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

Rješenje. Tražimo opšte rešenje za sistem jednačina

a 1 x 1 + a 2 x 2 + a 3 x 3 = Θ

Gaussova metoda. Da bismo to učinili, pišemo ovaj homogeni sistem u koordinatama:

System Matrix

Dozvoljeni sistem izgleda ovako: (r A = 2, n= 3). Sistem je konzistentan i nedefinisan. Njegovo generalno rješenje ( x 2 – slobodna varijabla): x 3 = 13x 2 ; 3x 1 – 2x 2 – 13x 2 = 0 => x 1 = 5x 2 => X o = . Prisustvo privatnog rješenja različitog od nule, na primjer, , ukazuje da su vektori a 1 , a 2 , a 3 linearno zavisna.

Primjer 2

Saznajte da li je dati sistem vektora linearno zavisan ili linearno nezavisan:

1. a 1 = { -20, -15, - 4 }, a 2 = { –7, -2, -4 }, a 3 = { 3, –1, –2 }.

Rješenje. Razmotrimo homogeni sistem jednačina a 1 x 1 + a 2 x 2 + a 3 x 3 = Θ

ili proširen (po koordinatama)

Sistem je homogen. Ako je nedegenerisan, onda ima jedinstveno rješenje. U slučaju homogenog sistema, nulto (trivijalno) rješenje. Dakle, u ovom slučaju sistem vektora je nezavisan. Ako je sistem degenerisan, onda ima rješenja različita od nule i stoga je zavisan.

Provjera sistema na degeneraciju:

= –80 – 28 + 180 – 48 + 80 – 210 = – 106 ≠ 0.

Sistem je nedegenerisan, a samim tim i vektori a 1 , a 2 , a 3 su linearno nezavisne.

Zadaci. Saznajte da li je dati sistem vektora linearno zavisan ili linearno nezavisan:

1. a 1 = { -4, 2, 8 }, a 2 = { 14, -7, -28 }.

2. a 1 = { 2, -1, 3, 5 }, a 2 = { 6, -3, 3, 15 }.

3. a 1 = { -7, 5, 19 }, a 2 = { -5, 7 , -7 }, a 3 = { -8, 7, 14 }.

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

5. a 1 = { 1, 8 , -1 }, a 2 = { -2, 3, 3 }, a 3 = { 4, -11, 9 }.

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

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

8. a 1 = {-1, 7, 1 , -2}, a 2 = {2, 3 , 2, 1}, a 3 = {4, 4, 4, -3}, a 4 = {1, 6, -11, 1}.

9. Dokazati da će sistem vektora biti linearno zavisan ako sadrži:

a) dva jednaka vektora;

b) dva proporcionalna vektora.

Linearna zavisnost i linearna nezavisnost vektora.
Osnova vektora. Afini koordinatni sistem

U publici su kolica sa čokoladama, a danas će svaki posjetitelj dobiti slatki par - analitičku geometriju sa linearnom algebrom. Ovaj članak će se dotaknuti dva dijela više matematike odjednom, a vidjet ćemo kako se slažu u jednom omotu. Odmorite se, jedite Twix! ... dovraga, pa, svađaju se gluposti. Iako u redu, neću bodovati, na kraju treba da postoji pozitivan stav prema učenju.

Linearna zavisnost vektora, linearna nezavisnost vektora, vektorsku osnovu a drugi pojmovi imaju ne samo geometrijsko tumačenje, već, prije svega, algebarsko značenje. Sam koncept "vektora" sa stanovišta linearne algebre daleko je od uvijek "običan" vektor koji možemo prikazati na ravni ili u prostoru. Ne morate daleko tražiti dokaz, pokušajte nacrtati vektor petodimenzionalnog prostora . Ili vremenski vektor, za koji sam upravo otišao na Gismeteo: - temperatura i atmosferski pritisak, respektivno. Primjer je, naravno, netačan sa stanovišta svojstava vektorskog prostora, ali, ipak, niko ne zabranjuje formaliziranje ovih parametara kao vektora. Dah jeseni...

Ne, neću da vas zamaram teorijom, linearni vektorski prostori, zadatak je da razumeti definicije i teoreme. Novi termini (linearna zavisnost, nezavisnost, linearna kombinacija, baza, itd.) su primenljivi na sve vektore sa algebarske tačke gledišta, ali će primeri biti dati geometrijski. Dakle, sve je jednostavno, dostupno i vizualno. Pored problema analitičke geometrije, razmotrićemo i neke tipične zadatke algebre. Da biste savladali gradivo, preporučljivo je da se upoznate sa lekcijama Vektori za lutke i Kako izračunati determinantu?

Linearna zavisnost i nezavisnost ravnih vektora.
Ravan baza i afini koordinatni sistem

Uzmite u obzir ravan vašeg kompjuterskog stola (samo sto, noćni ormarić, pod, plafon, šta god želite). Zadatak će se sastojati od sljedećih radnji:

1) Odaberite osnovu ravni. Grubo govoreći, ploča stola ima dužinu i širinu, tako da je intuitivno jasno da su za izgradnju osnove potrebna dva vektora. Jedan vektor očigledno nije dovoljan, tri vektora su previše.

2) Na osnovu odabrane osnove postaviti koordinatni sistem(koordinatna mreža) za dodjelu koordinata svim stavkama na tabeli.

Nemojte se iznenaditi, u početku će objašnjenja biti na prstima. Štaviše, na vašem. Molimo postavite kažiprst lijeve ruke na rubu stola tako da gleda u monitor. Ovo će biti vektor. Sad mjesto mali prst desne ruke na ivici stola na isti način - tako da je usmjeren prema ekranu monitora. Ovo će biti vektor. Nasmiješite se, izgledate sjajno! Šta se može reći o vektorima? Vektori podataka kolinearno, što znači linearno izraženi jedno kroz drugo:
, pa, ili obrnuto: , gdje je broj različit od nule.

