Как найти координаты вектора в данном базисе

Базис. Координаты вектора в базисе

Определим
понятие базиса на прямой, плоскости и
в пространстве.

Базисом
на прямойназывается любой ненулевой
векторна этой прямой. Любой другой вектор,
коллинеарный данной прямой, может быть
выражен через векторв виде.

Базисом
на плоскостиназываются любых два
линейно независимых вектораиэтой плоскости, взятые в определенном
порядке. Любой третий вектор,
компланарный плоскости, на которой
выбран базис,
может быть представлен в виде.

Базисом
в трехмерном пространстве называются
любые три некомпланарных вектора
,
взятые в определенном порядке. Такой
базис обозначается.
Пусть‑ произвольный вектор трехмерного
пространства, в котором выбран базис.
Тогда существуют числатакие, что:

(4.5)

Коэффициенты
называются координатами векторав базисе,
а формула (4.5) есть разложение векторапо данному базису.

Координаты
вектора в заданном базисе определяются
однозначно. Введение координат для
векторов позволяет сводить различные
соотношения между векторами к числовым
соотношениям между их координатами.
Координаты линейной комбинации векторов
равны таким же линейным комбинациям
соответствующих координат этих векторов.

Декартовы прямоугольные координаты в пространстве. Координаты точек. Координаты векторов. Деление отрезка в данном отношении

Декартова
прямоугольная система координат в
пространстве определяется заданием
единицы масштаба для измерения длин и
трех пересекающихся в точке взаимно
перпендикулярных осей, первая из которых
называется осью абсцисс,
вторая – осью ординат,
третья – осью аппликат;
точка‑ начало координат (Рис. 4.4).

Положение
координатных осей можно задать с помощью
единичных векторов
,
направленных соответственно по осям.
Векторыназываются основными или базисными
ортами и определяют базисв трехмерном пространстве.

Пусть
в пространстве дана точка
.
Проектируя ее на ось,
получим точку.
Первой координатойилиабсциссой точки
называется длина вектора,
взятая со знаком плюс, еслинаправлен
в ту же сторону, что и вектор,
и со знаком минус ‑ если в противоположную.
Аналогично проектируя точкуна осии,
определим ееординату
иаппликату
.Тройка чиселвзаимно однозначно соответствует точке.

Система
координат называется правой, если
вращение от осик осив ближайшую сторону видно с положительного
направления осисовершающимися против часовой стрелки,
илевой, если вращение от осик осив ближайшую сторону видно совершающимися
по часовой стрелке.

Вектор
,
направленный из начала координат в
точкуназываетсярадиус-вектором точки
,
т.е.:

(4.6)

Если
даны координаты точек
и,
то координаты вектораполучаются вычитанием из координат его
концакоординат начала:или.

Следовательно,
по формуле (4.5):

или

(4.7)

При
сложении (вычитании) векторов их
координаты складываются (вычитаются),
при умножении вектора на число все его
координаты умножаются на это число.

Длина
вектора
равна квадратному корню из суммы
квадратов его координат.

.

(4.8)

Длина
вектора
,заданного координатами своих концов,
т.е. расстояние между точками
и
вычисляется по формуле:

.

(4.9)

Если
иколлинеарны, то они отличаются друг от
друга скалярным множителем. Следовательно,
у коллинеарных векторов координаты
пропорциональны:

.

(4.10)

Пусть
точка
делит отрезок между точкамиив отношении,
тогда радиус-вектор точкивыражается через радиусы-векторыиего концов по формуле:.

Отсюда
получаются координатные формулы:

.

В
частности, если точка
делит отрезокпополам, тои,
т.е..

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #

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.

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.

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.

Рассмотрим применение данной теории на конкретных примерах.

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:

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

Доказанная теория делает понятным выражение «задан n-мерный вектор x=(x1, x2,…, xn)»: 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

e(1)=(e1(1), e2(1),…, en(1))e(2)=(e1(2), e2(2),…, en(2))⋮e(n)=(e1(n), e2(n),…, en(n))

а также задан вектор x=(x1, x2,…, xn).

