Составим систему линейных уравнений, используя векторы из условия задачи:
$$ begin{cases} 10= 2alpha + 3 beta + 5 gamma \ 3=3 alpha + 7 beta + 4 gamma \ 3 = 1 alpha + 2 beta + 2 gamma end{cases} $$
Запишем систему в привычном виде:
$$ begin{cases} 2alpha + 3 beta + 5 gamma = 10 \ 3 alpha + 7 beta + 4 gamma = 3 \ alpha + 2 beta + 2 gamma = 3 end{cases} $$
Решив систему уравнений любым методом, найдем неизвестные $ alpha, beta, gamma $. К примеру, возьмём метод Крамера.
Найдем главный определитель:
$$ Delta = begin{vmatrix} 2 & 3 & 5 \ 3 & 7 & 4 \ 1 & 2 & 2 end{vmatrix} = $$
$$ = 2 cdot 7 cdot 2 + 3 cdot 4 cdot 1 + 3 cdot 2 cdot 5 – 5 cdot 7 cdot 1 – 4 cdot 2 cdot 2 – 3 cdot 3 cdot 2 = $$
$$ = 28 + 12 + 30 – 35 – 16 – 18 = 1 $$
Так как $ Delta = 1 $ не равно нулю, то СЛАУ имеет единственное решение.
Вычислим дополнительные определители составленные из столбцов главного путём поочередной замены одного из столбцов на свободные члены системы:
$$ Delta_1 = begin{vmatrix} 10 & 3 & 5 \ 3 & 7 & 4 \ 3 & 2 & 2 end{vmatrix} = $$
$$ = 10 cdot 7 cdot 2 + 3 cdot 4 cdot 3 + 3 cdot 2 cdot 5 – 5 cdot 7 cdot 3 – 4 cdot 2 cdot 10 – 3 cdot 3 cdot 2 = $$
$$ = 140 + 36 + 30 – 105 – 80 – 18 = 3 $$
$$ Delta_2 = begin{vmatrix} 2 & 10 & 5 \ 3 & 3 & 4 \ 1 & 3 & 2 end{vmatrix} = $$
$$ = 2 cdot 3 cdot 2 + 10 cdot 4 cdot 1 + 3 cdot 3 cdot 5 – 5 cdot 3 cdot 1 – 4 cdot 3 cdot 2 – 10 cdot 3 cdot 2 = $$
$$ = 12 + 40 + 45 – 15 – 24 – 60 = -2 $$
$$ Delta_3 = begin{vmatrix} 2 & 3 & 10 \ 3 & 7 & 3 \ 1 & 2 & 3 end{vmatrix} = $$
$$ = 2 cdot 7 cdot 3 + 3 cdot 3 cdot 1 + 3 cdot 2 cdot 10 – 10 cdot 7 cdot 1 – 3 cdot 2 cdot 2 – 3 cdot 3 cdot 3 = $$
$$ = 42 + 9 + 60 – 70 – 12 – 27 = 2 $$
Теперь вычислим коэффициенты $ alpha, beta, gamma $:
$$ alpha = frac{Delta_1}{Delta} = frac{3}{1} = 3 $$
$$ beta = frac{Delta_2}{Delta} = frac{-2}{1} = -2 $$
$$ gamma = frac{Delta_3}{Delta} = frac{2}{1} = 2 $$
Зная постоянные $ alpha, beta, gamma $, запишем разложение вектора $ overline{x} $ по векторам $ overline{p}, overline{q}, overline{r} $:
$$ overline{x} = 3overline{p} – 2overline{q} + 2overline{r} $$
Если не получается решить свою задачу, то присылайте её к нам. Мы предоставим подробное решение онлайн. Вы сможете ознакомиться с ходом вычисления и почерпнуть информацию. Это поможет своевременно получить зачёт у преподавателя!
Разложение вектора по векторам
Чтобы разложить, вектор b по базисным векторам a 1, . an , необходимо найти коэффициенты x 1, . xn , при которых линейная комбинация векторов a 1, . an равна вектору b :
при этом коэффициенты x 1, . xn , называются координатами вектора b в базисе a 1, . an .
