Как найти размерность линейной оболочки онлайн

Базисом
в
-мерном пространстве называется упорядоченная система из

линейно-независимых векторов.

Введём также некоторые дополнительные понятия, необходимые для дальнейшего изложения.

Выражение вида:

, где
−
некоторые числа и

называется
линейной комбинацией
векторов
.

Если существуют такие числа

из которых хотя бы одно не равно нулю (например
) и при этом выполняется равенство:

, то система векторов
−
является
линейно-зависимой.

Если же указанное равенство выполняется лишь при условии, что все числа
,
тогда система векторов
−
является
линейно-независимой.

Базис
может образовывать только
линейно-независимая
система векторов. Понятие линейной зависимости/независимости системы векторов, тесно связано с понятием
ранга матрицы.

Наш онлайн калькулятор позволяет проверить образует ли система векторов
базис.
При этом калькулятор выдаёт подробное решение на русском языке.

Определение
1.
Линейной
оболочкой
заданной
конечной совокупности

элементов векторного пространства
ⁿ
над полем К называется множество всех
линейных комбинаций этих элементов с
коэффициентами из поля К. При этом сама
совокупность

называется порождающей
системой
данной линейной оболочки, а сама линейная
оболочка обозначается символом
.

Линейные оболочки
обладают следующими свойствами:

.
Линейная оболочка элементов векторного
пространства
ⁿ
является подпространством М векторного
пространства
ⁿ.

Данный
результат следует из определения
линейной оболочки: сумма
двух векторов из линейной оболочки
будет принадлежать линейной оболочки
(одна из линейных комбинаций), произведение
вектора из линейной оболочки также
будет принадлежать линейной оболочки.

.
Линейная оболочка может совпадать со
всем пространством Rⁿ
(если образующая
система является базисом
в пространстве Rⁿ
)

.
Линейная оболочка

является наименьшим подпространством,
содержащим элементы
.
Все остальные подпространства могут
только содержать вектора порождающей
системы или их возможные комбинации.

.
Если какой-нибудь элемент из порождающей
системы элементов

есть линейная комбинация остальных
элементов этой системы, то его можно
удалить из порождающей системы, не
изменив при этом линейной оболочки.

.
Если координатная матрица системы
образующих

имеет ранг р, где
,
то любая линейно независимая система
,
является базисом линейной оболочки
,
а сама линейная оболочка будет
подпространством размерности р,
.

Примеры.

1. Если
   a,
   b,
   с – геометрические векторы, лежащие
   на одной прямой. В этом случае линейная
   оболочка L(а,b,c)=
   L(a).Здесь
   линейная оболочка является одномерным
   пространством, которое состоит из всех
   вектор, лежащих на прямой, причем вектор
   а
   –является базисом.

2. Пусть
   a,
   b,
   с – геометрические векторы, причем a,
   b
   не коллинеарны, с = а + b.
   В этом случае линейная оболочка L(а,b,c)=
   L(a,b).Здесь
   линейная оболочка является двумерным
   пространством, состоящем из всех
   векторов, компланарных с векторами a
   и b.
   Вектора а,b
   составляют базис в L(a,b).
   Любой вектор из L
   представляется в виде линейной комбинации
   векторов а
   и b.

Вообще,
в конечномерном пространстве R
всякое подпространство L

является линейной
оболочкой некоторой системы векторов.

Рассмотри
следующую задачу.
В евклидовом пространстве Eⁿ
задана линейная оболочка
,
где k

n.
Требуется:

1)Найти
размерность и базис линейной оболочки
;
2)Выделить в линейной оболочке

ортогональный базис и

достроить
его до
ортонормированного базиса евклидова

пространства
Eⁿ.

Если
схема решения первой задачи нам знакома,
то решение второй задачи строится на
следующем теоретическом результате.

Теорема
(Грама
– Шмидта)

Пусть

– система линейно независимых векторов
в евклидовом пространстве, где k

n,
являющихся образующей системой линейной
оболочки
.
Система векторов
,
описываемая формулами

,

,

,
. . .

где
коэффициенты

,
,

образует
ортогональный
базис
линейной оболочки
.

Доказательство.
Для
доказательства теоремы достаточно
доказать следующее утверждение: вектор

ортогонален вектору
.

Действительно,
умножая скалярно вектор

на вектор
,
получим

==0

Следствие.
Результат теоремы дает
алгоритм последовательной ортогонализации
системы линейно независимых элементов
( так
называемый
метод Грама – Шмидта).

