Ha a vektorok lineárisan függőek, akkor. A vektorok lineáris függése

A vektorok lineáris függése és lineáris függetlensége.
A vektorok alapja. Affin koordinátarendszer

A nézőtéren egy kocsi csokoládéval, és ma minden látogató kap egy édes párost - elemző geometriát lineáris algebrával. Ez a cikk a magasabb matematika két szakaszát érinti egyszerre, és látni fogjuk, hogyan léteznek együtt egy csomagban. Tarts egy kis szünetet, egyél egy Twixet! ...a fenébe is, micsoda hülyeség. Bár, oké, nem pontozok, végül is pozitívan kell hozzáállni a tanuláshoz.

A vektorok lineáris függése, lineáris vektorfüggetlenség, vektorok alapjaés a többi kifejezésnek nemcsak geometriai értelmezése van, hanem mindenekelőtt algebrai jelentése is. Maga a „vektor” fogalma a lineáris algebra szempontjából nem mindig az a „hétköznapi” vektor, amelyet síkon vagy térben ábrázolhatunk. Nem kell messzire keresni a bizonyítékot, próbáljon meg rajzolni egy ötdimenziós tér vektorát . Vagy az időjárás vektor, amiért most mentem a Gismeteóba: hőmérséklet és légköri nyomás, ill. A példa természetesen hibás a vektortér tulajdonságai szempontjából, de ennek ellenére senki sem tiltja, hogy ezeket a paramétereket vektorként formalizáljuk. Az ősz lehelete...

Nem, nem foglak untatni elmélettel, lineáris vektorterekkel, a feladat az megért definíciók és tételek. Az új kifejezések (lineáris függés, függetlenség, lineáris kombináció, bázis stb.) algebrai szempontból minden vektorra érvényesek, de geometriai példákat is adunk. Így minden egyszerű, hozzáférhető és világos. Az analitikus geometriai problémákon kívül néhány tipikus algebrai feladatot is figyelembe veszünk. Az anyag elsajátításához tanácsos megismerkedni a leckékkel Vektorok bábokhozÉs Hogyan kell kiszámítani a determinánst?

Síkvektorok lineáris függése és függetlensége.
Síkbázis és affin koordinátarendszer

Vegyük figyelembe a számítógépasztal síkját (csak egy asztal, éjjeliszekrény, padló, mennyezet, bármi, ami tetszik). A feladat a következő műveletekből áll majd:

1) Válassza ki a sík alapját. Nagyjából elmondható, hogy az asztallapnak megvan a hossza és a szélessége, így intuitív módon két vektorra lesz szükség az alap létrehozásához. Egy vektor nyilvánvalóan nem elég, három vektor túl sok.

2) A kiválasztott alapon koordinátarendszer beállítása(koordináta rács) a koordináták hozzárendeléséhez a táblázat összes objektumához.

Ne lepődj meg, eleinte a magyarázatok az ujjakon lesznek. Ráadásul a tiéden. Kérem helyezze el bal mutatóujj az asztallap szélén úgy, hogy a monitorra néz. Ez egy vektor lesz. Most hely jobb kisujj az asztal szélén ugyanúgy - úgy, hogy a monitor képernyőjére irányuljon. Ez egy vektor lesz. Mosolyogj, jól nézel ki! Mit mondhatunk a vektorokról? Adatvektorok kollineáris, ami azt jelenti lineáris egymáson keresztül kifejezve:
, nos, vagy fordítva: , ahol valami nullától eltérő szám.

Erről a műveletről láthat egy képet az órán. Vektorok bábokhoz, ahol elmagyaráztam a vektor számmal való szorzásának szabályát.

Az ujjaid alapot adnak a számítógépasztal síkjára? Nyilvánvalóan nem. A kollineáris vektorok oda-vissza mozognak egyedül irány, és egy síknak van hossza és szélessége.

Az ilyen vektorokat ún lineárisan függő.

Referencia: A „lineáris”, „lineárisan” szavak azt jelzik, hogy a matematikai egyenletekben és kifejezésekben nincsenek négyzetek, kockák, egyéb hatványok, logaritmusok, szinuszok stb. Csak lineáris (1. fokú) kifejezések és függőségek léteznek.

Két sík vektor lineárisan függő akkor és csak akkor, ha kollineárisak.

Ujjait tegye keresztbe az asztalon úgy, hogy 0 vagy 180 foktól eltérő szög legyen közöttük. Két sík vektorlineáris Nem akkor és csak akkor függenek, ha nem kollineárisak. Tehát megvan az alap. Nem kell szégyenkezni, hogy az alap „elferdült” különböző hosszúságú, nem merőleges vektorokkal. Hamarosan látni fogjuk, hogy nem csak egy 90 fokos szög alkalmas a felépítésére, és nem csak az egyenlő hosszúságú egységvektorok

Bármi sík vektor az egyetlen módja alapja szerint bővül:
, hol vannak a valós számok. A számokat hívják vektor koordináták ezen az alapon.

