Линейная зависимость и линейная независимость векторов.
Базис векторов. Аффинная система координат
В аудитории находится тележка с шоколадками, и каждому посетителю сегодня достанется сладкая парочка – аналитическая геометрия с линейной алгеброй. В данной статье будут затронуты сразу два раздела высшей математики, и мы посмотрим, как они уживаются в одной обёртке. Сделай паузу, скушай «Твикс»! …блин, ну и чушь спорол. Хотя ладно, забивать не буду, в конце концов, на учёбу должен быть позитивный настрой.
Линейная зависимость векторов
, линейная независимость векторов
, базис векторов
и др. термины имеют не только геометрическую интерпретацию, но, прежде всего, алгебраический смысл . Само понятие «вектор» с точки зрения линейной алгебры – это далеко не всегда тот «обычный» вектор, который мы можем изобразить на плоскости или в пространстве. За доказательством далеко ходить не нужно, попробуйте нарисовать вектор пятимерного пространства 
. Или вектор погоды, за которым я только что сходил на Гисметео: – температура и атмосферное давление соответственно. Пример, конечно, некорректен с точки зрения свойств векторного пространства, но, тем не менее, никто не запрещает формализовать данные параметры вектором. Дыхание осени….
Нет, я не собираюсь грузить вас теорией, линейными векторными пространствами, задача состоит в том, чтобы понять определения и теоремы. Новые термины (линейная зависимость, независимость, линейная комбинация, базис и т.д.) приложимы ко всем векторам с алгебраической точки зрения , но примеры будут даны геометрические. Таким образом, всё просто, доступно и наглядно. Помимо задач аналитической геометрии мы рассмотрим и некоторые типовые задания алгебры . Для освоения материала желательно ознакомиться с уроками Векторы для чайников и Как вычислить определитель?
Линейная зависимость и независимость векторов плоскости.
Базис плоскости и аффинная система координат
Рассмотрим плоскость вашего компьютерного стола (просто стола, тумбочки, пола, потолка, кому что нравится). Задача будет состоять в следующих действиях:
1) Выбрать базис плоскости . Грубо говоря, у столешницы есть длина и ширина, поэтому интуитивно понятно, что для построения базиса потребуется два вектора. Одного вектора явно мало, три вектора – лишка.
2) На основе выбранного базиса задать систему координат (координатную сетку), чтобы присвоить координаты всем находящимся на столе предметам.
Не удивляйтесь, сначала объяснения будут на пальцах. Причём, на ваших. Пожалуйста, поместите указательный палец левой руки
на край столешницы так, чтобы он смотрел в монитор. Это будет вектор . Теперь поместите мизинец правой руки
на край стола точно так же – чтобы он был направлен на экран монитора. Это будет вектор . Улыбнитесь, вы замечательно выглядите! Что можно сказать о векторах ? Данные векторы коллинеарны
, а значит, линейно
выражаются друг через друга:
, ну, или наоборот: , где – некоторое число, отличное от нуля.
Картинку сего действа можно посмотреть на уроке Векторы для чайников , где я объяснял правило умножения вектора на число.
Будут ли ваши пальчики задавать базис на плоскости компьютерного стола? Очевидно, что нет. Коллинеарные векторы путешествуют туда-сюда по одному направлению, а у плоскости есть длина и ширина.
Такие векторы называют линейно зависимыми .
Справка: Слова «линейный», «линейно» обозначают тот факт, что в математических уравнениях, выражениях нет квадратов, кубов, других степеней, логарифмов, синусов и т.д. Есть только линейные (1-й степени) выражения и зависимости.
Два вектора плоскости линейно зависимы тогда и только тогда , когда они коллинеарны .
Скрестите пальцы на столе, чтобы между ними был любой угол, кроме 0 или 180 градусов. Два вектора плоскости линейно не зависимы в том и только том случае, если они не коллинеарны . Итак, базис получен. Не нужно смущаться, что базис получился «косым» с неперпендикулярными векторами различной длины. Очень скоро мы увидим, что для его построения пригоден не только угол в 90 градусов, и не только единичные, равные по длине векторы
Любой
вектор плоскости единственным образом
раскладывается по базису :
, где – действительные числа . Числа называют координатами вектора
в данном базисе.
Также говорят, что вектор представлен в виде линейной комбинации базисных векторов . То есть, выражение называют разложением вектора по базису или линейной комбинацией базисных векторов.
Например, можно сказать, что вектор разложен по ортонормированному базису плоскости , а можно сказать, что он представлен в виде линейной комбинации векторов .
Сформулируем определение базиса формально: Базисом плоскости называется пара линейно независимых (неколлинеарных) векторов , , при этом любой вектор плоскости является линейной комбинацией базисных векторов.
Существенным моментом определения является тот факт, что векторы взяты в определённом порядке
. Базисы 
– это два совершенно разных базиса! Как говорится, мизинец левой руки не переставишь на место мизинца правой руки.
С базисом разобрались, но его недостаточно, чтобы задать координатную сетку и присвоить координаты каждому предмету вашего компьютерного стола. Почему недостаточно? Векторы являются свободными и блуждают по всей плоскости. Так как же присвоить координаты тем маленьким грязным точкам стола, которые остались после бурных выходных? Необходим отправной ориентир. И таким ориентиром является знакомая всем точка – начало координат. Разбираемся с системой координат:
Начну со «школьной» системы. Уже на вступительном уроке Векторы для чайников я выделял некоторые различия между прямоугольной системой координат и ортонормированным базисом . Вот стандартная картина:
Когда говорят о прямоугольной системе координат , то чаще всего имеют в виду начало координат, координатные оси и масштаб по осям. Попробуйте набрать в поисковике «прямоугольная система координат», и вы увидите, что многие источники вам будут рассказывать про знакомые с 5-6-го класса координатные оси и о том, как откладывать точки на плоскости.
С другой стороны, создается впечатление, что прямоугольную систему координат вполне можно определить через ортонормированный базис . И это почти так. Формулировка звучит следующим образом:
началом координат , и ортонормированный базис задают декартову прямоугольную систему координат плоскости . То есть, прямоугольная система координат однозначно определяется единственной точкой и двумя единичными ортогональными векторами . Именно поэтому, вы видите чертёж, который я привёл выше – в геометрических задачах часто (но далеко не всегда) рисуют и векторы, и координатные оси.
Думаю, всем понятно, что с помощью точки (начала координат) и ортонормированного базиса ЛЮБОЙ ТОЧКЕ плоскости и ЛЮБОМУ ВЕКТОРУ плоскости можно присвоить координаты. Образно говоря, «на плоскости всё можно пронумеровать».
Обязаны ли координатные векторы быть единичными? Нет, они могут иметь произвольную ненулевую длину. Рассмотрим точку и два ортогональных вектора произвольной ненулевой длины:
Такой базис называется ортогональным
. Начало координат с векторами задают координатную сетку, и любая точка плоскости, любой вектор имеют свои координаты в данном базисе. Например, или . Очевидное неудобство состоит в том, что координатные векторы в общем случае
имеют различные длины, отличные от единицы. Если длины равняются единице, то получается привычный ортонормированный базис.
! Примечание : в ортогональном базисе, а также ниже в аффинных базисах плоскости и пространства единицы по осям считаются УСЛОВНЫМИ . Например, в одной единице по оси абсцисс содержится 4 см, в одной единице по оси ординат 2 см. Данной информации достаточно, чтобы при необходимости перевести «нестандартные» координаты в «наши обычные сантиметры».