Sliku ove akcije možete vidjeti u lekciji. Vektori za lutke, gdje sam objasnio pravilo za množenje vektora brojem.

Hoće li vaši prsti postaviti osnovu na ravan kompjuterskog stola? Očigledno ne. Kolinearni vektori putuju naprijed-nazad sam smjer, dok ravan ima dužinu i širinu.

Takvi vektori se nazivaju linearno zavisna.

referenca: Riječi "linearno", "linearno" označavaju činjenicu da u matematičkim jednačinama, izrazima nema kvadrata, kocke, drugih potencija, logaritma, sinusa itd. Postoje samo linearni (1. stepen) izrazi i zavisnosti.

Dva ravan vektora linearno zavisna ako i samo ako su kolinearni.

Prekrižite prste na stolu tako da između njih postoji bilo koji ugao osim 0 ili 180 stepeni. Dva ravan vektoralinearno ne su zavisne ako i samo ako nisu kolinearne. Dakle, osnova je primljena. Ne treba se sramiti što je osnova ispala "kosa" s neokomitim vektorima različitih dužina. Vrlo brzo ćemo vidjeti da nije samo ugao od 90 stepeni pogodan za njegovu konstrukciju, a ne samo jedinični vektori jednake dužine

Bilo koji ravan vektor jedini način prošireno u smislu osnove:
, gdje su realni brojevi . Zovu se brojevi vektorske koordinate u ovoj osnovi.

I oni to kažu vektorpredstavljen u formi linearna kombinacija baznih vektora. To jest, izraz se zove vektorska dekompozicijaosnovu ili linearna kombinacija baznih vektora.

Na primjer, može se reći da je vektor proširen u ortonormalnoj bazi ravni, ili se može reći da je predstavljen kao linearna kombinacija vektora.

Hajde da formulišemo definicija osnove formalno: ravninska osnova je par linearno nezavisnih (nekolinearnih) vektora, , pri čemu bilo koji ravan vektor je linearna kombinacija baznih vektora.

Suština definicije je činjenica da su vektori uzeti određenim redosledom. baze Ovo su dvije potpuno različite baze! Kako kažu, mali prst lijeve ruke ne može se pomjeriti na mjesto malog prsta desne ruke.

Shvatili smo osnovu, ali nije dovoljno postaviti koordinatnu mrežu i dodijeliti koordinate svakoj stavci na vašem kompjuterskom stolu. Zašto ne dovoljno? Vektori su slobodni i lutaju po cijeloj ravni. Kako onda dodijeliti koordinate onim malim prljavim tačkicama na stolu koje su ostale od divljeg vikenda? Potrebna je polazna tačka. A takva referentna tačka je svima poznata tačka - ishodište koordinata. Razumijevanje koordinatnog sistema:

Počeću sa "školskim" sistemom. Već u uvodnoj lekciji Vektori za lutke Istaknuo sam neke od razlika između pravougaonog koordinatnog sistema i ortonormalne baze. Evo standardne slike:

Kada govorimo o pravougaoni koordinatni sistem, tada najčešće označavaju ishodište, koordinatne ose i razmjer duž osa. Pokušajte da upišete "pravougaoni koordinatni sistem" u pretraživač i videćete da će vam mnogi izvori reći o koordinatnim osama poznatim iz 5.-6. razreda i kako da iscrtate tačke na ravni.

S druge strane, stiče se utisak da se pravougaoni koordinatni sistem može dobro definisati u terminima ortonormalne baze. I skoro da jeste. Formulacija glasi ovako:

porijeklo, i ortonormalno osnovni set Dekartov koordinatni sistem ravni . Odnosno, pravougaoni koordinatni sistem definitivno definiran je jednom tačkom i dva jedinična ortogonalna vektora. Zato, vidite crtež koji sam dao gore - u geometrijskim problemima često se (ali daleko od uvijek) crtaju i vektori i koordinatne ose.

Mislim da svi to razumiju uz pomoć tačke (porekla) i ortonormalne osnove BILO KOJA TAČKA ravnine i BILO KOJI VEKTOR ravni koordinate se mogu dodijeliti. Slikovito rečeno, "sve u avionu može biti numerisano".

Da li koordinatni vektori moraju biti jedinični? Ne, mogu imati proizvoljnu dužinu različitu od nule. Razmotrimo tačku i dva ortogonalna vektora proizvoljne dužine različite od nule:

Takva osnova se zove ortogonalno. Porijeklo koordinata sa vektorima definira koordinatnu mrežu, a svaka tačka ravni, svaki vektor ima svoje koordinate u datoj bazi. Na primjer, ili. Očigledna neugodnost je što su koordinatni vektori Uglavnom imaju različite dužine osim jedinice. Ako su dužine jednake jedan, onda se dobija uobičajena ortonormalna baza.

! Bilješka : u ortogonalnoj bazi, kao i ispod u afinim bazama ravni i prostora, razmatraju se jedinice duž osi CONDITIONAL. Na primjer, jedna jedinica na apscisi sadrži 4 cm, jedna jedinica na ordinati sadrži 2 cm. Ova informacija je dovoljna da se po potrebi konvertuju „nestandardne“ koordinate u „naše uobičajene centimetre“.

I drugo pitanje, na koje je zapravo već odgovoreno - da li je ugao između baznih vektora nužno jednak 90 stepeni? Ne! Kao što definicija kaže, osnovni vektori moraju biti samo nekolinearno. Shodno tome, ugao može biti bilo koji osim 0 i 180 stepeni.