Azt is mondják vektormint lineáris kombináció bázisvektorok. Vagyis a kifejezést ún vektorbontásalapján vagy lineáris kombináció bázisvektorok.

Például azt mondhatjuk, hogy a vektort a sík ortonormális bázisa mentén bontjuk fel, vagy azt, hogy vektorok lineáris kombinációjaként ábrázoljuk.

Fogalmazzuk meg alap meghatározása formálisan: A sík alapja lineárisan független (nem kollineáris) vektorpárnak nevezzük, , ahol Bármi a síkvektor bázisvektorok lineáris kombinációja.

A definíció lényeges pontja az a tény, hogy a vektorokat felvesszük egy bizonyos sorrendben. Alapok – ez két teljesen különböző alap! Ahogy mondani szokták, a bal kezed kisujját nem tudod kicserélni a jobb kezed kisujja helyett.

Az alapot kitaláltuk, de nem elég beállítani egy koordináta rácsot és koordinátákat rendelni a számítógépasztal minden eleméhez. Miért nem elég? A vektorok szabadok és az egész síkon vándorolnak. Szóval hogyan rendelhet koordinátákat az asztal azon kis piszkos pontjaihoz, amelyek egy vad hétvége után megmaradtak? Kiindulási pontra van szükség. És egy ilyen tereptárgy mindenki számára ismerős pont - a koordináták eredete. Értsük meg a koordinátarendszert:

Kezdem az „iskolai” rendszerrel. Már a bevezető órán Vektorok bábokhoz Rávilágítottam néhány különbségre a derékszögű koordinátarendszer és az ortonormális bázis között. Íme a standard kép:

Amikor arról beszélnek derékszögű koordinátarendszer, akkor leggyakrabban az origót, a koordinátatengelyeket és a tengelyek menti léptéket jelentik. Próbáld meg beírni a keresőbe a „téglalap koordinátarendszer” kifejezést, és látni fogod, hogy sok forrás leírja az 5-6. osztályból ismert koordinátatengelyeket és a pontok síkon való ábrázolását.

Másrészt úgy tűnik, hogy egy derékszögű koordinátarendszer teljesen meghatározható ortonormális alapon. És ez majdnem igaz. A megfogalmazás a következő:

eredet, És ortonormális az alap meg van állítva Derékszögű téglalap sík koordinátarendszer . Vagyis a derékszögű koordináta-rendszer egyértelműen egyetlen pont és két egységnyi ortogonális vektor határozza meg. Ezért látja azt a rajzot, amelyet fentebb megadtam - a geometriai feladatokban gyakran (de nem mindig) mind a vektorokat, mind a koordinátatengelyeket megrajzolják.

Szerintem mindenki érti, hogy pont (eredet) és ortonormális alapot használunk BÁRMILYEN PONT a gépen és BÁRMILYEN VEKTOR a gépen koordinátákat lehet hozzárendelni. Képletesen szólva: „a repülőn minden megszámlálható”.

A koordinátavektoroknak egységnek kell lenniük? Nem, tetszőleges nullától eltérő hosszúságúak lehetnek. Tekintsünk egy pontot és két tetszőleges nullától eltérő hosszúságú merőleges vektort:

Az ilyen alapot az ún ortogonális. A vektoros koordináták origóját egy koordináta-rács határozza meg, és a sík bármely pontjának, bármely vektornak adott alapon megvannak a koordinátái. Például, vagy. A nyilvánvaló kellemetlenség az, hogy a koordinátavektorok általában az egységtől eltérő hosszúságúak. Ha a hosszúságok egyenlőek egységgel, akkor a szokásos ortonormális alapot kapjuk.

! jegyzet : az ortogonális alapon, valamint alatta a sík és tér affin alapjaiban a tengelyek mentén lévő egységeket kell figyelembe venni FELTÉTELES. Például egy egység az x tengely mentén 4 cm-t, az ordináta tengely mentén 2 cm-t tartalmaz, ez az információ elegendő ahhoz, hogy szükség esetén a „nem szabványos” koordinátákat „szokásos centimétereinkké” alakítsuk át.

A második kérdés, amelyre tulajdonképpen már válaszoltunk, az, hogy az alapvektorok közötti szögnek 90 fokkal kell-e egyenlőnek lennie? Nem! A definíció szerint a bázisvektoroknak olyanoknak kell lenniük csak nem kollineáris. Ennek megfelelően a szög bármi lehet, kivéve 0 és 180 fokot.