Пример задачи на разложение вектора по базисным векторам
Решение: Составим векторное уравнение:
которое можно записать в виде системы линейных уравнений
Разложение вектора по базису
В данной публикации мы рассмотрим, каким образом можно разложить вектор по двум базисным векторам, а также разберем пример решения задачи по этой теме.
Принцип разложения вектора
Для того, чтобы разложить вектор b по базисным векторам , требуется определить такие коэффициенты , при которых линейная комбинация векторов равняется вектору b , то есть:
Пример задачи
Разложим вектор по двум базисным векторам и .
Решение:
1. Векторное уравнение выглядит так:
3. Теперь нужно решить систему. Из второго уравнения получаем:
.
Подставляем полученное выражение в первое уравнение:
2 · (1 + 3y) + y = 16
2 + 6y + y = 16
7y = 14
y = 2
Следовательно, x = 1 + 3y = 1 + 2 · 2 = 7 .
Векторное пространство: размерность и базис, разложение вектора по базису
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.
Векторное пространство с размерностью n имеет столько базисов, сколько существует линейно независимых систем из n -мерных векторов числом n.
Плоскость является двумерным пространством – ее базисом будут два любых неколлинеарных вектора. Базисом трехмерного пространства послужат три любых некомпланарных вектора.
Рассмотрим применение данной теории на конкретных примерах.
Исходные данные: векторы
a = ( 3 , – 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , – 1 , – 2 )
Необходимо определить, являются ли указанные векторы базисом трехмерного векторного пространства.
Решение
Для решения поставленной задачи исследуем заданную систему векторов на линейную зависимость. Составим матрицу, где строки – координаты векторов. Определим ранг матрицы.
A = 3 2 3 – 2 1 – 1 1 2 – 2 A = 3 – 2 1 2 1 2 3 – 1 – 2 = 3 · 1 · ( – 2 ) + ( – 2 ) · 2 · 3 + 1 · 2 · ( – 1 ) – 1 · 1 · 3 – ( – 2 ) · 2 · ( – 2 ) – 3 · 2 · ( – 1 ) = = – 25 ≠ 0 ⇒ R a n k ( A ) = 3
Следовательно, заданные условием задачи векторы линейно независимы, и их численность равна размерности векторного пространства – они являются базисом векторного пространства.
Ответ: указанные векторы являются базисом векторного пространства.
Исходные данные: векторы
a = ( 3 , – 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , – 1 , – 2 ) d = ( 0 , 1 , 2 )
Необходимо определить, может ли указанная система векторов являться базисом трехмерного пространства.
Решение
Указанная в условии задачи система векторов является линейно зависимой, т.к. максимальное число линейно независимых векторов равно 3. Таким образом, указанная система векторов не может служить базисом трехмерного векторного пространства. Но стоит отметить, что подсистема исходной системы a = ( 3 , – 2 , 1 ) , b = ( 2 , 1 , 2 ) , c = ( 3 , – 1 , – 2 ) является базисом.
Ответ: указанная система векторов не является базисом.
Исходные данные: векторы
a = ( 1 , 2 , 3 , 3 ) b = ( 2 , 5 , 6 , 8 ) c = ( 1 , 3 , 2 , 4 ) d = ( 2 , 5 , 4 , 7 )
Могут ли они являться базисом четырехмерного пространства?
Решение
Cоставим матрицу, используя в качестве строк координаты заданных векторов
A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7
По методу Гаусса определим ранг матрицы:
A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7
1 2 3 3 0 1 0 2 0 1 – 1 1 0 1 – 2 1
1 2 3 3 0 1 0 2 0 0 – 1 – 1 0 0 – 2 – 1
1 2 3 3 0 1 0 2 0 0 – 1 – 1 0 0 0 1 ⇒ ⇒ R a n k ( A ) = 4
Следовательно, система заданных векторов линейно независима и их численность равна размерности векторного пространства – они являются базисом четырехмерного векторного пространства.
Ответ: заданные векторы являются базисом четырехмерного пространства.