Pozvana je tačka na avionu porijeklo, i nekolinearno vektori, , set afini koordinatni sistem ravni :

Ponekad se ovaj koordinatni sistem naziva koso sistem. Tačke i vektori su prikazani kao primjeri na crtežu:

Kao što razumijete, afini koordinatni sistem je još manje zgodan, formule za dužine vektora i segmenata, koje smo razmatrali u drugom dijelu lekcije, ne rade u njemu. Vektori za lutke, mnoge ukusne formule vezane za skalarni proizvod vektora. Ali vrijede pravila za sabiranje vektora i množenje vektora brojem, formule za dijeljenje segmenta u tom pogledu, kao i neke druge vrste problema koje ćemo uskoro razmotriti.

I zaključak je da je najpogodniji poseban slučaj afinog koordinatnog sistema kartezijanski pravougaoni sistem. Stoga se ona, njena, najčešće mora vidjeti. ... Međutim, sve je u ovom životu relativno - postoje mnoge situacije u kojima je prikladno imati oblique (ili neku drugu, npr. polar) koordinatni sistem. Da, i humanoidi takvi sistemi mogu pasti na ukus =)

Pređimo na praktični dio. Svi problemi u ovoj lekciji važe i za pravougaoni koordinatni sistem i za opšti afini slučaj. Ovdje nema ništa komplikovano, sav materijal je dostupan čak i školarcu.

Kako odrediti kolinearnost ravnih vektora?

Tipična stvar. Za dva ravan vektora su kolinearni, potrebno je i dovoljno da njihove odgovarajuće koordinate budu proporcionalne.U suštini, ovo je prečišćavanje očitog odnosa koordinata po koordinata.

Primjer 1

a) Provjerite jesu li vektori kolinearni .
b) Da li vektori čine osnovu? ?

Rješenje:
a) Saznajte da li postoji vektor koeficijent proporcionalnosti, takav da su jednakosti ispunjene:

Svakako ću vam reći o “foppish” verziji primjene ovog pravila, koja prilično dobro funkcionira u praksi. Ideja je da odmah napravite proporciju i vidite da li je tačna:

Napravimo proporciju iz omjera odgovarajućih koordinata vektora:

skraćujemo:
, tako da su odgovarajuće koordinate proporcionalne, dakle,

Relacija se može napraviti i obrnuto, ovo je ekvivalentna opcija:

Za samotestiranje se može koristiti činjenica da su kolinearni vektori linearno izraženi jedan kroz drugi. U ovom slučaju postoje jednakosti . Njihova valjanost se može lako provjeriti kroz elementarne operacije s vektorima:

b) Dva ravan vektora čine osnovu ako nisu kolinearni (linearno nezavisni). Ispitujemo kolinearnost vektora . Kreirajmo sistem:

Iz prve jednadžbe slijedi da , iz druge jednačine slijedi da , što znači, sistem je nedosledan(nema rješenja). Dakle, odgovarajuće koordinate vektora nisu proporcionalne.

Zaključak: vektori su linearno nezavisni i čine osnovu.

Pojednostavljena verzija rješenja izgleda ovako:

Sastavite proporciju iz odgovarajućih koordinata vektora :
, dakle, ovi vektori su linearno nezavisni i čine osnovu.

Obično recenzenti ne odbijaju ovu opciju, ali problem nastaje u slučajevima kada su neke koordinate jednake nuli. Volim ovo: . ili ovako: . ili ovako: . Kako raditi kroz proporciju ovdje? (Zaista, ne možete podijeliti sa nulom). Iz tog razloga sam pojednostavljeno rješenje nazvao "foppish".

odgovor: a) , b) oblik.

Mali kreativni primjer za samostalno rješenje:

Primjer 2

Na kojoj vrijednosti vektora parametara će biti kolinearna?

U otopini uzorka, parametar se nalazi kroz proporciju.

Postoji elegantan algebarski način za provjeru kolinearnosti vektora. Hajde da sistematizujemo naše znanje i samo ga dodamo kao petu tačku:

Za dva ravan vektora, sljedeće izjave su ekvivalentne:

2) vektori čine osnovu;
3) vektori nisu kolinearni;

+ 5) determinanta, sastavljena od koordinata ovih vektora, nije nula.

odnosno sljedeće suprotne izjave su ekvivalentne:
1) vektori su linearno zavisni;
2) vektori ne čine osnovu;
3) vektori su kolinearni;
4) vektori se mogu linearno izraziti jedan kroz drugi;
+ 5) determinanta, sastavljena od koordinata ovih vektora, jednaka je nuli.

Ja se jako, jako nadam da ste u ovom trenutku već razumjeli sve pojmove i izjave na koje ste naišli.

Pogledajmo izbliza novu, petu tačku: dva ravan vektora su kolinearni ako i samo ako je determinanta sastavljena od koordinata datih vektora jednaka nuli:. Da biste koristili ovu funkciju, naravno, morate biti u mogućnosti pronađite odrednice.

Mi ćemo odlučiti Primjer 1 na drugi način:

a) Izračunajte determinantu sastavljenu od koordinata vektora :
, pa su ovi vektori kolinearni.

b) Dva ravan vektora čine osnovu ako nisu kolinearni (linearno nezavisni). Izračunajmo determinantu sastavljenu od koordinata vektora :
, stoga su vektori linearno nezavisni i čine bazu.

odgovor: a) , b) oblik.

Izgleda mnogo kompaktnije i ljepše od rješenja s proporcijama.

Uz pomoć razmatranog materijala moguće je utvrditi ne samo kolinearnost vektora, već i dokazati paralelizam segmenata, pravih linija. Razmotrimo nekoliko problema s određenim geometrijskim oblicima.

Primjer 3

Dati su vrhovi četvorougla. Dokazati da je četverougao paralelogram.

Dokaz: Nema potrebe graditi crtež u problemu, jer će rješenje biti čisto analitičko. Zapamtite definiciju paralelograma:
Paralelogram Četverougao se naziva u kojem su suprotne strane parno paralelne.