Egy pont a gépen ún eredet, És nem kollineáris vektorok, , készlet affin sík koordinátarendszer :

Néha egy ilyen koordináta-rendszert hívnak ferde rendszer. Példaként a rajz pontokat és vektorokat mutat be:

Mint érti, az affin koordináta-rendszer még kevésbé kényelmes; a vektorok és szegmensek hosszának képletei, amelyeket a lecke második részében tárgyaltunk, nem működnek benne Vektorok bábokhoz, sok finom képlet kapcsolódó vektorok skaláris szorzata. De érvényesek a vektorok összeadására és a vektorok számmal való szorzására vonatkozó szabályok, a szegmens elosztásának képletei ebben a relációban, valamint néhány más típusú probléma, amelyet hamarosan megvizsgálunk.

A következtetés az, hogy az affin koordinátarendszer legkényelmesebb speciális esete a derékszögű téglalaprendszer. Ezért kell leggyakrabban látnod őt, kedvesem. ...Azonban ebben az életben minden relatív – sok olyan helyzet van, amikor egy ferde szög (vagy valami más pl. poláris) koordináta-rendszer. És a humanoidoknak tetszhetnek az ilyen rendszerek =)

Térjünk át a gyakorlati részre. Ebben a leckében minden probléma érvényes mind a négyszögletes koordináta-rendszerre, mind az általános affin esetre. Nincs itt semmi bonyolult, minden anyag elérhető még egy iskolás számára is.

Hogyan határozható meg a síkvektorok kollinearitása?

Tipikus dolog. Két síkvektor érdekében kollineárisak, szükséges és elegendő, hogy a megfelelő koordinátáik arányosak legyenek Lényegében ez a nyilvánvaló kapcsolat koordinátánkénti részletezése.

1. példa

a) Ellenőrizze, hogy a vektorok kollineárisak-e .
b) A vektorok alkotnak bázist? ?

Megoldás:
a) Nézzük meg, hogy létezik-e vektorokra arányossági együttható, hogy az egyenlőségek teljesüljenek:

Határozottan mesélek neked ennek a szabálynak a „foppis” változatáról, amely a gyakorlatban elég jól működik. Az ötlet az, hogy azonnal alakítsuk ki az arányt, és nézzük meg, hogy helyes-e:

A vektorok megfelelő koordinátáinak arányaiból készítsünk arányt:

Rövidítsük le:
, így a megfelelő koordináták arányosak, ezért

A kapcsolat fordítva is kialakítható, ez egy egyenértékű lehetőség:

Az önteszthez felhasználhatja azt a tényt, hogy a kollineáris vektorok lineárisan fejeződnek ki egymáson keresztül. Ebben az esetben az egyenlőségek megtörténnek . Érvényességük egyszerűen ellenőrizhető vektoros elemi műveletekkel:

b) Két síkvektor képez bázist, ha nem kollineáris (lineárisan független). A vektorokat kollinearitás szempontjából vizsgáljuk . Hozzunk létre egy rendszert:

Az első egyenletből az következik, hogy a második egyenletből az következik, hogy a rendszer inkonzisztens(nincs megoldás). Így a vektorok megfelelő koordinátái nem arányosak.

Következtetés: a vektorok lineárisan függetlenek és bázist alkotnak.

A megoldás egyszerűsített változata így néz ki:

Készítsünk arányt a vektorok megfelelő koordinátáiból :
, ami azt jelenti, hogy ezek a vektorok lineárisan függetlenek és bázist alkotnak.

Általában ezt a lehetőséget nem utasítják el a véleményezők, de probléma merül fel olyan esetekben, amikor néhány koordináta nullával egyenlő. Mint ez: . Vagy így: . Vagy így: . Hogyan lehet itt az arányokat átdolgozni? (valóban, nem lehet nullával osztani). Emiatt neveztem az egyszerűsített megoldást „foppish”-nak.

Válasz: a) , b) forma.

Egy kis kreatív példa a saját megoldásodhoz:

2. példa

A paraméter melyik értékénél vannak a vektorok kollineárisak lesznek?

A mintamegoldásban a paramétert az arányon keresztül találjuk meg.

Van egy elegáns algebrai módszer a vektorok kollinearitás-ellenőrzésére. Rendszerezzük tudásunkat, és ötödik pontként adjuk hozzá:

Két síkvektorra a következő állítások ekvivalensek:

2) a vektorok bázist alkotnak;
3) a vektorok nem kollineárisak;

+ 5) ezen vektorok koordinátáiból álló determináns nem nulla.

Illetőleg, a következő ellentétes állítások egyenértékűek:
1) a vektorok lineárisan függenek;
2) a vektorok nem képeznek bázist;
3) a vektorok kollineárisak;
4) a vektorok egymáson keresztül lineárisan kifejezhetők;
+ 5) ezen vektorok koordinátáiból álló determináns egyenlő nullával.