Векторы e1(1), e2(2),…, en(n) в этом случае также являются базисом этого векторного пространства.

Предположим, что необходимо определить координаты вектора x→ в базисе e1(1), e2(2),…, en(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:

(x1, x2,…, xn)=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~1e1(1)+x~2e1(2)+…+x~ne1(n), x~1e2(1)+x~2e2(2)++…+x~ne2(n), …, x~1en(1)+x~2en(2)+…+x~nen(n))

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

x1=x~1e11+x~2e12+…+x~ne1nx2=x~1e21+x~2e22+…+x~ne2n⋮xn=x~1en1+x~2en2+…+x~nenn

Матрица этой системы будет иметь следующий вид:

e1(1)e1(2)⋯e1(n)e2(1)e2(2)⋯e2(n)⋮⋮⋮⋮en(1)en(2)⋯en(n)

Пусть это будет матрица A, и ее столбцы – векторы линейно независимой системы векторов e1(1), e2(2),…, en(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 e1(1), e2(2),…, en(n).

Применим рассмотренную теорию на конкретном примере.

Связь между базисами

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

c(1)=(c1(1), c2(1),…, cn(1))c(2)=(c1(2), c2(2),…, cn(2))⋮c(n)=(c1(n), e2(n),…, cn(n))

И

e(1)=(e1(1), e2(1),…, en(1))e(2)=(e1(2), e2(2),…, en(2))⋮e(n)=(e1(n), e2(n),…, en(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:

с1(1)=c~1(1)e1(1)+c~2(1)e1(2)+…+c~n(1)e1(n)с2(1)=c~1(1)e2(1)+c~2(1)e2(2)+…+c~n(1)e2(n)⋮                                                           сn(1)=c~1(1)en(1)+c~2(1)en(2)+…+c~n(1)en(n)

В виде матрицы систему можно отобразить так:

(c1(1), c2(1),…, cn(1))=(c~1(1), c~2(1),…, c~n(1))·e1(1)e2(1)…en(1)e1(2)e2(2)…en(2)⋮⋮⋮⋮e1(n)e2(n)…en(n)

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

(c1(2), c2(2),…, cn(2))=(c~1(2), c~2(2),…, c~n(2))·e1(1)e2(1)…en(1)e1(2)e2(2)…en(2)⋮⋮⋮⋮e1(n)e2(n)…en(n)

И, далее действуя по тому же принципу, получаем:

(c1(n), c2(n),…, cn(n))=(c~1(n), c~2(n),…, c~n(n))·e1(1)e2(1)…en(1)e1(2)e2(2)…en(2)⋮⋮⋮⋮e1(n)e2(n)…en(n)

Матричные равенства объединим в одно выражение:

c1(1)c2(1)⋯cn(1)c1(2)c2(2)⋯cn(2)⋮⋮⋮⋮c1(n)c2(n)⋯cn(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)·e1(1)e2(1)⋯en(1)e1(2)e2(2)⋯en(2)⋮⋮⋮⋮e1(n)e2(n)⋯en(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):

e1(1)e2(1)⋯en(1)e1(2)e2(2)⋯en(2)⋮⋮⋮⋮e1(n)e2(n)⋯en(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)·c1(1)c2(1)⋯cn(1)c1(2)c2(2)⋯cn(2)⋮⋮⋮⋮c1(n)c2(n)⋯cn(n)

Дадим следующие определения:

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)=10⋯001⋯0⋮⋮⋮⋮00⋯1e~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)=10⋯001⋯0⋮⋮⋮⋮00⋯1 

т.е. матрицы перехода взаимообратны.

Рассмотрим теорию на конкретном примере.

Как найти координаты вектора в базисе

Решение:
Записываем матрицу перехода А:

и находим ее определитель
<>0
Видим, что ранг матрицы С равен трем. Из теоремы о базисном миноре векторы f₁ , f₂ , f₃ линейно независимы, а поэтому могут быть приняты в качестве базиса пространства R 3 .
Находим обратную матрицу А -1 .
Транспонированная матрица:

Обратная матрица А -1

Находим координаты вектора х относительно нового базиса.