И второй вопрос, на который уже на самом деле дан ответ – обязательно ли угол между базисными векторами должен равняться 90 градусам? Нет! Как гласит определение, базисные векторы должны быть лишь неколлинеарными . Соответственно угол может быть любым, кроме 0 и 180 градусов.
Точка плоскости, которая называется началом координат , и неколлинеарные векторы , , задают аффинную систему координат плоскости :
Иногда такую систему координат называют косоугольной
системой. В качестве примеров на чертеже изображены точки и векторы:
Как понимаете, аффинная система координат ещё менее удобна, в ней не работают формулы длин векторов и отрезков, которые мы рассматривали во второй части урока Векторы для чайников , многие вкусные формулы, связанные со скалярным произведением векторов . Зато справедливы правила сложения векторов и умножения вектора на число, формулы деления отрезка в данном отношении , а также ещё некоторые типы задач, которые мы скоро рассмотрим.
А вывод таков, что наиболее удобным частным случаем аффинной системы координат является декартова прямоугольная система. Поэтому её, родную, чаще всего и приходится лицезреть. …Впрочем, всё в этой жизни относительно – существует немало ситуаций, в которых уместна именно косоугольная (или какая-набудь другая, например, полярная ) система координат. Да и гуманоидам такие системы могут прийтись по вкусу =)
Переходим к практической части. Все задачи данного урока справедливы как для прямоугольной системы координат, так и для общего аффинного случая. Сложного здесь ничего нет, весь материал доступен даже школьнику.
Как определить коллинеарность векторов плоскости?
Типовая вещь. Для того чтобы два вектора плоскости 
были коллинеарны, необходимо и достаточно, чтобы их соответствующие координаты были пропорциональны
.По существу, это покоординатная детализация очевидного соотношения .
Пример 1
а) Проверить, коллинеарны ли векторы 
.
б) Образуют ли базис векторы 
?
Решение:
а) Выясним, существует ли для векторов 
коэффициент пропорциональности , такой, чтобы выполнялись равенства :
Обязательно расскажу о «пижонской» разновидности применения данного правила, которая вполне прокатывает на практике. Идея состоит в том, чтобы сразу составить пропорцию и посмотреть, будет ли она верной:
Составим пропорцию из отношений соответствующих координат векторов:
Сокращаем:
, таким образом, соответствующие координаты пропорциональны, следовательно,
Отношение можно было составить и наоборот, это равноценный вариант:
Для самопроверки можно использовать то обстоятельство, что коллинеарные векторы линейно выражаются друг через друга. В данном случае имеют место равенства 
. Их справедливость легко проверяется через элементарные действия с векторами:
б) Два вектора плоскости образуют базис, если они не коллинеарны (линейно независимы). Исследуем на коллинеарность векторы 
. Составим систему:
Из первого уравнения следует, что , из второго уравнения следует, что , значит, система несовместна (решений нет). Таким образом, соответствующие координаты векторов не пропорциональны.
Вывод : векторы линейно независимы и образуют базис.
Упрощённая версия решения выглядит так:
Составим пропорцию из соответствующих координат векторов 
:
, значит, данные векторы линейно независимы и образуют базис.
Обычно такой вариант не бракуют рецензенты, но возникает проблема в тех случаях, когда некоторые координаты равны нулю. Вот так: 
. Или так: 
. Или так: 
. Как тут действовать через пропорцию? (действительно, на ноль же делить нельзя). Именно по этой причине я и назвал упрощенное решение «пижонским».
Ответ: а) , б) образуют.
Небольшой творческий пример для самостоятельного решения:
Пример 2
При каком значении параметра векторы 
будут коллинеарны?
В образце решения параметр найден через пропорцию .
Существует изящный алгебраический способ проверки векторов на коллинеарность., систематизируем наши знания и пятым пунктом как раз добавим его:
Для двух векторов плоскости эквивалентны следующие утверждения
:
2) векторы образуют базис;
3) векторы не коллинеарны;
+ 5) определитель, составленный из координат данных векторов, отличен от нуля
.
Соответственно, эквивалентны следующие противоположные утверждения
:
1) векторы линейно зависимы;
2) векторы не образуют базиса;
3) векторы коллинеарны;
4) векторы можно линейно выразить друг через друга;
+ 5) определитель, составленный из координат данных векторов, равен нулю
.
Я очень и очень надеюсь, что на данный момент вам уже понятны все встретившиеся термины и утверждения.
Рассмотрим более подробно новый, пятый пункт: два вектора плоскости 
коллинеарны тогда и только тогда, когда определитель, составленный из координат данных векторов, равен нулю
:. Для применения данного признака, естественно, нужно уметь находить определители
.
Решим Пример 1 вторым способом:
а) Вычислим определитель, составленный из координат векторов 
:
, значит, данные векторы коллинеарны.
б) Два вектора плоскости образуют базис, если они не коллинеарны (линейно независимы). Вычислим определитель, составленный из координат векторов 
:
, значит, векторы линейно независимы и образуют базис.
Ответ: а) , б) образуют.
Выглядит значительно компактнее и симпатичнее, чем решение с пропорциями.
С помощью рассмотренного материала можно устанавливать не только коллинеарность векторов, но и доказывать параллельность отрезков, прямых. Рассмотрим пару задач с конкретными геометрическими фигурами.
Пример 3
Даны вершины четырёхугольника . Доказать, что четырёхугольник является параллелограммом.
Доказательство
: Чертежа в задаче строить не нужно, поскольку решение будет чисто аналитическим. Вспоминаем определение параллелограмма:
Параллелограммом
называется четырёхугольник, у которого противоположные стороны попарно параллельны.
Таким образом, необходимо доказать:
1) параллельность противоположных сторон и ;
2) параллельность противоположных сторон и .
Доказываем:
1) Найдём векторы:
2) Найдём векторы:
Получился один и тот же вектор («по школьному» – равные векторы). Коллинеарность совсем очевидна, но решение таки лучше оформить с толком, с расстановкой. Вычислим определитель, составленный из координат векторов :
, значит, данные векторы коллинеарны, и .
Вывод : Противоположные стороны четырёхугольника попарно параллельны, значит, он является параллелограммом по определению. Что и требовалось доказать .
Больше фигур хороших и разных:
Пример 4
Даны вершины четырёхугольника . Доказать, что четырёхугольник является трапецией.
Для более строгой формулировки доказательства лучше, конечно, раздобыть определение трапеции, но достаточно и просто вспомнить, как она выглядит.
Это задание для самостоятельного решения. Полное решение в конце урока.
А теперь пора потихонечку перебираться из плоскости в пространство:
Как определить коллинеарность векторов пространства?
Правило очень похоже. Для того чтобы два вектора пространства были коллинеарны, необходимо и достаточно , чтобы их соответствующие координаты были пропорциональны .
Пример 5
Выяснить, будут ли коллинеарны следующие векторы пространства:
а) ;
б)
в) 
Решение:
а) Проверим, существует ли коэффициент пропорциональности для соответствующих координат векторов:
Система не имеет решения, значит, векторы не коллинеарны.
«Упрощёнка» оформляется проверкой пропорции . В данном случае:
– соответствующие координаты не пропорциональны, значит, векторы не коллинеарны.
Ответ: векторы не коллинеарны.
б-в) Это пункты для самостоятельного решения. Попробуйте его оформить двумя способами.
