[/math] соответственно.

Следовательно, евклидовы пространства [math]\mathbb[/math] и [math]\mathbb^n[/math] изоморфны.

Таким образом, изучение конечномерных евклидовых пространств может быть сведено к исследованию вещественного арифметического пространства [math]\mathbb^n[/math] со стандартным скалярным произведением (8.27).

Источник

Ортогональный и ортонормированный базисы

Система векторов называется ортогональной, если все векторы, образующие ее, попарно ортогональны. Система векторов называется ортонормировинной, если она ортогональная и длина каждого вектора равна единице.

Стандартные базисы на прямой, на плоскости, в пространстве

Базисы на прямой, на плоскости и в пространстве определяются не однозначно. Некоторые из них, наиболее удобные в приложениях, принимаются в качестве стандартных.

1. Стандартные базисы на плоскости и в пространстве ортонормированные, поэтому во всех приведенных разложениях вектор представляется в виде суммы своих ортогональных проекций на соответствующие прямые или оси, задаваемые базисными векторами (см. теорему 1.2), т.е.

2. Вектор в пространстве является замыкающей ломаной (см. правило сложения векторов), образованной его проекциями (рис.1.34,в):

3. Вектор в пространстве является суммой своих ортогональных составляющих
относительно плоскостей (рис.1.34,в):

4. Стандартные базисы на плоскости и в пространстве являются правыми.

5. Координаты вектора в стандартном базисе равны алгебраическим значениям длин его ортогональных проекций на координатные оси (рис.1.34,в):

6. В ортонормированием базисе длина вектора равна квадратному корню из суммы квадратов его координат:

Направляющие косинусы

В пространстве получаем аналогичные равенства:

При этом (см. пункт 3 теоремы 1.2).

Согласно (1.6), его координатами служат направляющие косинусы:

Источник

Ортонормированный базис

Ортогональный (ортонормированный) базис — ортогональная (ортонормированная) система элементов линейного пространства со скалярным произведением, обладающая свойством полноты.

Конечномерный случай

Ортогональный базис — базис, составленный из попарно ортогональных векторов.

Ортонормированный базис удовлетворяет еще и условию единичности нормы всех его элементов. То есть это ортогональный базис с нормированными элементами.

Последнее удобно записывается при помощи дельта-символа Кронекера:

то есть скалярное произведение каждой пары базисных векторов равно нулю, когда они не совпадают (), и равно единице при совпадающем индексе, то есть когда берется скалярное произведение любого базисного вектора с самим собой.

Очень многое записывается в ортонормированном базисе гораздо проще, чем в произвольном, поэтому очень часто стараются использовать именно такие базисы, если только это возможно или использование какого-то специального неортогонального базиса не дает особых специальных удобств. Или если не отказываются от него в пользу базиса общего вида из соображений общности.

Ортонормированный базис является самодуальным (дуальный ему базис совпадает с ним самим). Поэтому в нем можно не делать различия между верхними и нижними индексами, и пользоваться, скажем, только нижними (как обычно и принято, если конечно при этом используются только ортонормированные базисы).

Линейная независимость следует из ортогональности, то есть достигается для ортогональной системы векторов автоматически.

Разложение вектора по ортонормированному базису:

то есть каждый коэффициент разложения (координата) любого вектора в ортонормированном базисе равна просто скалярному произведению этого вектора на соответствующий базисный вектор.

Полнота ортонормированной системы векторов эквивалентна равенству Парсеваля: для любого вектора

то есть квадрат нормы вектора равен сумме квадратов коэффициентов его разложения по базису.

Аналогичные соотношения имеют место и для бесконечномерного случая (см. ниже).

Бесконечномерный случай

Ортогональный базис — система попарно ортогональных элементов e₁,e₂. e_n. гильбертова пространства X такая, что любой элемент однозначно представим в виде сходящегося по норме ряда

Необходимым и достаточным условием того, чтобы ортонормированная система <e_n> была базисом, является равенство Парсеваля

Гильбертово пространство, имеющее ортонормированный базис, является сепарабельным, и обратно, во всяком сепарабельном гильбертовом пространстве существует ортонормированный базис.

Если задана произвольная система чисел <a_n> такая, что , то в случае гильбертова пространства с ортонормированным базисом <e_n> ряд — сходится по норме к некоторому элементу . Этим устанавливается изоморфизм любого сепарабельного гильбертова пространства пространству l₂ (теорема Рисса — Фишера).