Исходные данные: векторы
a ( 1 ) = ( 1 , 2 , – 1 , – 2 ) a ( 2 ) = ( 0 , 2 , 1 , – 3 ) a ( 3 ) = ( 1 , 0 , 0 , 5 )
Составляют ли они базис пространства размерностью 4?
Решение
Исходная система векторов линейно независима, но численность векторов в ней недостаточна, чтобы стать базисом четырехмерного пространства.
Ответ: нет, не составляют.
Разложение вектора по базису
Примем, что произвольные векторы e ( 1 ) , e ( 2 ) , . . . , e ( n ) являются базисом векторного n-мерного пространства. Добавим к ним некий n -мерный вектор x → : полученная система векторов станет линейно зависимой. Свойства линейной зависимости гласят, что хотя бы один из векторов такой системы может линейно выражаться через остальные. Переформулируя это утверждение, можно говорить о том, что хотя бы один из векторов линейно зависимой системы может раскладываться по остальным векторам.
Таким образом, мы пришли к формулировке важнейшей теоремы:
Любой вектор n -мерного векторного пространства единственным образом раскладывается по базису.
Докажем эту теорему:
зададим базис n -мерного векторного пространства – e ( 1 ) , e ( 2 ) , . . . , e ( n ) . Сделаем систему линейно зависимой, добавив к ней n -мерный вектор x → . Этот вектор может быть линейно выражен через исходные векторы e :
x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) , где x 1 , x 2 , . . . , x n – некоторые числа.
Теперь докажем, что такое разложение является единственным. Предположим, что это не так и существует еще одно подобное разложение:
Отнимем от левой и правой частей этого равенства соответственно левую и правую части равенства x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) . Получим:
1 – x 1 ) · e ( 1 ) + ( x
2 – x 2 ) · e ( 2 ) + . . . ( x
Система базисных векторов e ( 1 ) , e ( 2 ) , . . . , e ( n ) линейно независима; по определению линейной независимости системы векторов равенство выше возможно только тогда, когда все коэффициенты ( x
2 – x 2 ) , . . . , ( x
n – x n ) будут равны нулю. Из чего справедливым будет: x 1 = x
n . И это доказывает единственный вариант разложения вектора по базису.
При этом коэффициенты x 1 , x 2 , . . . , x n называются координатами вектора x → в базисе e ( 1 ) , e ( 2 ) , . . . , e ( n ) .
Доказанная теория делает понятным выражение «задан n -мерный вектор x = ( x 1 , x 2 , . . . , x n ) »: рассматривается вектор x → n -мерного векторного пространства, и его координаты заданы в некотором базисе. При этом также понятно, что этот же вектор в другом базисе n -мерного пространства будет иметь другие координаты.
Рассмотрим следующий пример: допустим, что в некотором базисе n -мерного векторного пространства задана система из n линейно независимых векторов
e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )
а также задан вектор x = ( x 1 , x 2 , . . . , x n ) .
Векторы e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) в этом случае также являются базисом этого векторного пространства.
Предположим, что необходимо определить координаты вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) , обозначаемые как x
Вектор x → будет представлен следующим образом:
2 · e ( 2 ) + . . . + x
Запишем это выражение в координатной форме:
( x 1 , x 2 , . . . , x n ) = x
1 · ( e ( 1 ) 1 , e ( 1 ) 2 , . . . , e ( 1 ) n ) + x
2 · ( e ( 2 ) 1 , e ( 2 ) 2 , . . . , e ( 2 ) n ) + . . . + + x
n · ( e ( n ) 1 , e ( n ) 2 , . . . , e ( n ) n ) = = ( x
2 e 1 ( 2 ) + . . . + x
2 e 2 ( 2 ) + + . . . + x
n e 2 ( n ) , . . . , x
2 e n ( 2 ) + . . . + x
Полученное равенство равносильно системе из n линейных алгебраических выражений с n неизвестными линейными переменными x
n e 2 n ⋮ x n = 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 )
Пусть это будет матрица A , и ее столбцы – векторы линейно независимой системы векторов e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) . Ранг матрицы – n , и ее определитель отличен от нуля. Это свидетельствует о том, что система уравнений имеет единственное решение, определяемое любым удобным способом: к примеру, методом Крамера или матричным методом. Таким образом мы сможем определить координаты x
n вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) .