Существует метод проверки пространственных векторов на коллинеарность и через определитель третьего порядка, данный способ освещен в статье Векторное произведение векторов .
Аналогично плоскому случаю, рассмотренный инструментарий может применяться в целях исследования параллельности пространственных отрезков и прямых.
Добро пожаловать во второй раздел:
Линейная зависимость и независимость векторов трехмерного пространства.
Пространственный базис и аффинная система координат
Многие закономерности, которые мы рассмотрели на плоскости, будут справедливыми и для пространства. Я постарался минимизировать конспект по теории, поскольку львиная доля информации уже разжёвана. Тем не менее, рекомендую внимательно прочитать вводную часть, так как появятся новые термины и понятия.
Теперь вместо плоскости компьютерного стола исследуем трёхмерное пространство. Сначала создадим его базис. Кто-то сейчас находится в помещении, кто-то на улице, но в любом случае нам никуда не деться от трёх измерений: ширины, длины и высоты. Поэтому для построения базиса потребуется три пространственных вектора. Одного-двух векторов мало, четвёртый – лишний.
И снова разминаемся на пальцах. Пожалуйста, поднимите руку вверх и растопырьте в разные стороны большой, указательный и средний палец . Это будут векторы , они смотрят в разные стороны, имеют разную длину и имеют разные углы между собой. Поздравляю, базис трёхмерного пространства готов! Кстати, не нужно демонстрировать такое преподавателям, как ни крути пальцами, а от определений никуда не деться =)
Далее зададимся важным вопросом, любые ли три вектора образуют базис трехмерного пространства ? Пожалуйста, плотно прижмите три пальца к столешнице компьютерного стола. Что произошло? Три вектора расположились в одной плоскости, и, грубо говоря, у нас пропало одно из измерений – высота. Такие векторы являются компланарными и, совершенно очевидно, что базиса трёхмерного пространства не создают.
Следует отметить, что компланарные векторы не обязаны лежать в одной плоскости, они могут находиться в параллельных плоскостях (только не делайте этого с пальцами, так отрывался только Сальвадор Дали =)).
Определение : векторы называются компланарными , если существует плоскость, которой они параллельны. Здесь логично добавить, что если такой плоскости не существует, то и векторы будут не компланарны.
Три компланарных вектора всегда линейно зависимы
, то есть линейно выражаются друг через друга. Для простоты снова представим, что они лежат в одной плоскости. Во-первых, векторы мало того, что компланарны, могут быть вдобавок ещё и коллинеарны, тогда любой вектор можно выразить через любой вектор. Во втором случае, если, например, векторы не коллинеарны, то третий вектор выражается через них единственным образом: 
(а почему – легко догадаться по материалам предыдущего раздела).
Справедливо и обратное утверждение: три некомпланарных вектора всегда линейно независимы , то есть никоим образом не выражаются друг через друга. И, очевидно, только такие векторы могут образовать базис трёхмерного пространства.
Определение : Базисом трёхмерного пространства называется тройка линейно независимых (некомпланарных) векторов , взятых в определённом порядке , при этом любой вектор пространства единственным образом раскладывается по данному базису , где – координаты вектора в данном базисе
Напоминаю, также можно сказать, что вектор представлен в виде линейной комбинации базисных векторов.
Понятие системы координат вводится точно так же, как и для плоского случая, достаточно одной точки и любых трёх линейно независимых векторов:
началом координат
, и некомпланарные
векторы , взятые в определённом порядке
, задают аффинную систему координат трёхмерного пространства
:
Конечно, координатная сетка «косая» и малоудобная, но, тем не менее, построенная система координат позволяет нам однозначно определить координаты любого вектора и координаты любой точки пространства. Аналогично плоскости, в аффинной системе координат пространства не будут работать некоторые формулы, о которых я уже упоминал.
Наиболее привычным и удобным частным случаем аффинной системы координат, как все догадываются, является прямоугольная система координат пространства :
Точка пространства, которая называется началом координат
, и ортонормированный
базис задают декартову прямоугольную систему координат пространства
. Знакомая картинка:
Перед тем, как перейти к практическим заданиям, вновь систематизируем информацию:
Для трёх векторов пространства эквивалентны следующие утверждения
:
1) векторы линейно независимы;
2) векторы образуют базис;
3) векторы не компланарны;
4) векторы нельзя линейно выразить друг через друга;
5) определитель, составленный из координат данных векторов, отличен от нуля.
Противоположные высказывания, думаю, понятны.
Линейная зависимость / независимость векторов пространства традиционно проверяется с помощью определителя (пункт 5). Оставшиеся практические задания будут носить ярко выраженный алгебраический характер. Пора повесить на гвоздь геометрическую клюшку и орудовать бейсбольной битой линейной алгебры:
Три вектора пространства
компланарны тогда и только тогда, когда определитель, составленный из координат данных векторов, равен нулю
:
.
Обращаю внимание на небольшой технический нюанс: координаты векторов можно записывать не только в столбцы, но и в строки (значение определителя от этого не изменится – см. свойства определителей). Но гораздо лучше в столбцы, поскольку это выгоднее для решения некоторых практических задач.
Тем читателям, которые немножко позабыли методы расчета определителей, а может и вообще слабо в них ориентируются, рекомендую один из моих самых старых уроков: Как вычислить определитель?
Пример 6
Проверить, образуют ли базис трёхмерного пространства следующие векторы:
Решение : Фактически всё решение сводится к вычислению определителя.
а) Вычислим определитель, составленный из координат векторов (определитель раскрыт по первой строке):
, значит, векторы линейно независимы (не компланарны) и образуют базис трёхмерного пространства.
Ответ : данные векторы образуют базис
б) Это пункт для самостоятельного решения. Полное решение и ответ в конце урока.
Встречаются и творческие задачи:
Пример 7
При каком значении параметра векторы будут компланарны?
Решение
: Векторы компланарны тогда и только тогда, когда определитель, составленный из координат данных векторов равен нулю:
По существу, требуется решить уравнение с определителем. Налетаем на нули как коршуны на тушканчиков – определитель выгоднее всего раскрыть по второй строке и сразу же избавиться от минусов:
Проводим дальнейшие упрощения и сводим дело к простейшему линейному уравнению:
Ответ : при
Здесь легко выполнить проверку, для этого нужно подставить полученное значение в исходный определитель и убедиться, что 
, раскрыв его заново.
В заключение рассмотрим ещё одну типовую задачу, которая носит больше алгебраический характер и традиционно включается в курс линейной алгебры. Она настолько распространена, что заслуживает отдельного топика:
Доказать, что 3 вектора образуют базис трёхмерного пространства
и найти координаты 4-го вектора в данном базисе
Пример 8
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 столбцы определителя, а не в строки. Иначе будет путаница в дальнейшем алгоритме решения.
Определение 1
. Линейной
комбинацией векторовназывается сумма произведений этих
векторов на скаляры
:
Определение 2
. Система
векторов
называется линейно зависимой системой,
если линейная комбинация их (2.8) обращается
в нуль:
причем среди чисел
существует хотя бы одно, отличное от
нуля.
Определение 3
. Векторы
называются линейно независимыми, если
их линейная комбинация (2.8) обращается
в нуль лишь в случае, когда все числа.
Из этих определений можно получить следующие следствия.
Следствие 1 . В линейно зависимой системе векторов хотя бы один вектор может быть выражен как линейная комбинация остальных.