См. также

Полезное

Смотреть что такое «Ортонормированный базис» в других словарях:

ортонормированный базис — — [http://www.iks media.ru/glossary/index.html?glossid=2400324] Тематики электросвязь, основные понятия EN orthonormal basis … Справочник технического переводчика

БАЗИС — множества X минимальное порождающее его подмножество В. Порождение означает, что применением операций нек рого класса к элементам получается любой элемент Это понятие связано с понятием зависимости: элементы Xпосредством операций из ставятся в… … Математическая энциклопедия

Ортогональный базис — Ортогональный (ортонормированный) базис ортогональная (ортонормированная) система элементов линейного пространства со скалярным произведением, обладающая свойством полноты. Содержание 1 Конечномерный случай 2 … Википедия

Метод главных компонент — (англ. Principal component analysis, PCA) один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации. Изобретен К. Пирсоном (англ. Karl Pearson) в 1901 г. Применяется во многих областях,… … Википедия

Истинное ортогональное разложение — Метод Главных Компонент (англ. Principal components analysis, PCA) один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации. Изобретен К. Пирсоном (англ. Karl Pearson) в 1901 г. Применяется во многих… … Википедия

Метод Главных Компонент — (англ. Principal components analysis, PCA) один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации. Изобретен К. Пирсоном (англ. Karl Pearson) в 1901 г. Применяется во многих областях, таких как… … Википедия

Преобразование Карунена-Лоэва — Метод Главных Компонент (англ. Principal components analysis, PCA) один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации. Изобретен К. Пирсоном (англ. Karl Pearson) в 1901 г. Применяется во многих… … Википедия

Преобразование Кархунена-Лоэва — Метод Главных Компонент (англ. Principal components analysis, PCA) один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации. Изобретен К. Пирсоном (англ. Karl Pearson) в 1901 г. Применяется во многих… … Википедия

Источник

Векторное пространство: размерность и базис, разложение вектора по базису

Введем некоторые определения.

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

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

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

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.

Исходные данные: векторы

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.

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.

Исходные данные: векторы

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

Решение

Ответ: указанная система векторов не является базисом.

Исходные данные: векторы

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

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.

Исходные данные: векторы

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

Таким образом, мы пришли к формулировке важнейшей теоремы:

Докажем эту теорему:

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

Вектор x → будет представлен следующим образом:

Запишем это выражение в координатной форме:

Полученное равенство равносильно системе из n линейных алгебраических выражений с n неизвестными линейными переменными x

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 )

Применим рассмотренную теорию на конкретном примере.

Исходные данные: в базисе трехмерного пространства заданы векторы

Решение

Используем метод Гаусса:

Пусть в базисе вектор x → имеет координаты x

Применим значения согласно условиям задачи:

Решим систему уравнений методом Крамера:

Связь между базисами

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

Указанные системы являются также базисами заданного пространства.

n ( 1 ) e 1 ( n ) с 2 ( 1 ) = c

n ( 1 ) e 2 ( n ) ⋮ с n ( 1 ) = c

В виде матрицы систему можно отобразить так:

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 ) :

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 )

И, далее действуя по тому же принципу, получаем:

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

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.

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

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:

Источник

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 независимы 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 , взятых в определённом порядке, 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:

Точка плоскости, которая называется 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 , взятые в определённом порядке, 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 .

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

Решение:
а) Выясним, существует ли для векторов коэффициент пропорциональности , такой, чтобы выполнялись равенства :
, значит, данные векторы коллинеарны.

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:

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:
1) векторы линейно независимы;
2) векторы образуют базис;
3) векторы не коллинеарны;
4) векторы нельзя линейно выразить друг через друга;
+ 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.

Проверка векторов на коллинеарность – простая и очень распространенная задача аналитической геометрии. Нередко в условии заодно требуется проверить векторы и на ортогональность (базис в таких случаях, как правило, ортонормированный). Данное задание подробно рассмотрено на уроке Скалярное произведение векторов.

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

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, нужно доказать:
1) параллельность противоположных сторон и ;
2) параллельность противоположных сторон и .

1) Найдём векторы:

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

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:

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 .

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 противоположное 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:

Точка пространства, которая называется 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.

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?

Проверить, образуют ли базис трёхмерного пространства следующие векторы:

а)
б)

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:

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

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.