Применим рассмотренную теорию на конкретном примере.
Исходные данные: в базисе трехмерного пространства заданы векторы
e ( 1 ) = ( 1 , – 1 , 1 ) e ( 2 ) = ( 3 , 2 , – 5 ) e ( 3 ) = ( 2 , 1 , – 3 ) x = ( 6 , 2 , – 7 )
Необходимо подтвердить факт, что система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) также служит базисом заданного пространства, а также определить координаты вектора х в заданном базисе.
Решение
Система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) будет являться базисом трехмерного пространства, если она линейно независима. Выясним эту возможность, определив ранг матрицы A , строки которой – заданные векторы e ( 1 ) , e ( 2 ) , e ( 3 ) .
Используем метод Гаусса:
A = 1 – 1 1 3 2 – 5 2 1 – 3
1 – 1 1 0 5 – 8 0 3 – 5
1 – 1 1 0 5 – 8 0 0 – 1 5
R a n k ( A ) = 3 . Таким образом, система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) линейно независима и является базисом.
Пусть в базисе вектор x → имеет координаты x
3 . Связь этих координат определяется уравнением:
3 e 1 ( 3 ) x 2 = x
3 e 2 ( 3 ) x 3 = x
Применим значения согласно условиям задачи:
Решим систему уравнений методом Крамера:
∆ = 1 3 2 – 1 2 1 1 – 5 – 3 = – 1 ∆ x
1 = 6 3 2 2 2 1 – 7 – 5 – 3 = – 1 , x
1 ∆ = – 1 – 1 = 1 ∆ x
2 = 1 6 2 – 1 2 1 1 – 7 – 3 = – 1 , x
2 ∆ = – 1 – 1 = 1 ∆ x
3 = 1 3 6 – 1 2 2 1 – 5 – 7 = – 1 , x
Так, вектор x → в базисе e ( 1 ) , e ( 2 ) , e ( 3 ) имеет координаты x
Ответ: x = ( 1 , 1 , 1 )
Связь между базисами
Предположим, что в некотором базисе n-мерного векторного пространства даны две линейно независимые системы векторов:
c ( 1 ) = ( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) c ( 2 ) = ( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) ⋮ c ( n ) = ( c 1 ( n ) , e 2 ( n ) , . . . , c n ( n ) )
e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )
Указанные системы являются также базисами заданного пространства.
n ( 1 ) – координаты вектора c ( 1 ) в базисе e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) , тогда связь координат будет задаваться системой линейных уравнений:
1 ( 1 ) e 1 ( 1 ) + c
2 ( 1 ) e 1 ( 2 ) + . . . + c
n ( 1 ) e 1 ( n ) с 2 ( 1 ) = c
1 ( 1 ) e 2 ( 1 ) + c
2 ( 1 ) e 2 ( 2 ) + . . . + c
n ( 1 ) e 2 ( n ) ⋮ с n ( 1 ) = c
1 ( 1 ) e n ( 1 ) + c
2 ( 1 ) e n ( 2 ) + . . . + c
В виде матрицы систему можно отобразить так:
( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) = ( c
n ( 1 ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )
Сделаем по аналогии такую же запись для вектора c ( 2 ) :
( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) = ( c
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:
( 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 )
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.
Используя тот же принцип, возможно выразить все векторы базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) через базис c ( 1 ) , c ( 2 ) , . . . , c ( n ) :
e 1 ( 1 ) e 2 ( 1 ) ⋯ e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) ⋯ e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) ⋯ e n ( n ) = e
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:
n ( n ) является матрицей перехода от базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 )
к базису c ( 1 ) , c ( 2 ) , . . . , c ( n ) .
n ( n ) является матрицей перехода от базиса c ( 1 ) , c ( 2 ) , . . . , c ( n )
к базису e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) .
[spoiler title=”источники:”]
http://zaochnik.com/spravochnik/matematika/vektory/vektornoe-prostranstvo/
[/spoiler]
оксана николаевна кузнецова
Эксперт по предмету «Математика»
Задать вопрос автору статьи
Вектор в произвольном линейном пространстве — это некоторый элемент этого пространства.