Доказательство
. Пусть
выполнено (2.9) и пусть для определенности,
коэффициент
.
Имеем тогда:
.
Заметим, что справедливо и обратное
утверждение.
Следствие 2.
Если система
векторов
содержит нулевой вектор, то эта система
(обязательно) линейно зависима –
доказательство очевидно.
Следствие 3
. Если средиn
векторов
какие либоk
(
)
векторов линейно зависимы, то и всеn
векторов линейно зависимы (опустим
доказательство).
2 0 . Линейные комбинации двух, трех и четырех векторов . Рассмотрим вопросы линейной зависимости и независимости векторов на прямой, плоскости и в пространстве. Приведем соответствующие теоремы.
Теорема 1 . Для того чтобы два вектора были линейно зависимы, необходимо и достаточно, чтобы они были коллинеарны.
Необходимость
. Пусть векторы
и
линейно зависимы. Это означает, что их
линейная комбинация
=0
и (ради определенности)
.
Отсюда следует равенство
,
и (по определению умножения вектора на
число) векторы
и
коллинеарны.
Достаточность
. Пусть векторы
и
коллинеарны (
║
)
(предполагаем, что они отличны от нулевого
вектора; иначе их линейная зависимость
очевидна).
По теореме (2.7)
(см. §2.1,п.2 0) тогда
такое, что
,
или
– линейная комбинация равна нулю, причем
коэффициент при
равен 1 – векторы
и
линейно зависимы.
Из этой теоремы вытекает следующее следствие.
Следствие
. Если векторы
и
не коллинеарны, то они линейно независимы.
Теорема 2 . Для того чтобы три вектора были линейно зависимы, необходимо и достаточно, чтобы они были компланарны.
Необходимость
. Пусть векторы
,
и
линейно зависимы. Покажем, что они
компланарны.
Из определения
линейной зависимости векторов следует
существование чисел
и
таких, что линейная комбинация
,
и при этом (для определенности)
.
Тогда из этого равенства можно выразить
вектор
:
=
,
то есть вектор
равен диагонали параллелограмма,
построенного на векторах, стоящих в
правой части этого равенства (рис.2.6).
Это означает, что векторы
,
и
лежат в одной плоскости.
Достаточность
. Пусть векторы
,
и
компланарны. Покажем, что они линейно
зависимы.
Исключим случай коллинеарности какой либо пары векторов (ибо тогда эта пара линейно зависима и по следствию 3 (см.п.1 0) все три вектора линейно зависимы). Заметим, что такое предположение исключает также существование нулевого вектора среди указанных трех.
Перенесем три компланарных
вектора в одну плоскость и приведем их
к общему началу. Через конец вектора
проведем прямые, параллельные векторам
и
;
получим при этом векторы
и
(рис.2.7) – их существование обеспечено
тем, что векторы
и
не коллинеарные по предположению
векторы. Отсюда следует, что вектор
=
+
.
Переписав это равенство в виде
(–1)
+
+
=0,
заключаем, что векторы
,
и
линейно зависимы.
Из доказанной теоремы вытекает два следствия.
Следствие 1
. Пусть
и
не коллинеарные векторы, вектор
– произвольный, лежащий в плоскости,
определяемой векторами
и
,
вектор. Существуют тогда числа
и
такие, что
=
+
.
(2.10)
Следствие 2
. Если векторы
,
и
не компланарны, то они линейно независимы.
Теорема 3 . Любые четыре вектора линейно зависимы.
Доказательство опустим; с некоторыми изменениями оно копирует доказательство теоремы 2. Приведем следствие из этой теоремы.
Следствие
. Для любых
некомпланарных векторов
,
,
и любого вектора
и
такие, что
.
(2.11)
Замечание . Для векторов в (трехмерном) пространстве понятия линейной зависимости и независимости имеют, как это следует из приведенных выше теорем 1-3, простой геометрический смысл.
Пусть имеются два линейно
зависимых вектора
и
.
В таком случае один из них является
линейной комбинацией второго, то есть
просто отличается от него численным
множителем (например,
).
Геометрически это означает, что оба
вектора находятся на общей прямой; они
могут иметь одинаковое или противоположное
направления (рис.2.8 хх).
Если же два вектора расположены
под углом друг к другу (рис.2.9 хх), то в
этом случае нельзя получить один из них
умножением другого на число – такие
векторы линейно независимы. Следовательно,
линейная независимость двух векторов
и
означает, что эти векторы не могут быть
уложены на одну прямую.
Выясним геометрический смысл линейной зависимости и независимости трех векторов.
Пусть векторы
,
и
линейно зависимы и пусть (для определенности)
вектор
является линейной комбинацией векторов
и
,
то есть расположен в плоскости, содержащей
векторы
и
.
Это означает, что векторы
,
и
лежат в одной плоскости. Справедливо и
обратное утверждение: если векторы
,
и
лежат в одной плоскости, то они линейно
зависимы.
Таким образом,
векторы
,
и
линейно независимы в том и только в том
случае, если они не лежат в одной
плоскости.
3 0 . Понятие базиса . Одним из важнейших понятий линейной и векторной алгебры является понятие базиса. Введем определения.
Определение 1 . Пара векторов называется упорядоченной, если указано, какой вектор этой пары считается первым, а какой вторым.
Определение 2.
Упорядоченная
пара
,
неколлинеарных векторов называется
базисом на плоскости, определяемой
заданными векторами.
Теорема 1
. Всякий вектор
на плоскости может быть представлен
как линейная комбинация базисной системы
векторов
,
:
(2.12)
и это представление единственно.
Доказательство
. Пусть
векторы
и
образуют базис. Тогда любой вектор
можно представить в виде
.
Для доказательства единственности
предположим, что имеется еще одно
разложение
.
Имеем тогда=0,
причем хотя бы одна из разностей отлична
от нуля. Последнее означает, что векторы
и
линейно зависимы, то есть коллинеарны;
это противоречит утверждению, что они
образуют базис.
Но тогда – разложение единственно.
Определение 3 . Тройка векторов называется упорядоченной, если указано, какой вектор ее считается первым, какой вторым, а какой третьим.
Определение 4 . Упорядоченная тройка некомпланарных векторов называется базисом в пространстве.
Здесь также справедлива теорема разложения и единственности.
Теорема 2
. Любой вектор
может быть представлен как линейная
комбинация базисной системы векторов
,
,
:
(2.13)
и это представление единственно (опустим доказательство теоремы).
В разложениях (2.12) и (2.13) величины
называются координатами вектора
в заданном базисе (точнее, аффинными
координатами).
При фиксированном базисе
и
можно писать
.
Например, если задан базис
и дано, что
,
то это означает, что имеет место
представление (разложение)
.
4 0 . Линейные операции над векторами в координатной форме . Введение базиса позволяет линейные операции над векторами заменить обычными линейными операциями над числами – координатами этих векторов.
Пусть задан некоторый базис
.
Очевидно, задание координат вектора в
этом базисе полностью определяет сам
вектор. Имеют место следующие предложения:
а) два вектора
и
равны тогда и только тогда, когда равны
их соответственные координаты:
б) при умножении вектора
на число
его координаты умножаются на это число:
;
(2.15)
в) при сложении векторов складываются их соответственные координаты:
Доказательства этих свойств опустим; докажем лишь для примера свойство б). Имеем
==
Замечание . В пространстве (на плоскости) можно выбрать бесконечно много базисов.