Пример

1. В
   евклидовом пространстве E⁴
   линейная оболочка
   
   задана образующей системой векторов
   
   с координатами

.

Требуется:

а)
найти размерность и базис линейной
оболочки

б)
указать в линейной оболочке

ортонормированный базис

и
достроить его до ортонормированного
базиса евклидова

пространства
E⁴.

Решение.
Рассмотрим координатную матрицу
.
Так как

,

то
,
элементы

линейно независимы в E⁴
и образуют базис данной линейной
оболочки, являющейся подпространством
в E⁴.

Для
построения ортонормированного базиса
в E⁴
применим метод
ортогонализации
Грама-Шмидта. Получим

,

,

.

Записывая векторы
столбцами их координат, последовательно
найдем

.

Легко
проверить, что полученные элементы

попарно ортогональны. Найдем ортогональный
им вектор
.

Пусть
,
то неизвестные координаты

вектора Y₄
найдутся из условий

,,.

Так
как
,
в последней системе неизвестные

можно взять в качестве базисных
неизвестных.

Если
для свободной (небазисной) неизвестной
,
то
.

Нормировав
найденные векторы
,
построим ортонормированный базис в E⁴:

.

Задача
решена.

В
завершении параграфа введем важное
определение.

Пусть

– – базис в Eⁿ
и векторы

представлены в этом базисе своими
разложениями

.

Тогда
скалярное произведение этих векторов
имеет вид

или в матричной форме
,
где

– столбцы координат векторов

в базисе

а симметричная матрица

составлена из скалярных произведений
базисных векторов:

.

В
общем случае в качестве элементов
матрицы А рассматривают скалярные
произведения произвольной системы
векторов а₁,
а₂,…,
а_n

Определение
3.
Определитель
матрицы А
скалярных произведений заданной системы
векторов
называют определителем
Грама.

Теорема
Произвольная
система
векторов,
заданных в ортонормированном
базисе,
будет линейно
независимой,
если ее определитель
Грама отличен от нуля.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

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

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 ) .

Линейные оболочки и подпространства

Определение. Подпространством линейного пространства называется множество векторов из такое, что для любых двух векторови из и любых двух вещественных чисел и линейная комбинация также принадлежит .

Утверждение. Подпространство само является линейным про­странством.

Определение. Линейной оболочкой системы векторов называется множество всех линейных комбинаций векторов . Обозначается .

Утверждение. Линейная оболочка системы векторов является подпространством.

Определение. Пересечением двух подпространств и на­зывается множество всех векторов, принадлежащих одновре­менно и ,и . Обозначается .

Определение. Суммой двух подпространств и называется множество всех векторов , представимых в виде , где , . Обозначается .

Утверждение. Сумма и пересечение подпространств и являются линейными пространствами, и их размерности связаны равенством

+ = + .

Определение. Сумма двух подпространств называется прямой суммой, если пересечение этих подпространств состо­ит только из нулевого вектора.

Примеры

1. Найти размерность и какой-нибудь базис суммы и пересечения подпространств, порождённых векторами .

Решение. Вычислим вначале размерность подпространств. С этой целью установим, являются ли линейно независимыми векторы, порождающие данные подпространства. Для подпространства , порождённого векторами , равенство нулю линейной комбинации , эквивалентное системе уравнений , достигается лишь при условии . Следовательно, векторы линейно

независимы и размерность подпространства равна 2: . Для подпространства , порождённого векторами , проводя аналогичный анализ, получим .

Вычислим теперь размерность пересечения подпространств и . По определению векторы, составляющие пересечение, принадлежат одновременно обоим подпространствам. Произвольный вектор подпространства является линейной комбинацией базисных векторов : . Аналогично для подпространства имеем , тогда условие принадлежности пересечению есть или .

Это условие представляет собой систему уравнений относительно коэффициентов . Составим матрицу системы и упростим её с помощью элементарных преобразований:

Как видно ранг системы равен 3. Значит ФСР состоит из одного линейно независимого вектора. Найдём его, решив систему уравнений, соответствующих последней матрице, получим ,

откуда .

Полагая свободное неизвестное , для остальных имеем

. Итак, пересечение подпространств имеет один базисный вектор

.

Размерность пересечения . Следовательно, в соответствии с равенством

размерность суммы подпространств . В качестве базиса суммы подпространств можно взять, например, векторы , дополненные вектором . В линейной независимости векторов убедиться нетрудно.