Замечание 1
Базисом трёхмерного пространства называют некоторые линейно независимые вектора $a, b$ и $c$, если любой вектор $d$ может быть выражен в виде линейной комбинации этих векторов, то есть существуют некоторые вещественные коэффициенты $λ, μ$ и $ν$, причём такие, что будет соблюдаться условие $d= λ cdot a + μcdot b + ν cdot c left( 1 right)$.
Числа $λ, μ$ и $ν$ называются координатами рассматриваемого вектора относительно некоторого базиса $a, b$ и $c$.
В контексте плоскости базисом будет два независимых вектора, лежащих в этой плоскости, а не три, как в объёмном мире.
Любой вектор $d$ имеет лишь единственное разложение по базису векторов, то есть его координаты задаются однозначно через используемый базис.
Сдай на права пока
учишься в ВУЗе
Вся теория в удобном приложении. Выбери инструктора и начни заниматься!
Получить скидку 3 000 ₽
Определение 1
Аффинными координатами некоторой точки $M$ в пространстве называются координаты точки относительно базиса пространства $a, b$ и $c$ и некоторой точки $O$, которую принимают за начало координат.
Декартова система координат является примером аффиной системы координат, причём базисные вектора в ней принято обозначать не буквами $a, b$ и $c$, а $i, j$ и $k$, представляющими собой направленные ортогональные между собой отрезки, причём длина каждого равна единице.
Для декартовой системы координат формула разложения выглядит так:
$d = X cdot vec{i} + Y cdot vec{j} + Z cdot vec{k}$
Здесь $X, Y$ и $Z$ — координаты вектора, а $ i, j$ и $k$ — базис.
Через базис декартовой системы координат выражается скалярное произведение векторов, заданных в этом пространстве. Для этого их координаты записываются через специальную матрицу.
Пример 1
Докажите, что вектора, $a_1…a_4$, перечисленные ниже, являются базисом пространства $mathbb{R^4}$.
$a_1 = (1; 2; -1: -2)$;
$a_2 = (2; 3 0; -1)$;
$a_3 = (1; 2; 1; 4)$;
$a_4 = (1; 3; -1; 0)$
Решение:
Размерность данного пространства равна 4, а это значит, что для проверки того, являются ли эти вектора базисом, нужно доказать их линейную независимость, то есть доказать, что ранг матрицы, составленной из координат этих векторов как из строчек, равен количеству строк.
Составленная матрица имеет вид:
$A = begin{pmatrix} 1 & 2 & -1 & -2 \ 2 & 3 & 0 & -1 \ 1 & 2 & 1 & 4 \ 1 & 3 & -1 & 0 \ end{pmatrix}$
Преобразуем её к треугольной, для краткости описания выполняемых операций строчки будем записывать (n), здесь $n$ — номер строчки.
1) (4) – (1); (3) – (1); (2) – (1) $cdot 2$:
$begin{pmatrix} 1 & 2 & -1 & -2 \ 0 & -1 & 2 & 3 \ 0 & 0 & 2 & 6 \ 0 & 1 & 0 & 2 \ end{pmatrix}$
2) (4) + (2):
$begin{pmatrix} 1 & 2 & -1 & -2 \ 0 & -1 & 2 & 3 \ 0 & 0 & 2 & 6 \ 0 & 0 & 2 & 5 \ end{pmatrix}$
3) (4) – (3):
$begin{pmatrix} 1 & 2 & -1 & -2 \ 0 & -1 & 2 & 3 \ 0 & 0 & 2 & 6 \ 0 & 0 & 0 & -1 \ end{pmatrix}$
Приведённая матрица имеет ранг 4, а значит данные вектора образуют базис этого пространства.
«Разложение вектора по базису векторов: формулировка с примерами решения» 👇
Пример 2
Пусть вектор $vec{k}$ можно разложить с использованием базиса $vec{a}$ и $vec{b}$ по формуле
$vec{k}= 5cdot vec{a} – 3 cdot vec{b}$. Каковы его координаты в соответствии с этим базисом?
