Как найти вектор в базисе трех векторов

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.

Онлайн калькулятор. Разложение вектора по базису.

Этот онлайн калькулятор позволит вам очень просто разложить вектор по базисным векторам.

Воспользовавшись онлайн калькулятором, вы получите детальное решение вашей задачи, которое позволит понять алгоритм решения задач и закрепить пройденый материал.

Калькулятор для разложения вектора по базисным векторам

Выберите размерность пространства

Количество координат в векторе:

Введите значение базисных векторов:

Введите значение вектора, который необходимо разложить по базису:

Инструкция использования калькулятора для разложение вектора по базисным векторам

• Для того чтобы разложить вектор по базисным векторам онлайн:
• выберите необходимую вам размерность пространства (количество координат в векторе);
• введите значения базисных векторов;
• введите значения вектора который нужно разложить по базису;
• Нажмите кнопку “Разложить вектор по базису” и вы получите детальное решение задачи.

Ввод данных в калькулятор для разложение вектора по базисным векторам

В онлайн калькулятор вводить можно числа или дроби. Более подробно читайте в правилах ввода чисел.

Дополнительные возможности калькулятора разложение вектора по базисным векторам

• Между полями для ввода можно перемещаться нажимая клавиши “влево” и “вправо” на клавиатуре.

Теория. Разложение вектора по базису

Чтобы разложить, вектор b по базисным векторам a₁ , . a_n , необходимо найти коэффициенты x ₁, . x_n , при которых линейная комбинация векторов a₁ , . a_n равна вектору b .

Коэффициенты x ₁, . x_n будут координатами вектора b в базисе a₁ , . a_n .

Вводить можно числа или дроби (-2.4, 5/7, . ). Более подробно читайте в правилах ввода чисел.

Любые нецензурные комментарии будут удалены, а их авторы занесены в черный список!

Добро пожаловать на OnlineMSchool.
Меня зовут Довжик Михаил Викторович. Я владелец и автор этого сайта, мною написан весь теоретический материал, а также разработаны онлайн упражнения и калькуляторы, которыми Вы можете воспользоваться для изучения математики.

Доказать, что 3 вектора образуют базис трёхмерного пространства и найти координаты 4-го вектора в данном базисе

Даны векторы . Показать, что векторы образуют базис трехмерного пространства и найти координаты вектора в этом базисе.

Решение: Сначала разбираемся с условием. По условию даны четыре вектора, и, как видите, у них уже есть координаты в некотором базисе. Какой это базис – нас не интересует. А интересует следующая вещь: три вектора вполне могут образовывать новый базис. И первый этап полностью совпадает с решением Примера 6, необходимо проверить, действительно ли векторы линейно независимы:

Вычислим определитель, составленный из координат векторов :

, значит, векторы линейно независимы и образуют базис трехмерного пространства.

! Важно: координаты векторов обязательно записываем в столбцыопределителя, а не в строки. Иначе будет путаница в дальнейшем алгоритме решения.

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

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

По условию и требуется найти координаты .

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

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

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

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

Дальнейшее – дело техники:

Таким образом:
– разложение вектора по базису .

Ответ:

Как я уже отмечал, задача носит алгебраический характер. Векторы, которые были рассмотрены – это не обязательно те векторы, которые можно нарисовать в пространстве, а, в первую очередь, абстрактные векторы курса линейной алгебры. Для случая двумерных векторов можно сформулировать и решить аналогичную задачу, решение будет намного проще. Однако на практике мне такое задание ни разу не встречалось, именно поэтому я его пропустил в предыдущем разделе.

Такая же задача с трёхмерными векторами для самостоятельного решения:

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

Полное решение и примерный образец чистового оформления в конце урока.

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

Любите векторы, и векторы полюбят вас!

Решения и ответы:

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

Ответ: при

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

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

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

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

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

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

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

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

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

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

Покоординатно:

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

Ответ: Векторы образуют базис,

Автор: Емелин Александр

Высшая математика для заочников и не только >>>

(Переход на главную страницу)

Как можно отблагодарить автора?