Dakle, potrebno je dokazati:
1) paralelizam suprotnih strana i;
2) paralelizam suprotnih strana i .

dokazujemo:

1) Pronađite vektore:

2) Pronađite vektore:

Rezultat je isti vektor („prema školi“ - jednaki vektori). Kolinearnost je sasvim očigledna, ali je bolje donijeti odluku kako treba, sa aranžmanom. Izračunajte determinantu, sastavljenu od koordinata vektora:
, pa su ovi vektori kolinearni, i .

Zaključak: Suprotne strane četvorougla su parno paralelne, pa je po definiciji paralelogram. Q.E.D.

Više dobrih i drugačijih figura:

Primjer 4

Dati su vrhovi četvorougla. Dokazati da je četverougao trapez.

Za rigorozniju formulaciju dokaza bolje je, naravno, dobiti definiciju trapeza, ali dovoljno je samo zapamtiti kako on izgleda.

Ovo je zadatak za samostalnu odluku. Kompletno rješenje na kraju lekcije.

A sada je vrijeme da se polako krećemo iz aviona u svemir:

Kako odrediti kolinearnost vektora prostora?

Pravilo je vrlo slično. Da bi dva vektora prostora bila kolinearna, potrebno je i dovoljno da im odgovarajuće koordinate budu proporcionalne.

Primjer 5

Saznajte jesu li sljedeći prostorni vektori kolinearni:

a) ;
b)
u)

Rješenje:
a) Provjerite postoji li koeficijent proporcionalnosti za odgovarajuće koordinate vektora:

Sistem nema rješenja, što znači da vektori nisu kolinearni.

"Pojednostavljeno" se utvrđuje provjerom proporcije. U ovom slučaju:
– odgovarajuće koordinate nisu proporcionalne, što znači da vektori nisu kolinearni.

odgovor: vektori nisu kolinearni.

b-c) Ovo su bodovi za nezavisnu odluku. Isprobajte na dva načina.

Postoji metoda za provjeru kolinearnosti prostornih vektora i putem determinante trećeg reda, ova metoda je obrađena u članku Unakrsni proizvod vektora.

Slično kao u slučaju ravni, razmatrani alati se mogu koristiti za proučavanje paralelizma prostornih segmenata i linija.

Dobrodošli u drugu sekciju:

Linearna zavisnost i nezavisnost vektora trodimenzionalnog prostora.
Prostorna osnova i afini koordinatni sistem

Mnoge od pravilnosti koje smo razmatrali na avionu važiće i za prostor. Pokušao sam da minimiziram sažetak teorije, budući da je lavovski dio informacija već sažvakan. Ipak, preporučujem da pažljivo pročitate uvodni dio, jer će se pojaviti novi pojmovi i koncepti.

Sada, umjesto ravni kompjuterskog stola, ispitajmo trodimenzionalni prostor. Prvo, napravimo njegovu osnovu. Neko je sada u zatvorenom, neko je na otvorenom, ali u svakom slučaju ne možemo pobjeći od tri dimenzije: širine, dužine i visine. Stoga su potrebna tri prostorna vektora za konstruiranje baze. Jedan ili dva vektora nisu dovoljni, četvrti je suvišan.

I opet se zagrijavamo na prstima. Molimo podignite ruku i raširite je u različitim smjerovima palac, kažiprst i srednji prst. To će biti vektori, oni gledaju u različitim smjerovima, imaju različite dužine i imaju različite uglove između sebe. Čestitamo, osnova trodimenzionalnog prostora je spremna! Uzgred, ne morate to demonstrirati nastavnicima, ma kako zavrtili prste, ali ne možete pobjeći od definicija =)

Zatim postavljamo važno pitanje, da li bilo koja tri vektora čine osnovu trodimenzionalnog prostora? Čvrsto pritisnite tri prsta na sto računara. Šta se desilo? Tri vektora se nalaze u istoj ravni i, grubo rečeno, izgubili smo jedno od mjerenja - visinu. Takvi vektori su komplanarno i, sasvim očigledno, da osnova trodimenzionalnog prostora nije stvorena.

Treba napomenuti da koplanarni vektori ne moraju ležati u istoj ravni, mogu biti u paralelnim ravnima (samo nemojte to raditi prstima, samo je Salvador Dali tako ispao =)).

Definicija: vektori se nazivaju komplanarno ako postoji ravan sa kojom su oni paralelni. Ovdje je logično dodati da ako takva ravan ne postoji, onda vektori neće biti komplanarni.

Tri koplanarna vektora su uvijek linearno zavisna, odnosno linearno su izražene jedna kroz drugu. Radi jednostavnosti, opet zamislite da leže u istoj ravni. Prvo, vektori nisu samo koplanarni, već mogu biti i kolinearni, a zatim se svaki vektor može izraziti kroz bilo koji vektor. U drugom slučaju, ako, na primjer, vektori nisu kolinearni, onda se treći vektor izražava kroz njih na jedinstven način: (a zašto je lako pogoditi iz materijala prethodnog odeljka).

Vrijedi i obrnuto: tri nekoplanarna vektora su uvijek linearno nezavisna, odnosno ni na koji način se ne izražavaju jedno kroz drugo. I, očigledno, samo takvi vektori mogu činiti osnovu trodimenzionalnog prostora.

Definicija: Osnova trodimenzionalnog prostora naziva se trojka linearno nezavisnih (nekomplanarnih) vektora, uzeti određenim redosledom, dok je bilo koji vektor prostora jedini način proširuje se u datoj bazi , gdje su koordinate vektora u datoj bazi

Podsjećamo, također možete reći da je vektor predstavljen kao linearna kombinacija baznih vektora.