Приведем пример перехода от одного базиса к другому, установим соотношения между координатами вектора в различных базисах.
Пример 1
. В базисной системе
заданы три вектора:
,
и
.
В базисе
,
,
вектор
имеет разложение.
Найти координаты вектора
в базисе
.
Решение
. Имеем разложения:
,
,
;
следовательно,
=
+2
+
=
=
,
то есть
в базисе
.
Пример 2
. Пусть в некотором
базисе
четыре вектора заданы своими координатами:
,
,
и
.
Выяснить,
образуют ли векторы
базис; в случае положительного ответа
найти разложение вектора
в этом базисе.
Решение
. 1) векторы образуют
базис, если они линейно независимы.
Составим линейную комбинацию векторов
(
)
и выясним, при каких
и
она обращается в нуль:
=0.
Имеем:
=
+
+
=
По определению
равенства векторов в координатной форме
получим следующую систему (линейных
однородных алгебраических) уравнений:
;
;
,
определитель которой
=1
,
то есть система имеет (лишь) тривиальное
решение
.
Это означает линейную независимость
векторов
и, следовательно, они образуют базис.
2) разложим вектор
в этом базисе. Имеем:
=
или в координатной форме.
Переходя к
равенству векторов в координатной
форме, получим систему линейных
неоднородных алгебраических уравнений:
;
;
.
Решая ее (например, по правилу Крамера),
получим:
,
,
и (
)
.
Имеем разложение вектора
в базисе
:
=.
5
0
. Проекция
вектора на ось. Свойства проекций.
Пусть
имеется некоторая осьl
,
то есть прямая с выбранным на ней
направлением и пусть задан некоторый
вектор
.Определим
понятие проекции вектора
на осьl
.
Определение
. Проекцией
вектора
на осьl
называется
произведение модуля этого вектора на
косинус угла между осьюl
и вектором (рис.2.10):
.
(2.17)
Следствием этого определения является утверждение о том, что равные векторы имеют равные проекции (на одну и ту же ось).
Отметим свойства проекций.
1) проекция суммы векторов на некоторую ось l равна сумме проекций слагаемых векторов на ту же ось:
2) проекция произведения скаляра на вектор равна произведению этого скаляра на проекцию вектора на ту же ось:
=
.
(2.19)
Следствие . Проекция линейной комбинации векторов на ось равна линейной комбинации их проекций:
Доказательства свойств опустим.
6
0
. Прямоугольная
декартова система координат в пространстве
.Разложение вектора по ортам осей.
Пусть в качестве базиса выбраны три
взаимно перпендикулярных орта; для них
вводим специальные обозначения
.
Поместив их начала в точкуO
,
направим по ним (в соответствии с ортами
)
координатные осиOx
,Oy
иOz
(ось с выбранным на ней положительным
направлением, началом отсчета и единицей
длины называется координатной осью).
Определение . Упорядоченная система трех взаимно перпендикулярных координатных осей с общим началом и общей единицей длины называется прямоугольной декартовой системой координат в пространстве.
Ось Ox называется осью абсцисс,Oy – осью ординат иOz – осью аппликат.
Займемся
разложением произвольного вектора по
базису
.
Из теоремы (см.§2.2,п.3 0 , (2.13)) следует,
что
может быть и единственным образом
разложен по базису
(здесь вместо обозначения координат
употребляют
):
.
(2.21)
В (2.21)
суть (декартовы прямоугольные) координаты
вектора
.
Смысл декартовых координат устанавливает
следующая теорема.
Теорема
. Декартовы
прямоугольные координаты
вектора
являются проекциями этого вектора
соответственно на осиOx
,Oy
иOz
.
Доказательство.
Поместим
вектор
в начало системы координат – точкуO
.
Тогда его конец будет совпадать с
некоторой точкой
.
Проведем через
точку
три плоскости, параллельные координатным
плоскостямOyz
,Oxz
иOxy
(рис.2.11 хх). Получим
тогда:
.
(2.22)
В (2.22) векторы
и
называются составляющими вектора
по осямOx
,Oy
иOz
.
Пусть через
и
обозначены соответственно углы,
образованные вектором
с ортами
.
Тогда для составляющих получим следующие
формулы:
=
=
,
=
=
,
=
=
(2.23)
Из (2.21), (2.22) (2.23) находим:
=
=
;
=
=
;
=
=
(2.23)
– координаты
вектора
есть проекции этого вектора на координатные
осиOx
,Oy
иOz
соответственно.
Замечание
. Числа
называются направляющими косинусами
вектора
.
Модуль вектора
(диагональ прямоугольного параллелепипеда)
вычисляется по формуле:
.
(2.24)
Из формул (2.23) и (2.24) следует, что направляющие косинусы могут быть вычислены по формулам:
=
;
=
;
=
.
(2.25)
Возводя обе части каждого из равенств в (2.25) и складывая почленно левые и правые части полученных равенств, придем к формуле:
– не любые три угла образуют некоторое направление в пространстве, но лишь те, косинусы которых связаны соотношением (2.26).
7 0 . Радиус-вектор и координаты точки .Определение вектора по его началу и концу . Введем определение.
Определение
. Радиусом-вектором
(обозначается
)
называется вектор, соединяющий начало
координатO
с этой
точкой (рис.2.12 хх):
.
(2.27)
Любой точке пространства соответствует определенный радиус-вектор (и обратно). Таким образом, точки пространства представляются в векторной алгебре их радиус-векторами.
Очевидно, координаты
точкиM
являются
проекциями ее радиус-вектора
на координатные оси:
(2.28’)
и, таким образом,
(2.28)
– радиус-вектор точки есть
вектор, проекции которого на оси координат
равны координатам этой точки. Отсюда
следует две записи:
и
.
Получим формулы для вычисления
проекций вектора
по координатам его начала – точке
и конца – точке
.
Проведем радиус-векторы
и вектор
(рис.2.13). Получим, что
=
=(2.29)
– проекции вектора на координатные орты равны разностям соответствующих координат конца и начала вектора.
8 0 . Некоторые задачи на декартовы координаты .
1)
условия коллинеарности
векторов
. Из теоремы (см.§2.1,п.2 0 ,
формула (2.7)) следует, что для коллинеарности
векторов
и
необходимо и достаточно, чтобы выполнялось
соотношение:
=
.
Из этого векторного равенства получаем
три в координатной форме равенства:,
откуда следует условие коллинеарности
векторов в координатной форме:
(2.30)
– для коллинеарности векторов
и
необходимо и достаточно, чтобы их
соответствующие координаты были
пропорциональны.
2)
расстояние между
точками
. Из представления (2.29)
следует, что расстояние
между точками
и
определяется формулой
=
=.
(2.31)
3)
деление отрезка в
данном отношении
. Пусть даны точки
и
и отношение
.
Нужно найти
– координаты точкиM
(рис.2.14).
Имеем из условия коллинеарности
векторов:
,
откуда
и
.
(2.32)
Из (2.32) получим в координатной форме:
Из формул (2.32’) можно получить
формулы для вычисления координат
середины отрезка
,
полагая
:
Замечание
. Будем считать
отрезки
и
положительными или отрицательными в
зависимости от того, совпадает их
направление с направлением от начала
отрезка к концу
,
или не совпадает. Тогда по формулам
(2.32) – (2.32”) можно находить координат
точки, делящей отрезок
внешним образом, то есть так, что делящая
точкаM
находится на
продолжении отрезка
,
а не внутри его. При этом конечно,
.