Пример №1 . Даны векторы a<1;2;1>, b<2;-2;1>, c <1;-2;0>и d <0;3;1>. Установить, что векторы a , b , c образуют базис, и найти координаты вектора d в этом базисе.
Решение:
Соотношение, записанное для векторов d = αa + βb + γc, справедливо для каждой из проекций:
α*1 + β*2 + γ*1 = 0
α*2 – β*2 – γ*2 = 3
α*1 + β*1 + γ0 = 1 т.е. получена алгебраическая система трёх уравнений с тремя неизвестными. Решение системы удобнее вычислять методом Крамера или методом обратной матрицы:
α = 1/2; β = 1/2; γ = -3/2
следовательно, и вектор d имеет разложение в базисе a, b, c :
d = 1/2a + 1/2b – 3/2c

Пример №2 . Даны векторы . Показать, что векторы образуют базис трехмерного пространства и найти координаты вектора в этом базисе:

Пример №3 . Даны два линейных преобразования:
х’₁ = a₁₁x₁ + a₁₂x₂ + a₁₃x₃, х”₁ = b₁₁x’₁ + b₁₂x’₂ + b₁₃x’₃,
х’₂ = a21x1 + a22x2 + a23x3, х”₂ = b₂₁x’1 + b₂₂x’₂ + b₂₃x’₃,
х’₃ = a₃₁x₁ + a₃₂x₂ + a₃₃x₃, х”₃ = b₃₁x’₁ + b₃₂x’₂ + b₃₃x’₃,
Средствами матричного исчисления найти преобразование, выражающее х”₁, x”₂, x”₃ через х₁, х₂, х₃.
х’₁ = 4x₁ + 3x₂ + 5x₃, х”₁ = – x’₁ + 3x’₂ – 2x’₃,
х’₂ = 6x₁ + 7x₂ + x₃, х”₂ = – 4x’₁ + x’₂ + 2x’₃,
х’₃ = 9x₁ + x₂ + 8x₃, х”₃ = 3x’₁ – 4x’₂ + 5x’₃,
Решение. Используя калькулятор, получаем:
Обозначим:

Тогда матричное уравнение запишется в виде: A·X = B.
Вычислим определитель матрицы А:
∆ = 4*(7*8 – 1*1) – 6*(3*8 – 1*5) + 9*(3*1 – 7*5) = -182
Определитель матрицы А равен detA=-182
Так как A невырожденная матрица, то существует обратная матрица A -1 . Умножим слева обе части уравнения на A -1 : A -1 ·A·X = A -1 ·B, тогда получим E·X = A -1 ·B, или X = A -1 ·B.
Найдем обратную матрицу A -1 .

A -1 = -1/182

55 -19 -32 -39 -13 26 -57 23 10

Матрицу Х ищем по формуле:

X = A -1 ·B = -1/182

55 -19 -32 -39 -13 26 -57 23 10

*

=

75 /182 -1 46 /91 1 9 /13 -13 /14 1 2 /7 -1 5 /182 1 3 /91 -1 2 /13

Пример №4 . В декартовой прямой системе координат даны вершины пирамиды A(3,0,-1), B(-1,-2,-4), C(-1,2,4), D(7,-3,1). Найдите:
а) длину ребра AB;
б) косинус угла между векторами AB и AC ;
в) уравнение ребра AB;
г) уравнение грани ABC;
д) уравнение высоты, опущенной из вершины D на грань ABC;
е) координаты векторов e ₁= AB , e ₂= AC , e ₃= AD и докажите, что они образуют линейную независимую систему;
ж) координаты вектора MN , где M и N – середины ребер AD и DC соответственно;
з) разложение вектора MN по базису ( e ₁, e ₂, e ₃)

Решение. Пункты (а-д) решаются через онлайн калькулятор.