Koncept koordinatnog sistema se uvodi na potpuno isti način kao i za ravan, dovoljna je jedna tačka i bilo koja tri linearno nezavisna vektora:

porijeklo, i nekoplanarni vektori, uzeti određenim redosledom, set afini koordinatni sistem trodimenzionalnog prostora :

Naravno, koordinatna mreža je "kosa" i nezgodna, ali, ipak, konstruisani koordinatni sistem nam omogućava da definitivno odrediti koordinate bilo kojeg vektora i koordinate bilo koje tačke u prostoru. Slično ravni, u afinom koordinatnom sistemu prostora, neke formule koje sam već spomenuo neće raditi.

Najpoznatiji i najprikladniji specijalni slučaj afinog koordinatnog sistema, kao što svi mogu pretpostaviti, jeste pravougaoni prostorni koordinatni sistem:

tačka u prostoru tzv porijeklo, i ortonormalno osnovni set Dekartov koordinatni sistem prostora . poznata slika:

Prije nego što pređemo na praktične zadatke, ponovo sistematiziramo informacije:

Za tri vektora prostora, sljedeće izjave su ekvivalentne:
1) vektori su linearno nezavisni;
2) vektori čine osnovu;
3) vektori nisu komplanarni;
4) vektori se ne mogu linearno izraziti jedan kroz drugi;
5) determinanta, sastavljena od koordinata ovih vektora, je različita od nule.

Suprotne izjave su, mislim, razumljive.

Linearna zavisnost/nezavisnost vektora prostora tradicionalno se provjerava pomoću determinante (tačka 5). Preostali praktični zadaci će biti naglašene algebarske prirode. Vrijeme je da okačite geometrijski štap na nokat i rukujete bejzbol palicom za linearnu algebru:

Tri svemirska vektora su komplanarni ako i samo ako je determinanta sastavljena od koordinata datih vektora jednaka nuli: .

Skrećem vam pažnju na malu tehničku nijansu: koordinate vektora mogu se pisati ne samo u stupcima, već iu redovima (vrijednost determinante se neće promijeniti od ovoga - pogledajte svojstva determinanti). Ali mnogo je bolji u kolonama, jer je korisniji za rješavanje nekih praktičnih problema.

Za one čitaoce koji su malo zaboravili metode računanja determinanti, ili su možda uopće loše orijentirani, preporučujem jednu od mojih najstarijih lekcija: Kako izračunati determinantu?

Primjer 6

Provjerite da li sljedeći vektori čine osnovu trodimenzionalnog prostora:

Rješenje: Zapravo, cijelo rješenje se svodi na izračunavanje determinante.

a) Izračunaj determinantu, sastavljenu od koordinata vektora (determinanta je proširena u prvom redu):

, što znači da su vektori linearno nezavisni (ne komplanarni) i čine osnovu trodimenzionalnog prostora.

Odgovori: ovi vektori čine osnovu

b) Ovo je tačka za nezavisnu odluku. Potpuno rješenje i odgovor na kraju lekcije.

Tu su i kreativni zadaci:

Primjer 7

Pri kojoj vrijednosti parametra će vektori biti komplanarni?

Rješenje: Vektori su komplanarni ako i samo ako je determinanta sastavljena od koordinata datih vektora jednaka nuli:

U suštini, potrebno je riješiti jednačinu s determinantom. Letimo u nule kao zmajevi u jerboe - najisplativije je otvoriti determinantu u drugom redu i odmah se riješiti minusa:

Provodimo daljnja pojednostavljenja i stvar svedemo na najjednostavniju linearnu jednačinu:

Odgovori: at

Ovdje je lako provjeriti, za to morate zamijeniti rezultirajuću vrijednost u originalnu determinantu i osigurati da ponovnim otvaranjem.

U zaključku, razmotrimo još jedan tipičan problem, koji je više algebarske prirode i tradicionalno je uključen u kurs linearne algebre. Toliko je uobičajeno da zaslužuje posebnu temu:

Dokazati da 3 vektora čine osnovu trodimenzionalnog prostora
i pronađite koordinate 4. vektora u datoj bazi

Primjer 8

Dati su vektori. Pokažite da vektori čine osnovu trodimenzionalnog prostora i pronađite koordinate vektora u ovoj bazi.

Rješenje: Hajde da se prvo pozabavimo uslovom. Pod uslovom su data četiri vektora i, kao što vidite, već imaju koordinate u nekoj bazi. Šta je osnova - nas ne zanima. I sljedeća stvar je zanimljiva: tri vektora mogu stvoriti novu osnovu. A prvi korak je potpuno isti kao rješenje primjera 6, potrebno je provjeriti da li su vektori stvarno linearno nezavisni:

Izračunajte determinantu, sastavljenu od koordinata vektora:

, stoga su vektori linearno nezavisni i čine osnovu trodimenzionalnog prostora.

! Bitan : vektorske koordinate obavezno zapiši u kolone odrednica, a ne nizovi. U suprotnom će doći do zabune u daljem algoritmu rješenja.

Da bismo provjerili da li je sistem vektora linearno zavisan, potrebno je sastaviti linearnu kombinaciju ovih vektora i provjeriti može li biti nula ako je barem jedan koeficijent jednak nuli.

Slučaj 1. Sistem vektora je dat vektorima

Pravimo linearnu kombinaciju

Dobili smo homogeni sistem jednačina. Ako ima rješenje različito od nule, tada determinanta mora biti jednaka nuli. Napravimo determinantu i pronađemo njenu vrijednost.

Determinanta je nula, dakle, vektori su linearno zavisni.

Slučaj 2. Sistem vektora je dat analitičkim funkcijama:

a)
, ako je identitet istinit, tada je sistem linearno zavisan.

Napravimo linearnu kombinaciju.

Potrebno je provjeriti da li postoje takvi a, b, c (od kojih barem jedno nije jednako nuli) za koje je dati izraz jednak nuli.