Векторное произведение векторов.
Смешанное произведение векторов

На данном уроке мы рассмотрим ещё две операции с векторами: векторное произведение векторов и смешанное произведение векторов. Ничего страшного, так иногда бывает, что для полного счастья, помимо скалярного произведения векторов, требуется ещё и ещё. Такая вот векторная наркомания. Может сложиться впечатление, что мы залезаем в дебри аналитической геометрии. Это не так. В данном разделе высшей математики вообще мало дров, разве что на Буратино хватит. На самом деле материал очень распространенный и простой – вряд ли сложнее, чем то же скалярное произведение, даже типовых задач поменьше будет. Главное в аналитической геометрии, как многие убедятся или уже убедились, НЕ ОШИБАТЬСЯ В ВЫЧИСЛЕНИЯХ. Повторяйте как заклинание, и будет вам счастье =)

Если векторы сверкают где-то далеко, как молнии на горизонте, не беда, начните с урокаВекторы для чайников, чтобы восстановить или вновь приобрести базовые знания о векторах. Более подготовленные читатели могут знакомиться с информацией выборочно, я постарался собрать максимально полную коллекцию примеров, которые часто встречаются в практических работах

Чем вас сразу порадовать? Когда я был маленьким, то умел жонглировать двумя и даже тремя шариками. Ловко получалось. Сейчас жонглировать не придётся вообще, поскольку мы будем рассматривать только пространственные векторы, а плоские векторы с двумя координатами останутся за бортом. Почему? Такими уж родились данные действия – векторное и смешанное произведение векторов определены и работают в трёхмерном пространстве. Уже проще!

[spoiler title=”источники:”]

http://ru.onlinemschool.com/math/assistance/vector/basis_expansion/

http://mydocx.ru/1-1773.html

[/spoiler]

Вектор в произвольном линейном пространстве — это некоторый элемент этого пространства.

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.

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.

«Разложение вектора по базису векторов: формулировка с примерами решения» 👇

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 

Координаты вектора в данном базисе.

Базисом
векторного пространства
называется такая упорядоченная линейно
независимая система векторов, что любой
вектор пространства можно представить
в виде линейной комбинации векторов
этой системы.

В трехмерном
векторном пространстве базис состоит
из трех векторов, который обычно
обозначается так: {е₁,
е₂,
е₃ }.

Базис называется
ортонормированным, если длины всех
базисных векторов равны единицы, и
базисные векторы попарно перпендикулярны.
Ортонормированный базис обычно
обозначается так: {i,
j,
k
}.

Координатами
вектора m
в базисе
{е₁,
е₂,
е₃ }
называются
коэффициенты разложения вектора m
по векторам базиса, т.е. если m
= хе₁
+ уе₂
+ zе₃,
то числа х, у, z
– координаты вектора m.
В этом случае будем записывать m(х,
у, z).

Имеет место
теорема
о координатах линейной комбинации:

если вектор m=
x
а + y
b
и
а(а₁,а₂,а₃),
b(b₁,b₂,b₃)

m(m₁,m₂,m₃),
то

m₁
=x a₁
+ y b₁,
m₂
=x a₂
+ y b₂,
m₃
=x a₃
+ y b₃.

1.24.
Даны векторы а(2,
3, -1),
b
(0,1,4), с(1,0,-3).
Найти координаты векторов: а) 2а
– b – 2с,
б)
а – b
– 3с,
в)
а + 2
b +3
с), г) а
– b
– с,

д)

( а + b),
е)

(а –
2 b + с).

ОТВЕТ.
а) (2,5,0), б) (-1,2,4), в) (5,5,-2), г) (1,2,-2), д) (1,1,3),
е) (1,,-4)

ПРИМЕР 1.7

Даны векторы
а(1,1,2),
b (-2,
3 5), с(-4,1,1),
d
(0, -1, 3) Можно ли вектор d
представить
в виде линейной комбинации векторов а,
b, с ?
Если да, то найти коэффициенты этой
линейной комбинации.