Решение:
$vec{a}$ и $vec{b}$ — единичные вектора данного двумерного пространства, а это значит, что коэффициенты при них в заданном равенстве и являются координатами в этом базисе:
$vec{k} = (5; – 3)_{{a; b}}$.
Пример 3
Дан базис из трёх векторов $(1; 1; 3), ( -3; 4; 9), (2; -2; 4)$ и вектор $vec{k}=(8; -9; 6)$. Разложите данный вектор по заданному базису.
Решение:
Воспользуемся формулировкой разложения $(1)$:
$k_1 cdot (1; 1; 3) + k_2 cdot ( -3; 4; 9) + k_3 cdot (2; -2; 4) = (8; -9; 6)$;
Для того чтобы узнать координаты в данном базисе, составим расширенную матрицу, действия со строчками будем записывать как в предыдущем примере:
$begin{array}{ccc|c} 1 & -3 & 2 & 8 \ -1 & 4 & -2 & -9 \ 3 & 9 & 4 & 6 \ end{array}$
1) (2) – (1); (3) – (1) $cdot 3$:
$begin{array}{ccc|c} 1 & -3 & 2 & 8 \ 0 & 1 & 0 & -1 \ 0 & 18 & -2 & -18 \ end{array}$;
2) (1) + (2) $cdot 3$; (3) – (2) $cdot 18$:
$begin{array}{ccc|c} 1 & 0 & 2 & 5 \ 0 & 1 & 0 & -1 \ 0 & 0 & -2 & 0 \ end{array}$;
3) (3) : (-2):
$begin{array}{ccc|c} 1 & 0 & 2 & 5 \ 0 & 1 & 0 & -1 \ 0 & 0 & 1 & 0 \ end{array}$;
4) (1) – (3) $cdot 2$:
$begin{array}{ccc|c} 1 & 0 & 0 & 5 \ 0 & 1 & 0 & -1 \ 0 & 0 & 1 & 0 \ end{array}$;
Координатами вектора $vec{k}$ в заданном базисе будут $(5; – 1; 0)$.
Находи статьи и создавай свой список литературы по ГОСТу
Поиск по теме
В данной публикации мы рассмотрим, каким образом можно разложить вектор по двум базисным векторам, а также разберем пример решения задачи по этой теме.
- Принцип разложения вектора
- Пример задачи
Принцип разложения вектора
Для того, чтобы разложить вектор b по базисным векторам a1, …, an, требуется определить такие коэффициенты x1, …, xn, при которых линейная комбинация векторов a1, …, an равняется вектору b, то есть:
x1a1 + … + xnan = b
где x1, …, xn – координаты вектора b в базисе a1, …, an
Пример задачи
Разложим вектор b = {16; 1} по двум базисным векторам m = {2; 1} и n = {1; -3}.
Решение:
1. Векторное уравнение выглядит так:
xm + yn = b
2. Представим его в виде системы линейных уравнений:
3. Теперь нужно решить систему. Из второго уравнения получаем:
x = 1 + 3y.
Подставляем полученное выражение в первое уравнение:
2 · (1 + 3y) + y = 16
2 + 6y + y = 16
7y = 14
y = 2
Следовательно, x = 1 + 3y = 1 + 2 · 2 = 7.
Ответ: b = 7m + 2n.
Математика
Тема 5: Метод координат
Урок 4: Координаты вектора. Разложение вектора по двум неколлинеарным векторам
- Видео
- Тренажер
- Теория
Заметили ошибку?
Координаты вектора. Разложение вектора по двум неколлинеарным векторам.
Если векторы a⃗ и b⃗ коллинеарны и a⃗≠0⃗, то существует такое число k, что b⃗=ka⃗.
Пусть a⃗ и b⃗ – два данных вектора. Если вектор p представлен в виде p⃗=xa⃗+yb⃗, где x и y – некоторые числа, то говорят, что вектор p⃗ разложен по векторам a⃗ и b⃗. Числа x и y называются коэффициентами разложения.