Zapisujemo hiperboličke funkcije

,
, onda

tada će linearna kombinacija vektora poprimiti oblik:

Gdje
, uzmimo, na primjer, onda je linearna kombinacija jednaka nuli, dakle, sistem je linearno zavisan.

Odgovor: Sistem je linearno zavisan.

b)
, sastavljamo linearnu kombinaciju

Linearna kombinacija vektora, mora biti nula za bilo koju vrijednost x.

Provjerimo posebne slučajeve.

Linearna kombinacija vektora je nula samo ako su svi koeficijenti nula.

Dakle, sistem je linearno nezavisan.

Odgovor: Sistem je linearno nezavisan.

5.3. Naći neku osnovu i odrediti dimenziju linearnog prostora rješenja.

Formiramo proširenu matricu i dovedemo je u oblik trapeza pomoću Gaussove metode.

Da bismo dobili neku osnovu, zamjenjujemo proizvoljne vrijednosti:

Dobijte ostale koordinate

odgovor:

5.4. Pronađite koordinate vektora X u bazi, ako je ona data u bazi.

Pronalaženje koordinata vektora u novoj bazi svodi se na rješavanje sistema jednačina

Metoda 1. Pronalaženje pomoću matrice prijelaza

Sastavite matricu prijelaza

Pronađimo vektor u novoj bazi po formuli

Pronađite inverznu matricu i izvršite množenje

,

Metoda 2. Pronalaženje sastavljanjem sistema jednačina.

Sastaviti bazne vektore iz koeficijenata baze

,
,

Pronalaženje vektora u novoj bazi ima oblik

, gdje d je dati vektor x.

Rezultirajuća jednačina se može riješiti na bilo koji način, odgovor će biti isti.

Odgovor: vektor u novoj osnovi
.

5.5. Neka je x = (x 1 , x 2 , x 3 ) . Da li su sljedeće transformacije linearne.

Sastavimo matrice linearnih operatora od koeficijenata datih vektora.

Provjerimo svojstva linearnih operacija za svaku matricu linearnog operatora.

Lijeva strana se nalazi množenjem matrice ALI po vektoru

Desnu stranu nalazimo množenjem datog vektora skalarom
.

Vidimo to
tako da transformacija nije linearna.

Provjerimo druge vektore.

, transformacija nije linearna.

, transformacija je linearna.

odgovor: Oh nije linearna transformacija, Vx- nije linearno Cx- linearno.

Bilješka. Ovaj zadatak možete obaviti mnogo lakše ako pažljivo pogledate date vektore. AT Oh vidimo da postoje pojmovi koji ne sadrže elemente X, koji se nije mogao dobiti kao rezultat linearne operacije. AT Vx postoji element X na treći stepen, koji se takođe ne može dobiti množenjem vektorom X.

5.6. Dato x = { x 1 , x 2 , x 3 } , Sjekira = { x 2 – x 3 , x 1 , x 1 + x 3 } , bx = { x 2 , 2 x 3 , x 1 } . Izvršite zadatu operaciju: ( A ( B – A )) x .

Napišimo matrice linearnih operatora.

Izvršimo operaciju na matricama

Kada pomnožimo rezultujuću matricu sa X, dobijamo

odgovor:

Definicija. Linearna kombinacija vektora a 1 , ..., a n sa koeficijentima x 1 , ..., x n naziva se vektor

x 1 a 1 + ... + x n a n .

trivijalan, ako su svi koeficijenti x 1 , ..., x n jednaki nuli.

Definicija. Poziva se linearna kombinacija x 1 a 1 + ... + x n a n netrivijalan, ako barem jedan od koeficijenata x 1 , ..., x n nije jednak nuli.

linearno nezavisna, ako ne postoji netrivijalna kombinacija ovih vektora jednaka nultom vektoru .

To jest, vektori a 1 , ..., a n su linearno nezavisni ako je x 1 a 1 + ... + x n a n = 0 ako i samo ako je x 1 = 0, ..., x n = 0.

Definicija. Vektori a 1, ..., a n se nazivaju linearno zavisna, ako postoji netrivijalna kombinacija ovih vektora jednaka nultom vektoru .

Svojstva linearno zavisnih vektora:

Za 2 i 3 dimenzionalne vektore.

Dva linearno zavisna vektora su kolinearna. (Kolinearni vektori su linearno zavisni.) .

Za 3-dimenzionalne vektore.

Tri linearno zavisna vektora su koplanarna. (Tri koplanarna vektora su linearno zavisna.)

• Za n-dimenzionalne vektore.

  n + 1 vektora su uvijek linearno zavisni.

Primjeri zadataka za linearnu ovisnost i linearnu neovisnost vektora:

Primjer 1. Provjerite jesu li vektori a = (3; 4; 5), b = (-3; 0; 5), c = (4; 4; 4), d = (3; 4; 0) linearno nezavisni .

Rješenje:

Vektori će biti linearno zavisni, jer je dimenzija vektora manja od broja vektora.

Primjer 2. Provjerite jesu li vektori a = (1; 1; 1), b = (1; 2; 0), c = (0; -1; 1) linearno nezavisni.

Rješenje:

	x1 + x2 = 0
	x1 + 2x2 - x3 = 0
	x1 + x3 = 0

	1	1	0	0		~
	1	2	-1	0
	1	0	1	0

~		1	1	0	0		~		1	1	0	0		~
		1 - 1	2 - 1	-1 - 0	0 - 0				0	1	-1	0
		1 - 1	0 - 1	1 - 0	0 - 0				0	-1	1	0

oduzmite drugi od prvog reda; dodajte drugi red u treći red:

~		1 - 0	1 - 1	0 - (-1)	0 - 0		~		1	0	1	0
		0	1	-1	0				0	1	-1	0
		0 + 0	-1 + 1	1 + (-1)	0 + 0				0	0	0	0

Ovo rješenje pokazuje da sistem ima mnogo rješenja, odnosno da postoji kombinacija vrijednosti brojeva x 1, x 2, x 3 koja nije nula, tako da je linearna kombinacija vektora a, b, c jednaka na nulti vektor, na primjer:

A + b + c = 0

što znači da su vektori a, b, c linearno zavisni.

odgovor: vektori a, b, c su linearno zavisni.