4)
уравнение сферической
поверхности
.
Составим уравнение
сферической поверхности – геометрического
места точек
,
равноудаленных на расстояние
от некоторого фиксированного центра –
точки
.
Очевидно, что в данном случае
и с учетом формулы (2.31)
Уравнение (2.33) и есть уравнение искомой сферической поверхности.
Пусть L – линейное пространство над полем Р . Пусть А1, а2, … , аn (*) конечная система векторов из L . Вектор В = a1×А1 + a2×А2 + … + an×Аn (16) называется Линейной комбинацией векторов ( *), или говорят, что вектор В линейно выражается через систему векторов (*).
Определение 14. Система векторов (*) называется Линейно зависимой , тогда и только тогда, когда существует такой ненулевой набор коэффициентов a1, a2, … , an, что a1×А1 + a2×А2 + … + an×Аn = 0. Если же a1×А1 + a2×А2 + … + an×Аn = 0 Û a1 = a2 = … = an = 0, то система (*) называется Линейно независимой.
Свойства линейной зависимости и независимости.
10. Если система векторов содержит нулевой вектор, то она линейно зависима.
Действительно, если в системе (*) вектор А1 = 0, То 1×0 + 0×А2 + … + 0 ×Аn = 0 .
20. Если система векторов содержит два пропорциональных вектора, то она линейно зависима.
Пусть А1 = L ×а2. Тогда 1×А1 –l×А2 + 0×А3 + … + 0×А N = 0.
30. Конечная система векторов (*) при n ³ 2 линейно зависима тогда и только тогда, когда хотя бы один из её векторов является линейной комбинацией остальных векторов этой системы.
Þ Пусть (*) линейно зависима. Тогда найдётся ненулевой набор коэффициентов a1, a2, … , an, при котором a1×А1 + a2×А2 + … + an×Аn = 0 . Не нарушая общности, можно считать, что a1 ¹ 0. Тогда существует и А1 = ×a2×А2 + … + ×an×А N. Итак, вектор А1 является линейной комбинацией остальных векторов.
Ü Пусть один из векторов (*) является линейной комбинацией остальных. Можно считать, что это первый вектор, т. е. А1 = B2А2 + … + bnА N, Отсюда (–1)×А1 + b2А2 + … + bnА N = 0 , т. е. (*) линейно зависима.
Замечание. Используя последнее свойство, можно дать определение линейной зависимости и независимости бесконечной системы векторов.
Определение 15. Система векторов А1, а2, … , аn , … (**) называется Линейно зависимой, Если хотя бы один её вектор является линейной комбинацией некоторого конечного числа остальных векторов. В противном случае система (**) называется Линейно независимой.
40. Конечная система векторов линейно независима тогда и только тогда, когда ни один из её векторов нельзя линейно выразить через остальные её векторы.
50. Если система векторов линейно независима, то любая её подсистема тоже линейно независима.
60. Если некоторая подсистема данной системы векторов линейно зависима, то и вся система тоже линейно зависима.
Пусть даны две системы векторов А1, а2, … , аn , … (16) и В1, в2, … , вs, … (17). Если каждый вектор системы (16) можно представить в виде линейной комбинации конечного числа векторов системы (17), то говорят, что система (17) линейно выражается через систему (16).
Определение 16. Две системы векторов называются Эквивалентными , если каждая из них линейно выражается через другую.
Теорема 9 (основная теорема о линейной зависимости).
Пусть и – две конечные системы векторов из L . Если первая система линейно независима и линейно выражается через вторую, то N £ s.
Доказательство. Предположим, что N > S. По условию теоремы
|
|
Так как система линейно независима, то равенство (18) Û Х1=х2=…=х N= 0. Подставим сюда выражения векторов : …+=0 (19). Отсюда (20). Условия (18), (19) и (20), очевидно, эквивалентны. Но (18) выполняется только при Х1=х2=…=х N= 0. Найдём, когда верно равенство (20). Если все его коэффициенты равны нулю, то оно, очевидно, верно. Приравняв их нулю, получим систему (21). Так как эта система имеет нулевое , то она |
(21)совместна. Так как число уравнений больше числа неизвестных, то система имеет бесконечно много решений. Следовательно, у неё есть ненулевое Х10, х20, …, х N0 . При этих значениях равенство (18) будет верно, что противоречит тому, что система векторов линейно независима. Итак, наше предположение не верно. Следовательно, N £ s.
Следствие. Если две эквивалентные системы векторов конечны и линейно независимы, то они содержат одинаковое число векторов.
Определение 17. Система векторов называется Максимальной линейно независимой системой векторов Линейного пространства L , если она линейно независима, но при добавлении к ней любого вектора из L , не входящего в эту систему, она становится уже линейно зависимой.
Теорема 10. Любые две конечные максимальные линейно независимые системы векторов из L Содержат одинаковое число векторов.
Доказательство следует из того, что любые две максимальные линейно независимые системы векторов эквивалентны.
Легко доказать, что любую линейно независимую систему векторов пространства L можно дополнить до максимальной линейно независимой системы векторов этого пространства.
Примеры:
1. Во множестве всех коллинеарных геометрических векторов любая система, состоящая их одного ненулевого вектора, является максимальной линейно независимой.
2. Во множестве всех компланарных геометрических векторов любые два неколлинеарных вектора составляют максимальную линейно независимую систему.
3. Во множестве всех возможных геометрических векторов трёхмерного евклидова пространства любая система трёх некомпланарных векторов является максимальной линейно независимой.
4. Во множестве всех многочленов степени не выше N С действительными (комплексными) коэффициентами система многочленов 1, х, х2, … , хn Является максимальной линейно независимой.
5. Во множестве всех многочленов с действительными (комплексными) коэффициентами примерами максимальной линейно независимой системы являются
а) 1, х, х2, … , хn, … ;
б) 1, (1 – х ), (1 – х )2, … , (1 – х )N, …
6. Множество матриц размерности M ´ N является линейным пространством (проверьте это). Примером максимальной линейно независимой системы в этом пространстве является система матриц Е11 = , Е12 =, … , Е Mn = .
Пусть дана система векторов С1, с2, … , ср (*). Подсистема векторов из (*) называется Максимальной линейно независимой Подсистемой Системы ( *) , если она линейно независима, но при добавлении к ней любого другого вектора этой система она становится линейно зависимой. Если система (*) конечна, то любая её максимальная линейно независимая подсистема содержит одно и то же число векторов. (Доказательство проведите самостоятельно). Число векторов в максимальной линейно независимой подсистеме системы (*) называется Рангом Этой системы. Очевидно, эквивалентные системы векторов имеют одинаковые ранги.
В данной статье мы расскажем:
- что такое коллинеарные векторы;
- какие существуют условия коллинеарности векторов;
- какие существуют свойства коллинеарных векторов;
- что такое линейная зависимость коллинеарных векторов.
Коллинеарные векторы - это векторы, которые являются параллелями одной прямой или лежат на одной прямой.
Пример 1
Условия коллинеарности векторов
Два векторы являются коллинеарными, если выполняется любое из следующих условий:
- условие 1 . Векторы a и b коллинеарны при наличии такого числа λ , что a = λ b ;
- условие 2 . Векторы a и b коллинеарны при равном отношении координат:
a = (a 1 ; a 2) , b = (b 1 ; b 2) ⇒ a ∥ b ⇔ a 1 b 1 = a 2 b 2
- условие 3 . Векторы a и b коллинеарны при условии равенства векторного произведения и нулевого вектора:
a ∥ b ⇔ a , b = 0
Замечание 1
Условие 2 неприменимо, если одна из координат вектора равна нулю.