Задачи

3.39. Найти размерность и какой-нибудь базис подпространства, порожденного векторами , , , , .

3.40. Найти размерность и какой-либо базис линейной оболочки векторов , , , , .

3.41. Является ли подпространством в указанном пространстве множество

а) векторов, выходящих из начала координат и заканчиваю­щихся на фиксированной прямой, в пространстве R 2 ;

б) бесконечно малых числовых последовательностей в про­странстве сходящихся последовательностей;

в) сходящихся к числу последовательностей в простран­стве сходящихся последовательностей;

г) диагональных матриц в пространстве квадратных матриц того же порядка;

д) невырожденных матриц в пространстве симметричных мат­риц того же порядка;

е) дифференцируемых на интервале функций в простран­стве функций, непрерывных на отрезке .

3.42. Почему не является подпространством в указанном про­странстве множество

а) векторов, каждый из которых лежит на одной из коорди­натных плоскостей, в пространстве R 3 ;

б) векторов из пространства R n , координаты которых удовлетворяют уравнению ;

в) расходящихся числовых последовательностей в простран­стве ограниченных последовательностей;

г) вырожденных матриц в пространстве квадратных матриц того же порядка;

д) монотонно возрастающих и ограниченных на множестве функций в пространстве функций, ограниченных на том же множестве.

3.43. Найти размерность и какой-либо базис подпространства ре­шений однородной системы:

а) ; б) ;

в) .

3.44. Доказать, что данное множество является подпространством в R n , найти его размерность и какой-либо базис:

а) все n-мерные векторы, координаты которых удовлетворя­ют уравнению ;

б) все n-мерные векторы, у которых первая координата равна нулю;

в) все n-мерные векторы, у которых первая и последняя координаты равны между собой;

г) все n-мерные векторы, у которых координаты с четными номерами равны нулю;

д) все n-мерные векторы, у которых координаты с нечетны­ми номерами равны между собой.

3.45. Найти размерность суммы и пересечения подпространств, порожденных векторами , и , . Является ли эта сумма прямой суммой?

3.46. Найти размерность суммы и пересечения линейных оболочек векторов , , и , , . Является ли их cумма прямой?

3.47. Найти базис суммы и пересечения двух подпространств, порожденных соответственно векторами и , если

а) , , , , , ;

б) , , , , , .

3.48. Найти базис суммы и пересечения линейных оболочек и , если

а) , , , ;

б) , , , , , .

Является ли прямой сумма этих подпространств?

[spoiler title=”источники:”]

http://lektsii.org/10-6017.html

[/spoiler]

The calculator will find a basis of the space spanned by the set of given vectors, with steps shown.

Related calculators:

Linear Independence Calculator,
Matrix Rank Calculator

Рассмотрим L – линейное пространство.

–  Сколько в L линейно независимых векторов.

–  Какой из смысл.

Определение: Линейное пространство L называется N-мерным, а число N – размерностью, если в L существует N линейно независимых векторов, причём любые N+1 векторов линейно зависимы.

Определение: В N-мерном линейном пространстве L любая совокупность(система) N линейно независимых векторов называется базисом.

, – базисные векторы.

Определение: если – базис в , то для любого существуют числа : . Это разложение вектора по базису.

Теорема 8: В данном базисе координаты вектора определены однозначно

Доказательство(от противного): Пусть в базисе два набора чисел для вектора

Так как линейно независимы, то все

Если в L существует любое число линейно независимых векторов, то L называется бесконечномерным линейным пространством.

Примеры базисов:

1)

2)

Базис Вейля

3)

.

4)

Подпространство и линейная оболочка

Пусть

L – множество

M – подмножество

Кроме того

L – линейное пространство

Тогда M – подпространство в L, если

Рассмотрим систему векторов .

Определение: Линейной оболочкой системы векторов называется множество всевозможных линейных комбинаций этих векторов. То есть: . Очевидно, что и является подпространством.

Пример: найти размерность и базис линейной оболочки , где

линейно независимы.

Операции над линейными пространствами.

– линейные пространства.

А)

Б)

А) Что такое .

Определение: линейное пространство L является прямой суммой и , если: выполняется одно из условий:

1)

2)

Теорема 9: Для того, чтобы , достаточно, чтобы

1)

2)

Тогда чтобы доказать, что, необходимо доказать, что – базис в L.

Рассмотрим:

Тогда .

Так как , то 0=0

< Предыдущая		Следующая >