Primjer 3. Provjerite jesu li vektori a = (1; 1; 1), b = (1; 2; 0), c = (0; -1; 2) linearno nezavisni.

Rješenje: Nađimo vrijednosti koeficijenata pri kojima će linearna kombinacija ovih vektora biti jednaka nultom vektoru.

x 1 a + x 2 b + x 3 c 1 = 0

Ova vektorska jednačina se može napisati kao sistem linearnih jednačina

	x1 + x2 = 0
	x1 + 2x2 - x3 = 0
	x1 + 2x3 = 0

Ovaj sistem rješavamo Gaussovom metodom

	1	1	0	0		~
	1	2	-1	0
	1	0	2	0

oduzmi prvi od drugog reda; oduzmi prvo od trećeg reda:

~		1	1	0	0		~		1	1	0	0		~
		1 - 1	2 - 1	-1 - 0	0 - 0				0	1	-1	0
		1 - 1	0 - 1	2 - 0	0 - 0				0	-1	2	0

oduzmite drugi od prvog reda; dodajte drugi red u treći red.

Vektori, njihova svojstva i radnje s njima

Vektori, akcije sa vektorima, linearni vektorski prostor.

Vektori su uređena kolekcija konačnog broja realnih brojeva.

Akcije: 1. Množenje vektora brojem: lambda * vektor x \u003d (lamda * x 1, lambda * x 2 ... lambda * x n). (3.4, 0. 7) * 3 = (9, 12, 0.21 )

2. Sabiranje vektora (oni pripadaju istom vektorskom prostoru) vektor x + vektor y = (x 1 + y 1, x 2 + y 2, ... x n + y n,)

3. Vektor 0=(0,0…0)---n E n – n-dimenzionalni (linearni prostor) vektor x + vektor 0 = vektor x

Teorema. Da bi sistem od n vektora u n-dimenzionalnom linearnom prostoru bio linearno zavisan, neophodno je i dovoljno da jedan od vektora bude linearna kombinacija ostalih.

Teorema. Bilo koji skup od n+ 1. vektora n-dimenzionalnog linearnog prostora yavl. linearno zavisna.

Sabiranje vektora, množenje vektora brojevima. Oduzimanje vektora.

Zbir dva vektora je vektor usmjeren od početka vektora do kraja vektora, pod uvjetom da se početak poklapa sa krajem vektora. Ako su vektori dati svojim proširenjima u terminima baznih vektora, tada se zbrajanjem vektora zbrajaju njihove odgovarajuće koordinate.

Razmotrimo ovo na primjeru kartezijanskog koordinatnog sistema. Neka

Hajde da to pokažemo

Slika 3 to pokazuje

Zbir bilo kojeg konačnog broja vektora može se pronaći pomoću pravila poligona (slika 4): da bi se konstruirao zbir konačnog broja vektora, dovoljno je da se početak svakog sljedećeg vektora uskladi s krajem prethodnog. i konstruisati vektor koji povezuje početak prvog vektora sa krajem poslednjeg.

Svojstva vektorske operacije sabiranja:

U ovim izrazima m, n su brojevi.

Razlika vektora naziva se vektor.Drugi član je vektor suprotan vektoru po pravcu, ali mu je jednak po dužini.

Dakle, operacija vektorskog oduzimanja je zamijenjena operacijom sabiranja

Vektor čiji je početak u početku koordinata, a kraj u tački A (x1, y1, z1), naziva se radijus vektor tačke A i označava se ili jednostavno. Pošto se njegove koordinate poklapaju sa koordinatama tačke A, njeno proširenje u smislu vektora ima oblik

Vektor koji počinje u tački A(x1, y1, z1) i završava u tački B(x2, y2, z2) može se napisati kao

gdje je r 2 radijus vektor tačke B; r 1 - radijus vektor tačke A.

Prema tome, ekspanzija vektora u smislu ortova ima oblik

Njegova dužina jednaka je udaljenosti između tačaka A i B

MNOŽENJE

Dakle, u slučaju ravnog problema, proizvod vektora sa a = (ax; ay) i broja b nalazi se po formuli

a b = (ax b; ay b)

Primjer 1. Pronađite proizvod vektora a = (1; 2) sa 3.

3 a = (3 1; 3 2) = (3; 6)

Dakle, u slučaju prostornog problema, proizvod vektora a = (ax; ay; az) i broja b nalazi se po formuli

a b = (ax b; ay b; az b)

Primjer 1. Pronađite proizvod vektora a = (1; 2; -5) sa 2.

2 a = (2 1; 2 2; 2 (-5)) = (2; 4; -10)

Tačkasti proizvod vektora i gdje je ugao između vektora i ; ako bilo , onda

Iz definicije skalarnog proizvoda slijedi da

gdje je, na primjer, vrijednost projekcije vektora na smjer vektora .

Skalarni kvadrat vektora:

Svojstva tačkastog proizvoda:

Točkasti proizvod u koordinatama

Ako a onda

Ugao između vektora

Ugao između vektora - ugao između pravaca ovih vektora (najmanji ugao).