Задание 1 . Разложить вектор d =(8;-5) по векторам a =(1;-2) и b =(2;3).
Решение. Векторы a и b образуют базис на плоскости, так как они не коллинеарны (, то есть соответствующие координаты этих векторов не пропорциональны).
Следовательно, вектор d = α a +β b , где α и β – коэффициенты, которые надо найти.
Таким образом, имеем равенство
8i-5j=α(i-2j)+β(2i+3j)=(α+2β)i+ (-2α+3β)j.
В координатной форме это равенство примет вид
Решим полученную систему уравнений.

Ортогональные векторы и условие ортогональности

В данной статье мы расскажем, что такое ортогональные векторы, какие существуют условия ортогональности, а также приведем подробные примеры для решения задач с ортогональными векторами.

Ортогональные векторы: определение и условие

Ортогональные векторы — это векторы a ¯ и b ¯ , угол между которыми равен 90 0 .

Необходимое условие для ортогональности векторов — два вектора a ¯ и b ¯ являются ортогональными (перпендикулярными), если их скалярное произведение равно нулю.

Примеры решения задач на ортогональность векторов

Плоские задачи на ортогональность векторов

Если дана плоская задача, то ортогональность для векторов a ¯ = < a x × a y >и b ¯ = < b x × b y >записывают следующим образом:

a ¯ × b ¯ = a x × b x + a y × b y = 0

Задача 1. Докажем, что векторы a ¯ = < 1 ; 2 >и b ¯ = < 2 ; – 1 >ортогональны.

Как решить?

Находим скалярное произведение данных векторов:

a ¯ × b ¯ = 1 × 2 + 2 × ( – 1 ) = 2 – 2 = 0

Ответ: поскольку произведение равняется нулю, то векторы являются ортогональными.

Задача 2. Докажем, что векторы a ¯ = < 3 ; – 1 >и b ¯ = < 7 ; 5 >ортогональны.

Как решить?

Находим скалярное произведение данных векторов:

a ¯ × b ¯ = 3 × 7 + ( – 1 ) × 5 = 21 – 5 = 16

Ответ: поскольку скалярное произведение не равняется нулю, то и векторы не являются ортогональными.

Задача 3. Найдем значение числа n , при котором векторы a ¯ = < 2 ; 4 >и b ¯ = < n ; 1 >будут ортогональными.

Как решить?

Найдем скалярное произведение данных векторов:

a ¯ × b ¯ = 2 × n + 4 × 1 = 2 n + 4 2 n + 4 = 0 2 n = – 4 n = – 2

Ответ: векторы являются ортогональными при значении n = 2 .

Примеры пространственных задач на ортогональность векторов

При решении пространственной задачи на ортогональность векторов a ¯ = < 1 ; 2 ; 0 >и b ¯ = < 2 ; – 1 ; 10 >условие записывается следующим образом: a ¯ × b ¯ = a x × b x + a y × b y + a z × b z = 0 .

Задача 4. Докажем, что векторы a ¯ = < 1 ; 2 ; 0 >и b ¯ = < 2 ; – 1 ; 10 >являются ортогональными.

Как решить?

Находим скалярное произведение данных векторов:

a ¯ × b ¯ = 1 × 2 + 2 × ( – 1 ) + 0 × 10 = 2 – 2 = 0

Ответ: поскольку произведение векторов равняется нулю, то они являются ортогональными.

Задача 5. Найдем значение числа n , при котором векторы a ¯ = < 2 ; 4 ; 1 >и b ¯ = < n ; 1 ; – 8 >будут являться ортогональными.

Как решить?

Находим скалярное произведение данных векторов:

a ¯ × b ¯ = 2 × n + 4 × 1 + 1 × ( – 8 ) = 2 n + 4 – 8 = 2 n – 4 2 n – 4 = 0 2 n = 4 n = 2

Ответ: векторы a ¯ и b ¯ будут ортогональными при значении n = 2 .

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.