РЕШЕНИЕ

Выясним,
существуют ли такие числи х, у, z,
что

d
= х
а + у
b + z
с. (1)

По теореме о
координатах линейной комбинации векторов
из равенства (1) получаем выражение для
первой координаты вектора d
через первые
координаты векторов а,
b, с, и
аналогичные выражения для вторых и
третьих координат

0 = х – 2у – 4 z
(2)

-1 = х + 3у + z
(3)

3 = 2х + 5у + z
(4)

Выясним, имеет ли
эта система решение. Из (2) следует, что

х
= 2у + 4z
(5)

Затем, подставляя
(5) в (3) и (4), получаем:

5у
+ 5z
= -1 (6)

9у
+ 9z
= 3 (7)

Система, состоящая
из уравнений (2), (3), (4), равносильна
системе, состоящей из уравнений (5), (6),
(7) . Ясно, что последняя система не имеет
решений, следовательно, и данная система
не имеет решений,. Поэтому вектор d
нельзя
представить
в виде линейной комбинации векторов а,
b, с.
■

1.25.
Определить, какие из данных троек
векторов линейно зависимы:

а) а(-3,0,
2), b
(2, 1, -4), с(11,
-2, -2); б) а(1,
0, 7), b
(-1, 2, 4), с(3,
2, 1);

в) а(5,
-1,4), b
(3,-5, 2), с(-1,-13,
-2).

ОТВЕТ..
а), с) линейно зависимы.

1.26.
Представить вектор d
как линейную комбинацию векторов а,
b, с:

1)
а(2,3,1),
b (5,
7, 0), с(3,
-2, 4), d
(4, 12, -3);

2) а(5,
-2, 0),
b (0,
-3, 4), с(-6,
0, 1), d
(25, -22, 16);

3)
а(3, 5, 6),
b (2,
-7, 1), с(12,
0, 6), d
(0, 20, 18).

ОТВЕТ.
1) d
= а + b + с,
2) d
= 5а
+ 4 b,
3) d
= 4а
– с.

1.27.
Можно ли вектор d
(1,1,1) представить в виде линейной
комбинации векторов а(1,-1,0),
b (2,2,1),
с(0,-4,-1)?

ОТВЕТ..
Нет.

1.28.
Даны векторы а(х,
3, 4),
b (-1,
5, у). Существуют
ли такие числа х и у, для которых система
векторов {а,
b } линейно
зависима ?

ОТВЕТ.
Да, х = –
,
у =
.

ПРИМЕР 1.8

В параллелепипеде
АВСDА₁В₁С₁D₁
К – середина ребра АА₁,
точка М лежит на ребре ВС и ВМ =

ВС, О = А₁С₁

В₁D₁.
Найти координаты вектора

в базисе {,
,

}
.

РЕШЕНИЕ

Так как координаты
вектора в данном базисе это коэффициенты
разложения этого вектора по векторам
базиса, то данную задачу можно
сформулировать так: выразить вектор

через векторы
,
,

,
поэтому
будем действовать так же, как при решении
ПРИМЕРА 1.3.

1)

=

+

=

+

= 2
+
,
т.е.

= 2
+

. (1).

2) Выразим вектор

через базисные векторы.

=

+

= –

+
.
(2)

3) Выразим вектор

через базисные векторы.

=

+

=

= –


–

(3)

4) Подставим (2) и
(3) в (1), получим

= 2(–
+
)
+
(-–

) = 2
–

–
.

Следовательно,
первая координата вектора

равна 2, вторая координата равна –
,
третья координата равна –
,
т.е.

(2, –,
–
).

ОТВЕТ.

(2, –,
–
).

1.29.
АВСD – тетраэдр. М и К – точки пересечения
медиан граней ВСD и АDС, N
– середина АВ, Р
ВС и ВР :
РС = 1 : 2.
Найти координаты векторов
,

в базисе {,
,
}
.

ОТВЕТ.

(
,

,

),
(,
,
0),
(
,0, –
),
(-,
,
).

1.30.
АВСD – тетраэдр. N
и К середины ребер ВС и АС. Найти
координаты векторов

и

в базисе {}
.

ОТВЕТ.

(-1,2,-2),
(2,-4,2).

1.31.
В тетраэдре АВСD М- середина ВС, а N
– точка пересечения медиан грани АDС.
Найти координаты векторов

и

в базисе {,
,

}.

ОТВЕТ.
(-1,-1,2),
(-,
,
).

1.32.
В тетраэдре АВСD N
– середина ВС, а М и К – точки пересечения
медиан граней ВСD и АВD. Найти координаты
векторов

и

в базисе {,
,}.

ОТВЕТ.

(-,
1,
),
(-1,
,
).

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.