Теперь вспомним теоретическую часть: если векторы образуют базис, то любой вектор можно единственным способом разложить по данному базису: , где – координаты вектора в базисе .

Поскольку наши векторы образуют базис трёхмерного пространства (это уже доказано), то вектор можно единственным образом разложить по данному базису:
, где – координаты вектора в базисе .

По условию и требуется найти координаты .

Для удобства объяснения поменяю части местами: . В целях нахождения следует расписать данное равенство покоординатно:

По какому принципу расставлены коэффициенты? Все коэффициенты левой части в точности перенесены из определителя , в правую часть записаны координаты вектора .

Получилась система трёх линейных уравнений с тремя неизвестными. Обычно её решают по формулам Крамера, часто даже в условии задачи есть такое требование.

Главный определитель системы уже найден:
, значит, система имеет единственное решение.

Дальнейшее – дело техники:

Таким образом:
– разложение вектора по базису .

Ответ:

Более подготовленные читатели могут ознакомиться с уроком Переход к новому базису, и окончательно уяснить смысл прорешанной задачи. Кстати, с содержательной точки зрения использовать метод Крамера здесь – совсем не айс 😉

И, как я уже отмечал, задание носит алгебраический характер. Векторы, которые были рассмотрены – это не обязательно те векторы, которые можно нарисовать в пространстве, а, в первую очередь, произвольные векторы курса линейной алгебры. Для случая двумерных векторов можно сформулировать и решить аналогичную задачу – решение будет технически намного проще, и поэтому я прошёл мимо него в предыдущем параграфе.

Такая же задача с трёхмерными векторами для самостоятельного решения:

Даны векторы . Показать, что векторы образуют базис и найти координаты вектора в этом базисе. Систему линейных уравнений решить методом Крамера.

Полное решение и примерный образец чистового оформления в конце урока.

Аналогично можно рассмотреть четырёхмерное, пятимерное и т.д. векторные пространства, где у векторов соответственно 4, 5 и более координат. Для данных векторных пространств тоже существует понятие линейной зависимости, линейной независимости векторов, существует базис, в том числе, ортонормированный, разложение вектора по базису. Да, такие пространства невозможно нарисовать геометрически, но в них работают все правила, свойства и теоремы двух и трех мерных случаев – чистая алгебра.…Хотя, кто его знает, может быть и не чистая…, однако закругляемся – о философских вопросах меня уже пробивало поговорить в статье Частные производные функции трёх переменных, которая появилась раньше данного урока.

Любите векторы, и векторы полюбят вас!

Пример 2: Решение: составим пропорцию из соответствующих координат векторов:

Ответ: при

Пример 4: Доказательство: трапецией называется четырёхугольник, у которого две стороны параллельны, а две другие стороны не параллельны.
1) Проверим параллельность противоположных сторон и .
Найдём векторы:

Вычислим определитель, составленный из координат векторов :
, значит, данные векторы не коллинеарны и стороны не параллельны.
2) Проверим параллельность противоположных сторон и .
Найдём векторы:

Вычислим определитель, составленный из координат векторов :
, значит, данные векторы коллинеарны и .
Вывод: Две стороны четырёхугольника параллельны, а две другие стороны не параллельны, значит, он является трапецией по определению. Что и требовалось доказать.

Пример 5: Решение:
б) Проверим, существует ли коэффициент пропорциональности для соответствующих координат векторов:

Система не имеет решения, значит, векторы не коллинеарны.
Более простое оформление:
– вторая и третья координаты не пропорциональны, значит, векторы не коллинеарны.
Ответ: векторы не коллинеарны.
в) Исследуем на коллинеарность векторы . Составим систему:

Соответствующие координаты векторов пропорциональны, значит
Вот здесь как раз не проходит «пижонский» метод оформления.
Ответ:

Пример 6: Решение: б) Вычислим определитель, составленный из координат векторов (определитель раскрыт по первой строке):

, значит, векторы линейно зависимы и не образуют базиса трёхмерного пространства.
Ответ: данные векторы не образуют базиса

Пример 9: Решение: Вычислим определитель, составленный из координат векторов :

Таким образом, векторы линейно независимы и образуют базис.
Представим вектор в виде линейной комбинации базисных векторов:

Покоординатно:

Систему решим по формулам Крамера:
, значит, система имеет единственное решение.

Ответ: Векторы образуют базис,

Автор: Емелин Александр

(Переход на главную страницу)

Zaochnik.com – профессиональная помощь студентам

Источник