Vektorski proizvod (Vektorski proizvod dva vektora.)- je pseudovektor okomit na ravan konstruisan sa dva faktora, koji je rezultat binarne operacije "množenje vektora" na vektorima u trodimenzionalnom euklidskom prostoru. Proizvod nije ni komutativan ni asocijativan (antikomutativan je) i razlikuje se od dot proizvoda vektora. U mnogim inženjerskim i fizičkim problemima, potrebno je biti u stanju izgraditi vektor okomit na dva postojeća - vektorski proizvod pruža tu mogućnost. Unakrsni proizvod je koristan za "mjerenje" okomitosti vektora - dužina unakrsnog proizvoda dva vektora jednaka je proizvodu njihovih dužina ako su okomiti, a smanjuje se na nulu ako su vektori paralelni ili antiparalelni.

Vektorski proizvod je definiran samo u trodimenzionalnim i sedmodimenzionalnim prostorima. Rezultat vektorskog proizvoda, kao i skalarni proizvod, zavisi od metrike euklidskog prostora.

Za razliku od formule za izračunavanje skalarnog proizvoda iz koordinata vektora u trodimenzionalnom pravougaonom koordinatnom sistemu, formula za vektorski proizvod zavisi od orijentacije pravougaonog koordinatnog sistema, odnosno, drugim rečima, njegove „kiralnosti“

Kolinearnost vektora.

Dva vektora različita od nule (nisu jednaka 0) nazivaju se kolinearnim ako leže na paralelnim linijama ili na istoj liniji. Dozvoljavamo, ali ne preporučujemo, sinonim - "paralelne" vektore. Kolinearni vektori mogu biti usmjereni u istom smjeru ("ko-usmjereni") ili suprotno usmjereni (u posljednjem slučaju ponekad se nazivaju "antikolinearni" ili "antiparalelni").

Mješoviti proizvod vektora ( a,b,c)- skalarni proizvod vektora a i vektorski proizvod vektora b i c:

(a,b,c)=a ⋅(b×c)

ponekad se naziva trostruki skalarni proizvod vektora, očigledno zbog činjenice da je rezultat skalar (tačnije, pseudoskalar).

Geometrijsko značenje: Modul mješovitog proizvoda je brojčano jednak volumenu paralelepipeda kojeg čine vektori (a,b,c) .

Svojstva

Mješoviti proizvod je koso-simetričan u odnosu na sve svoje argumente: tj. e. permutacija bilo koja dva faktora mijenja predznak proizvoda. Iz toga slijedi da je mješoviti proizvod u desnom Dekartovom koordinatnom sistemu (u ortonormalnoj bazi) jednak determinanti matrice sastavljene od vektora i:

Mješoviti proizvod u lijevom kartezijanskom koordinatnom sistemu (u ortonormalnoj bazi) jednak je determinanti matrice sastavljene od vektora i uzete sa predznakom minus:

posebno,

Ako su bilo koja dva vektora paralelna, onda sa bilo kojim trećim vektorom formiraju mješoviti proizvod jednak nuli.

Ako su tri vektora linearno zavisna (tj. koplanarna, leže u istoj ravni), onda je njihov mješoviti proizvod nula.

Geometrijsko značenje - Mješoviti proizvod u apsolutnoj vrijednosti jednak je zapremini paralelepipeda (vidi sliku) formiranog od vektora i; znak zavisi od toga da li je ova trojka vektora desna ili leva.

Komplanarnost vektora.

Tri vektora (ili više) nazivaju se komplanarnim ako, svedeni na zajedničko ishodište, leže u istoj ravni

Svojstva komplanarnosti

Ako je barem jedan od tri vektora nula, tada se i tri vektora smatraju komplanarnim.

Trojka vektora koja sadrži par kolinearnih vektora je komplanarna.

Mješoviti proizvod komplanarnih vektora. Ovo je kriterijum za komplanarnost tri vektora.

Koplanarni vektori su linearno zavisni. Ovo je takođe kriterijum za komplanarnost.

U 3-dimenzionalnom prostoru, 3 nekoplanarna vektora čine osnovu

Linearno zavisni i linearno nezavisni vektori.

Linearno zavisni i nezavisni sistemi vektora.Definicija. Sistem vektora se naziva linearno zavisna, ako postoji barem jedna netrivijalna linearna kombinacija ovih vektora jednaka nultom vektoru. Inače, tj. ako je samo trivijalna linearna kombinacija datih vektora jednaka nultom vektoru, vektori se pozivaju linearno nezavisna.

Teorema (kriterijum linearne zavisnosti). Da bi sistem vektora u linearnom prostoru bio linearno zavisan, neophodno je i dovoljno da barem jedan od ovih vektora bude linearna kombinacija ostalih.

1) Ako među vektorima postoji barem jedan nulti vektor, onda je cijeli sistem vektora linearno zavisan.

Zaista, ako, na primjer, , onda, pod pretpostavkom , imamo netrivijalnu linearnu kombinaciju .▲

2) Ako neki od vektora formiraju linearno zavisan sistem, onda je ceo sistem linearno zavisan.

Zaista, neka su vektori , , linearno zavisni. Dakle, postoji netrivijalna linearna kombinacija jednaka nultom vektoru. Ali onda, pod pretpostavkom , takođe dobijamo netrivijalnu linearnu kombinaciju jednaku nultom vektoru.

2. Osnova i dimenzija. Definicija. Sistem linearno nezavisnih vektora vektorski prostor se zove osnovu ovaj prostor, ako se bilo koji vektor iz može predstaviti kao linearna kombinacija vektora ovog sistema, tj. za svaki vektor postoje realni brojevi takva da vrijedi jednakost. Ova jednakost se zove vektorska dekompozicija prema osnovi , i brojevima pozvao vektorske koordinate u odnosu na bazu(ili u osnovi) .

Teorema (o jedinstvenosti ekspanzije u smislu baze). Svaki vektor prostora može se proširiti u smislu baze na jedinstven način, tj. koordinate svakog vektora u bazi definisani su nedvosmisleno.