Теорема
На плоскости любой вектор можно разложить по двум данным неколлинеарным векторам, причем коэффициенты разложения определяются единственным образом.
Напомню, что для задания прямоугольной системы координат нужно провести две взаимно перпендикулярные прямые, на каждой из них выбрать направление (оно обозначается стрелкой) и выбрать единицу измерения отрезков. При выбранной единице измерения отрезков длина каждого отрезка выражается положительным числом.
В дальнейшем под длиной отрезка мы будем понимать это число.
Отложим от начала координат O единичные векторы (т.е. векторы, длины которых равны единице) i⃗ и j⃗ так, чтобы направление вектора i⃗совпало с напралением оси Ox, а направление вектора j⃗ – с направлением оси Oy. Векторы i⃗ и j⃗ назовем координатными векторами.
Координатные векторы не коллинеарны, поэтому любой вектор p⃗ можно разложить по координатным векторам, т.е. представить в виде p⃗=xi⃗+yj⃗, причем коэффициенты разложения (числа x и y) определяются единственным образом. Коэффициенты разложения вектора p⃗ по координатным векторамназываются координатными векторамиp⃗ в данной системе координат. Координаты вектора будем записывать в фигурных скобках после обозначения вектора: p⃗{x;y}.
Так как нулевой вектор можно представить в виде 0⃗=0.i⃗+0.j⃗, то его координаты равны нулю: 0⃗{0;0}. Если векторы a⃗=x1i⃗+y1j⃗ и b⃗=x2i⃗+y2j⃗ равны, то x1 = x2 и y1 = y3. Таким образом, координаты равных векторов соответственно равны.
Рассмотрим правила, позволяющие по координатам векторов находить координаты их суммы, разности и произведения вектора на число.
-
Каждая координата суммы двух или более векторов равна сумме соответствующих координат этих векторов.
Докажем это утверждение для двух векторов. Рассмотрим векторы a{x1;y1} и b{x2;y2}. Так как a⃗=x1i⃗+y1j⃗ и b ⃗=x2i⃗ +y2j⃗ ,то, пользуясь свойствами сложения векторов и умножения вектора на число, получим:
a⃗+b⃗=x1i⃗+y1j⃗+x2i⃗+y2j⃗=(x1+x2)i⃗+(y1+y2)j⃗ .
Следовательно, что координаты вектора a⃗+b⃗ равны {x1+x2; y1+y2}.
Аналогично доказывается следующее утверждение:
-
Каждая координата разности двух или более векторов равна разности соответствующих координат этих векторов.
Иными словами, если a⃗{x1;y1} и b⃗{x2;y2} – данные векторы, то вектор a⃗–b⃗ имеет координаты {x1-x2;y1-y2}.
-
Каждая координата произведения вектора на число равна произведению соответствующей координаты вектора на это число.
В самом деле, пусть вектор a⃗ имеет координаты {x;y}. Найдем координаты вектора ka⃗, гдеk – произвольное число. Так как a⃗=xi⃗+yj⃗, то kxi⃗+kyj⃗. Отсюда следует, что координаты вектора ka⃗ равны {kx;ky}.
Рассмотренные правила позволяют определить координаты любого вектора, представленного в виде алгебраической суммы данных векторов с известными координатами.
Найти координаты вектора a⃗+b⃗,если a⃗{3;2},b⃗{2;5}
Чтобы найти координаты вектора суммы, надо сложить соответствующие координаты данных векторов, получим:
a⃗+b⃗ имеет координаты {3 + 2; 2 + 5}, то есть {5; 7}
Найти координаты вектора 2a⃗, если a⃗{3;2}
Значит, вектор 2a⃗ имеет координаты {2 ⋅ 3; 2 ⋅ 2}, то есть {6;4}
Итак, сегодня мы узнали, что любой вектор можно разложить по двум неколлинеарным векторам, ввели понятие координат вектора и рассмотрели правила, позволяющие находить координаты суммы, разности векторов, и произведения вектора на число. А в следующий раз мы найдем связь между координатами вектора и координатами его начала и конца.
Заметили ошибку?
Расскажите нам об ошибке, и мы ее исправим.