Базис [math]mathbf_1,mathbf_2,ldots,mathbf_n[/math] евклидова пространства называется ортогональным , если все образующие его векторы попарно ортогональны, т.е.

Базис [math]mathbf_1,mathbf_2,ldots,mathbf_n[/math] евклидова пространства называется ортонормированным , если его векторы попарно ортогональны и длина каждого из них равна единице:

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:

y=begin y_1&cdots& y_n end^T[/math] — координатные столбцы векторов [math]mathbf[/math] и [math]mathbf[/math] , a [math]G(mathbf_1,mathbf_2,ldots, mathbf_n)[/math] — квадратная симметрическая матрица, составленная из скалярных произведений

которая называется матрицей Грама системы векторов [math]mathbf_1,mathbf_2,ldots,mathbf_n[/math] .

Преимущества ортонормированного базиса

Для ортонормированного базиса [math]mathbf_1,mathbf_2,ldots,mathbf_n[/math] формула (8.32) упрощается, так как из условия (8.31) следует, что матрица Грама [math]G(mathbf_1, mathbf_2,ldots,mathbf_n)[/math] ортонормированной системы [math]mathbf_1, mathbf_2,ldots, mathbf_n[/math] равна единичной матрице: [math]G(mathbf_1, mathbf_2,ldots,mathbf_n)=E[/math] .

1. В ортонормированном базисе [math]mathbf_1,mathbf_2,ldots, mathbf_n[/math] скалярное произведение векторов [math]mathbf[/math] и [math]mathbf[/math] находится по формуле: [math]langle mathbf,mathbfrangle= x_1y_1+x_2y_2+ldots+x_ny_n[/math] , где [math]x_1,ldots,x_n[/math] — координаты вектора [math]mathbf[/math] , а [math]y_1,ldots,y_n[/math] — координаты вектора [math]mathbf[/math] .

2. В ортонормированном базисе [math]mathbf_1,mathbf_2,ldots, mathbf_n[/math] длина вектора [math]mathbf[/math] вычисляется по формуле [math]|mathbf|= sqrt[/math] , где [math]x_1,ldots,x_n[/math] — координаты вектора [math]mathbf[/math] .

3. Координаты [math]x_1,ldots,x_n[/math] вектора [math]mathbf[/math] относительно ортонормированного базиса [math]mathbf_1,mathbf_2,ldots,mathbf_n[/math] находятся при помощи скалярного произведения по формулам: [math]x_1=langle mathbf,mathbf_1rangle,ldots, x_n=langle mathbf,mathbf_nrangle[/math] .

В самом деле, умножая обе части равенства [math]mathbf= x_1 mathbf_1+ldots+x_n mathbf_n[/math] на [math]mathbf_1[/math] , получаем

Аналогично доказываются остальные формулы.

Изменение матрицы Грама при переходе от одного базиса к другому

Пусть [math](mathbf)=(mathbf_1,ldots,mathbf_n)[/math] и [math](mathbf)= (mathbf_1,ldots,mathbf_n)[/math] — два базиса евклидова пространства [math]mathbb[/math] , a [math]S[/math] — матрица перехода от базиса [math](mathbf)[/math] к базису [math](mathbf)colon, (mathbf)=(mathbf)S[/math] . Требуется найти связь матриц Грама систем векторов [math](mathbf)[/math] и [math](mathbf)[/math]

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

где [math]mathoplimits_<(mathbf)>,, mathoplimits_<(mathbf)>[/math] и [math]mathoplimits_<(mathbf)>,, mathoplimits_<(mathbf)>[/math] — координатные столбцы векторов [math]mathbf[/math] и [math]mathbf[/math] в соответствующих базисах. Подставляя в последнее равенство связи [math]mathoplimits_<(mathbf)>= S mathoplimits_<(mathbf)>,[/math] [math]mathoplimits_<(mathbf)>= S mathoplimits_<(mathbf)>[/math] , получаем тождество

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

Записав это равенство для ортонормированных базисов [math](mathbf)[/math] и [math](mathbf)[/math] , получаем [math]E=S^TES[/math] , так как матрицы Грама ортонормированных базисов единичные: [math]G(mathbf_1,ldots,mathbf_n)= G(mathbf_1,ldots,mathbf_n)=E[/math] . Поэтому матрица [math]S[/math] перехода от одного ортонормированного базиса к другому является ортогональной: [math]S^<-1>=S^T[/math] .