Замечание 2
Условие 3 применимо только к тем векторам, которые заданы в пространстве.
Примеры задач на исследование коллинеарности векторов
Пример 1Исследуем векторы а = (1 ; 3) и b = (2 ; 1) на коллинеарность.
Как решить?
В данном случае необходимо воспользоваться 2-м условием коллинеарности. Для заданных векторов оно выглядит так:
Равенство неверное. Отсюда можно сделать вывод, что векторы a и b неколлинеарны.
Ответ : a | | b
Пример 2
Какое значение m вектора a = (1 ; 2) и b = (- 1 ; m) необходимо для коллинеарности векторов?
Как решить?
Используя второе условие коллинераности, векторы будут коллинеарными, если их координаты будут пропорциональными:
Отсюда видно, что m = - 2 .
Ответ: m = - 2 .
Критерии линейной зависимости и линейной независимости систем векторов
ТеоремаСистема векторов векторного пространства линейно зависима только в том случае, когда один из векторов системы можно выразить через остальные векторы данной системы.
Доказательство
Пусть система e 1 , e 2 , . . . , e n является линейно зависимой. Запишем линейную комбинацию этой системы равную нулевому вектору:
a 1 e 1 + a 2 e 2 + . . . + a n e n = 0
в которой хотя бы один из коэффициентов комбинации не равен нулю.
Пусть a k ≠ 0 k ∈ 1 , 2 , . . . , n .
Делим обе части равенства на ненулевой коэффициент:
a k - 1 (a k - 1 a 1) e 1 + (a k - 1 a k) e k + . . . + (a k - 1 a n) e n = 0
Обозначим:
A k - 1 a m , где m ∈ 1 , 2 , . . . , k - 1 , k + 1 , n
В таком случае:
β 1 e 1 + . . . + β k - 1 e k - 1 + β k + 1 e k + 1 + . . . + β n e n = 0
или e k = (- β 1) e 1 + . . . + (- β k - 1) e k - 1 + (- β k + 1) e k + 1 + . . . + (- β n) e n
Отсюда следует, что один из векторов системы выражается через все остальные векторы системы. Что и требовалось доказать (ч.т.д.).
Достаточность
Пусть один из векторов можно линейно выразить через все остальные векторы системы:
e k = γ 1 e 1 + . . . + γ k - 1 e k - 1 + γ k + 1 e k + 1 + . . . + γ n e n
Переносим вектор e k в правую часть этого равенства:
0 = γ 1 e 1 + . . . + γ k - 1 e k - 1 - e k + γ k + 1 e k + 1 + . . . + γ n e n
Поскольку коэффициент вектора e k равен - 1 ≠ 0 , у нас получается нетривиальное представление нуля системой векторов e 1 , e 2 , . . . , e n , а это, в свою очередь, означает, что данная система векторов линейно зависима. Что и требовалось доказать (ч.т.д.).
Следствие:
- Система векторов является линейно независимой, когда ни один из ее векторов нельзя выразить через все остальные векторы системы.
- Система векторов, которая содержит нулевой вектор или два равных вектора, линейно зависима.
Свойства линейно зависимых векторов
- Для 2-х и 3-х мерных векторов выполняется условие: два линейно зависимых вектора - коллинеарны. Два коллинеарных вектора - линейно зависимы.
- Для 3-х мерных векторов выполняется условие: три линейно зависимые вектора - компланарны. (3 компланарных вектора - линейно зависимы).
- Для n-мерных векторов выполняется условие: n + 1 вектор всегда линейно зависимы.
Примеры решения задач на линейную зависимость или линейную независимость векторов
Пример 3Проверим векторы a = 3 , 4 , 5 , b = - 3 , 0 , 5 , c = 4 , 4 , 4 , d = 3 , 4 , 0 на линейную независимость.
Решение. Векторы являются линейно зависимыми, поскольку размерность векторов меньше количества векторов.
Пример 4
Проверим векторы a = 1 , 1 , 1 , b = 1 , 2 , 0 , c = 0 , - 1 , 1 на линейную независимость.
Решение. Находим значения коэффициентов, при которых линейная комбинация будет равняться нулевому вектору:
x 1 a + x 2 b + x 3 c 1 = 0
Записываем векторное уравнение в виде линейного:
x 1 + x 2 = 0 x 1 + 2 x 2 - x 3 = 0 x 1 + x 3 = 0
Решаем эту систему при помощи метода Гаусса:
1 1 0 | 0 1 2 - 1 | 0 1 0 1 | 0 ~
Из 2-ой строки вычитаем 1-ю, из 3-ей - 1-ю:
~ 1 1 0 | 0 1 - 1 2 - 1 - 1 - 0 | 0 - 0 1 - 1 0 - 1 1 - 0 | 0 - 0 ~ 1 1 0 | 0 0 1 - 1 | 0 0 - 1 1 | 0 ~
Из 1-й строки вычитаем 2-ю, к 3-ей прибавляем 2-ю:
~ 1 - 0 1 - 1 0 - (- 1) | 0 - 0 0 1 - 1 | 0 0 + 0 - 1 + 1 1 + (- 1) | 0 + 0 ~ 0 1 0 | 1 0 1 - 1 | 0 0 0 0 | 0
Из решения следует, что у системы множество решений. Это значит, что существует ненулевая комбинация значения таких чисел x 1 , x 2 , x 3 , при которых линейная комбинация a , b , c равняется нулевому вектору. Следовательно, векторы a , b , c являются линейно зависимыми.
Если вы заметили ошибку в тексте, пожалуйста, выделите её и нажмите Ctrl+Enter
Пусть в -мерном арифметическом пространстве имеется совокупность векторов 
.
Определение 2.1.
Совокупность векторов 
называется линейно независимой
системой векторов, если равенство вида
выполняется только при нулевых значениях числовых параметров 
.
Если равенство (2.1) может быть выполнено при условии, что хотя бы один из коэффициентов отличен от нуля, то такая система векторов будет называться линейно зависимой .
Пример 2.1. Проверить линейную независимость векторов
Решение. Составим равенство вида (2.1)
Левая часть данного выражения может обращаться в нуль только при выполнении условия 
, которое означает, что система является линейно-независимой.
Пример 2.1.
Будут ли векторы 
линейно независимыми?
Решение.
Нетрудно проверить, что равенство верно при значениях 
, 
. Значит, данная система векторов линейно зависима.
Теорема 2.1. Если система векторов является линейно зависимой, то любой вектор из этой системы может быть представлен в виде линейной комбинации (или суперпозиции) остальных векторов системы.
Доказательство
. Предположим, что система векторов 
линейно зависима. Тогда в силу определения существует набор чисел , среди которых хотя бы одно число отлично от нуля, и при этом справедливо равенство (2.1):
Без потери общности предположим, что ненулевым коэффициентом является , то есть 
. Тогда последнее равенство можно разделить на и далее выразить вектор :
.
Таким образом, вектор представлен в виде суперпозиции векторов 
. Теорема 1 доказана.
Следствие.
Если 
– совокупность линейно независимых векторов, то ни один вектор из этого набора не может быть выражен через остальные
.