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.

Действительно, если система [math]mathbf_1, mathbf_2, ldots,mathbf_k[/math] линейно зависима, то существуют такие числа [math]x_1,x_2,ldots,x_k[/math] , не равные нулю одновременно, что

Умножая это равенство скалярно на [math]mathbf_1[/math] , затем на [math]mathbf_2[/math] и т.д. на [math]mathbf_k[/math] , получаем однородную систему уравнений [math]G(mathbf_1,mathbf_2,ldots,mathbf_k)x=o[/math] , которая имеет нетривиальное решение [math]x=beginx_1&cdots&x_k end^T[/math] . Следовательно, ее определитель равен нулю. Необходимость доказана. Достаточность доказывается, проводя рассуждения в обратном порядке.

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.

2. Определитель Грама [math]det_1,mathbf_2, ldots, mathbf_k)>[/math] не изменяется в процессе ортогонализации системы векторов [math]mathbf_1,mathbf_2,ldots,mathbf_k[/math] . Другими словами, если в процессе ортогонализации векторов [math]mathbf_1,mathbf_2,ldots,mathbf_k[/math] получены векторы [math]mathbf_1,mathbf_2,ldots,mathbf_k[/math] , то

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

Выполним с определителем [math]det G(mathbf_1, mathbf_2, ldots,mathbf_k)[/math] следующие преобразования. Прибавим ко второй строке первую, умноженную на число [math](-alpha_<21>)[/math] , а затем ко второму столбцу прибавим первый, умноженный на [math](-alpha_<21>)[/math] . Получим определитель

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:

Вычислим правую часть этого равенства. Матрица [math]G(mathbf_1,mathbf_2,ldots, mathbf_k)[/math] Грама ортогональной системы [math]mathbf_1,mathbf_2, ldots,mathbf_k[/math] векторов является диагональной, так как [math]langle mathbf_i,mathbf_jrangle=0[/math] при [math]ine j[/math] . Поэтому ее определитель равен произведению элементов, стоящих на главной диагонали:

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

Докажем неотрицательность определителя Грама. Если система [math]mathbf_1,mathbf_2, ldots, mathbf_k[/math] линейно зависима, то определитель равен нулю (по свойству 1). Если же система [math]mathbf_1,mathbf_2,ldots, mathbf_k[/math] линейно независима, то, выполнив процесс ортогонализации, получим ненулевые векторы [math]mathbf_1,mathbf_2, ldots, mathbf_k[/math] , для которых по свойству 2:

Оценим теперь скалярный квадрат [math]langle mathbf_j,mathbf_jrangle[/math] . Выполняя процесс ортого-1нализации, имеем [math]mathbf_j= mathbf_j+ alpha_mathbf_1+ ldots+ alpha_mathbf_[/math] . Отсюда

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 :

Действительно, обозначив [math]a_1,a_2,ldots,a_n[/math] столбцы матрицы [math]A[/math] , элементы матрицы [math]A^TA[/math] можно представить как скалярные произведения (8.27): [math]langle a_i,a_jrangle= (a_i)^Ta_j[/math] . Тогда [math]A^TA=G(a_1,a_2,ldots,a_n)[/math] — матрица Грама системы [math]a_1,a_2,ldots,a_n[/math] векторов пространства [math]mathbb^n[/math] . По свойству 3, теореме 2.2 и свойству 1 определителя получаем доказываемое неравенство:

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

Два евклидовых пространства [math]mathbb[/math] и [math]mathbb'[/math] называются изоморфными [math](mathbbleftrightarrow mathbb’)[/math] , если они изоморфны как линейные пространства и скалярные произведения соответствующих векторов равны:

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

Напомним, что для изоморфизма конечномерных линейных пространств необходимо и достаточно, чтобы их размерности совпадали (см. теорему 8.3). Покажем, что это условие достаточно для изоморфизма евклидовых пространств (необходимость следует из определения). Как и при доказательстве теоремы 8.3, установим изоморфизм n-мерного евклидова пространства [math]mathbb[/math] с вещественным арифметическим пространством [math]mathbb^n[/math] со скалярным произведением (8.27). В самом деле, взяв в пространстве [math]mathbb[/math] какой-нибудь ортонормированный базис [math](mathbf)=(mathbf_1,ldots,mathbf_n)[/math] , поставим в соответствие каждому вектору [math]mathbfin mathbb[/math] его координатный столбец [math]xin mathbb^n

(mathbfleftrightarrow x)[/math] . Это взаимно однозначное соответствие устанавливает изоморфизм линейных пространств: [math]mathbbleftrightarrow mathbb^n[/math] . В ортонормированном базисе скалярное произведение векторов [math]mathbf[/math] и [math]mathbf[/math] пространства [math]mathbb[/math] находится по формуле

(см. пункт 1 преимуществ ортонормированного базиса). Такое же выражение дает скалярное произведение (8.27) координатных столбцов [math]x[/math] и [math]y[/math] , т.е. скалярные произведения соответствующих элементов равны

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).

[spoiler title=”источники:”]

http://zaochnik.com/spravochnik/matematika/vektory/ortogonalnye-vektory-i-uslovie-ortogonalnosti/

http://mathhelpplanet.com/static.php?p=ortogonalnyi-i-ortonormirovannyi-bazisy-evklidova-prostranstva

[/spoiler]

Разложение векторов по векторам базиса

Краткая теория

---

Вектор

 называется линейной комбинацией векторов

 векторного пространства

,
если он равен сумме произведений этих векторов на произвольные действительные
числа:

где

 – какие угодно действительные числа

Векторы

 векторного пространства

 называются линейно зависимыми, если существуют
такие числа

,
не равные одновременно нулю, что

В противном случае векторы

 называются линейно независимыми.

Из приведенных выше определений следует, что векторы

 линейно независимы, если последнее равенство
справедливо лишь при

,
и линейно зависимы, если равенство выполняется, когда хотя бы одно из чисел

 отлично от нуля.

Можно показать, что если векторы

 линейно зависимы, то
по крайней мере один из них линейно выражается через все остальные. Верно и
обратное утверждение о том, что если один из векторов выражается через
остальные, что все эти векторы в совокупности линейно зависимые.

Примеров линейно независимых векторов являются два неколлениарных на плоскости или три некомпланарных в
трехмерном пространстве, т.е. определитель, составленный из координат этих
векторов должен быть не равен нулю.

Пример решения задачи

---

Задача

Даны векторы

 и

 в
некотором базисе. Показать, что векторы

 образуют
базис, и найти координаты вектора

 в
этом базисе.

Решение

На сайте можно заказать решение контрольной или самостоятельной работы, домашнего задания, отдельных задач. Для этого вам нужно только связаться со мной:

ВКонтакте
WhatsApp
Telegram

Мгновенная связь в любое время и на любом этапе заказа. Общение без посредников. Удобная и быстрая оплата переводом на карту СберБанка. Опыт работы более 25 лет.

Подробное решение в электронном виде (docx, pdf) получите точно в срок или раньше.

Составим из координат векторов определитель и
вычислим его:  

Определитель не равен нулю, следовательно, система
векторов является линейно-независимой и образует базис трехмерного
пространства.

Вектор

 единственным образом разлагается по векторам
этого базиса.

Приравнивая соответствующие координаты векторов,
получаем следующую систему 3-х линейных уравнений: 

Решим систему уравнений

методом Крамера:

Ответ:

Координаты вектора

 в базисе векторов

 или