Теорема 2.2.
Если система векторов
содержит ноль-вектор, то такая система обязательно будет линейно зависимой
.
Доказательство
. Пусть вектор является ноль-вектором, то есть 
.
Тогда выбираем постоянные (
) следующим образом:
, .
При этом равенство (2.1) выполняется. Первое слагаемое слева равно нулю вследствие того, что – ноль-вектор. Остальные слагаемые обращаются в нуль, будучи умноженными на нулевые константы (
). Таким образом,
при , а значит, векторы 
линейно зависимые. Теорема 2.2 доказана.
Следующий вопрос, на который нам предстоит ответить, какое наибольшее количество векторов может составить линейно независимую систему в n -мерном арифметическом пространстве. В пункте 2.1 был рассмотрен естественный базис (1.4):
Было установлено, что произвольный вектор -мерного пространства является линейной комбинацией векторов естественного базиса, то есть произвольный вектор 
выражается в естественном базисе в виде
, (2.2)
где – координаты вектора , представляющие собой некоторые числа. Тогда равенство
возможно лишь при , а значит, векторов 
естественного базиса образуют линейно независимую систему. Если добавить к этой системе произвольный вектор , то на основании следствия теоремы 1 система будет зависимой, поскольку вектор выражается через векторы по формуле (2.2).
Этот пример показывает, что в n -мерном арифметическом пространстве существуют системы, состоящие из линейно независимых векторов. А если к этой системе добавить хотя бы один вектор, то получим систему линейно зависимых векторов. Докажем, что если число векторов превышает размерность пространства, то они линейно зависимые.
Теорема 2.3. В -мерном арифметическом пространстве не существует системы, состоящей более чем из линейно независимых векторов.
Доказательство . Рассмотрим произвольных -мерных векторов:
………………………
Пусть 
. Составим линейную комбинацию векторов (2.3) и приравняем её к нулю:
Векторное равенство (2.4) равносильно скалярным равенствам для координат 
векторов 
:
(2.5)
Эти равенства образуют систему однородных уравнений с неизвестными 
. Так как число неизвестных больше числа уравнений (
), то в силу следствия теоремы 9.3 раздела 1 однородная система (2.5) имеет ненулевое решение. Следовательно, равенство (2.4) справедливо при некоторых значениях 
, среди которых не все равны нулю, а значит, система векторов (2.3) линейно зависимая. Теорема 2.3 доказана.
Следствие. В -мерном пространстве существуют системы, состоящие из линейно независимых векторов, а любая система, содержащая больше чем векторов, будет линейно зависимой.
Определение 2.2. Систему линейно независимых векторов называют базисом пространства , если любой вектор пространства может быть выражен в виде линейной комбинации этих линейно независимых векторов.
2.3. Линейное преобразование векторов
Рассмотрим два вектора и -мерного арифметического пространства .
Определение 3.1.
Если каждому вектору 
сопоставлен вектор из этого же пространства , то говорят, что задано некоторое преобразование -мерного арифметического пространства.
Будем обозначать это преобразование через . Вектор будем называть образом . Можно записать равенсто
. (3.1)
Определение 3.2. Преобразование (3.1) будем называть линейным, если оно удовлетворяет следующим свойствам:
, (3.2)
,
(3.3)
где - произвольный скаляр (число).
Зададим преобразование (3.1) в координатной форме. Пусть координаты векторов 
и 
связаны зависимостью
(3.4)
Формулы (3.4) задают преобразование (3.1) в координатной форме. Коэффициенты (
) системы равенств (3.4) можно представить в виде матрицы
называемой матрицей преобразования (3.1).
Введём векторы-столбцы
,
элементы которых суть координаты векторов и соответственно, так что 
и 
. Будем далее векторы-столбцы и называть векторами.
Тогда преобразование (3.4) может быть записано в матричной форме
. (3.5)
Преобразование (3.5) является линейным в силу свойств арифметических операций над матрицами .
Рассмотрим некоторое преобразование , образом которого является ноль-вектор. В матричном виде это преобразование будет иметь вид
, (3.6)
а в координатной форме – представлять собой систему линейных однородных уравнений
(3.7)
Определение 3.3.
Линейное преобразование называется невырожденным, если определитель матрицы линейного преобразования не равен нулю, то есть 
. Если определитель обращается в нуль, то преобразование будет вырожденным 
.
Известно, что система (3.7) имеет тривиальное (очевидное) решение – нулевое. Это решение является единственным, если только определитель матрицы не равен нулю.
Ненулевые решения системы (3.7) могут появляться, если линейное преобразование является вырожденным, то есть при нулевом определителе матрицы .
Определение 3.4. Рангом преобразования (3.5) называется ранг матрицы преобразования .
Можно сказать, что этому же числу равно количество линейно-независимых строк матрицы .
Обратимся к геометрической интерпретации линейного преобразования (3.5).
Пример 3.1.
Пусть задана матрица линейного преобразования 
, где 
Возьмем произвольный вектор 
, где 
и найдем его образ: 
Тогда вектор 
.
Если 
, то вектор изменит и длину и направление. На рис.1 
.
Если 
, то получим образ
,
то есть вектор 
или 
, а это значит, что изменит только длину, но не изменит направление (рис. 2).
Пример 3.2.
Пусть 
, . Найдём образ:
,
то есть 
, или 
.
Вектор в результате преобразования изменил своё направление на противоположное, при этом длина вектора сохранилась (рис. 3).
Пример 3.3.
Рассмотрим матрицу 
линейного преобразования. Несложно показать, что в этом случае образ вектора полностью совпадает с самим вектором (рис. 4). Действительно,
.
Можно сказать, что линейное преобразование векторов изменяет исходный вектор и по длине, и по направлению. Однако в некоторых случаях существуют такие матрицы, которые преобразуют вектор только по направлению (пример 3.2) или только по длине (пример 3.1, случай 
).
Следует заметить, что все векторы, лежащие на одной прямой, образуют систему линейно зависимых векторов.
Вернёмся к линейному преобразованию (3.5)
и рассмотрим совокупность векторов , для которых образом является нуль-вектор, так что 
.
Определение 3.5
. Совокупность векторов , являющихся решением уравнения 
, образует подпространство -мерного арифметического пространства и называется ядром линейного преобразования
.
Определение 3.6. Дефектом линейного преобразования
называется размерность ядра этого преобразования, то есть, наибольшее число линейно-независимых векторов , удовлетворяющих уравнению 
.
Так как рангом линейного преобразования мы называем ранг матрицы , то можно сформулировать следующее утверждение относительно дефекта матрицы: дефект равен разности 
, где – размерность матрицы, – её ранг.
Если ранг матрицы линейного преобразования (3.5) ищется методом Гаусса, то ранг совпадает с количеством отличных от нуля элементов на главной диагонали уже преобразованной матрицы, а дефект определяется количеством нулевых строк.
Если линейное преобразование является невырожденным, то есть 
, то его дефект обращается в ноль, поскольку ядром является единственный нулевой вектор.
Если линейное преобразование вырожденное и 
, то система (3.6) кроме нулевого решения имеет другие, и дефект в этом случае уже отличен от нуля.
Особый интерес вызывают преобразования, которые, меняя длину, не меняют направление вектора. Точнее говоря, оставляют вектор на прямой, содержащей исходный вектор, при условии, что прямая проходит через начало координат. Такие преобразования будут рассмотрены в следующем пункте 2.4.