Nagyon-nagyon remélem, hogy mostanra már megértette az összes olyan kifejezést és kijelentést, amellyel találkozott.

Nézzük meg közelebbről az új, ötödik pontot: két síkvektor akkor és csak akkor kollineárisak, ha az adott vektorok koordinátáiból álló determináns nulla:. Ennek a funkciónak a használatához természetesen tudnia kell meghatározó tényezőket találni.

Döntsük el 1. példa a második módon:

a) Számítsuk ki a vektorok koordinátáiból álló determinánst! :
, ami azt jelenti, hogy ezek a vektorok kollineárisak.

b) Két síkvektor képez bázist, ha nem kollineáris (lineárisan független). Számítsuk ki a vektorkoordinátákból álló determinánst :
, ami azt jelenti, hogy a vektorok lineárisan függetlenek és bázist alkotnak.

Válasz: a) , b) forma.

Sokkal kompaktabbnak és szebbnek tűnik, mint egy arányos megoldás.

A vizsgált anyag segítségével nemcsak a vektorok kollinearitása állapítható meg, hanem a szakaszok és egyenesek párhuzamossága is igazolható. Nézzünk meg néhány problémát konkrét geometriai alakzatokkal.

3. példa

A négyszög csúcsai adottak. Bizonyítsuk be, hogy egy négyszög paralelogramma.

Bizonyíték: Nem kell rajzot készíteni a feladatban, mivel a megoldás pusztán analitikus lesz. Emlékezzünk a paralelogramma definíciójára:
Paralelogramma Olyan négyszöget nevezünk, amelynek szemközti oldalai páronként párhuzamosak.

Ezért be kell bizonyítani:
1) ellentétes oldalak párhuzamossága és;
2) ellentétes oldalak párhuzamossága és.

Bebizonyítjuk:

1) Keresse meg a vektorokat:

2) Keresse meg a vektorokat:

Az eredmény ugyanaz a vektor („iskola szerint” – egyenlő vektorok). A kollinearitás teljesen nyilvánvaló, de jobb, ha a döntést egyértelműen, elrendezéssel formalizáljuk. Számítsuk ki a vektorkoordinátákból álló determinánst:
, ami azt jelenti, hogy ezek a vektorok kollineárisak, és .

Következtetés: Egy négyszög szemközti oldalai páronként párhuzamosak, ami azt jelenti, hogy definíció szerint paralelogramma. Q.E.D.

További jó és különböző figurák:

4. példa

A négyszög csúcsai adottak. Bizonyítsuk be, hogy a négyszög trapéz.

A bizonyítás szigorúbb megfogalmazásához természetesen jobb, ha megkapjuk a trapéz definícióját, de elég egyszerűen emlékezni arra, hogyan néz ki.

Ezt a feladatot egyedül kell megoldania. Teljes megoldás a lecke végén.

És most itt az ideje, hogy lassan mozogjunk a síkból az űrbe:

Hogyan határozható meg a térvektorok kollinearitása?

A szabály nagyon hasonló. Ahhoz, hogy két térvektor kollineáris legyen, szükséges és elegendő, hogy a megfelelő koordinátáik arányosak legyenek.

5. példa

Nézze meg, hogy a következő térvektorok kollineárisak-e:

A) ;
b)
V)

Megoldás:
a) Ellenőrizzük, hogy van-e arányossági együttható a vektorok megfelelő koordinátáira:

A rendszernek nincs megoldása, ami azt jelenti, hogy a vektorok nem kollineárisak.

Az „egyszerűsített” az arány ellenőrzésével formalizálódik. Ebben az esetben:
– a megfelelő koordináták nem arányosak, ami azt jelenti, hogy a vektorok nem kollineárisak.

Válasz: a vektorok nem kollineárisak.

b-c) Ezek az önálló döntés pontjai. Próbálja ki kétféleképpen.

Létezik egy módszer a térbeli vektorok kollinearitás-ellenőrzésére harmadrendű determináns segítségével; ezt a módszert a cikk tárgyalja. Vektor vektor szorzata.

A sík esethez hasonlóan a vizsgált eszközökkel térbeli szakaszok és egyenesek párhuzamossága is vizsgálható.

Üdvözöljük a második részben:

Vektorok lineáris függése és függetlensége háromdimenziós térben.
Téralap és affin koordinátarendszer

A síkon megvizsgált minták közül sok érvényes lesz a térben. Igyekeztem minimalizálni az elméleti jegyzeteket, hiszen az információk oroszlánrészét már megrágták. Javasolom azonban, hogy figyelmesen olvassa el a bevezető részt, mert új kifejezések, fogalmak jelennek meg.

Most a számítógépasztal síkja helyett a háromdimenziós teret vizsgáljuk. Először is hozzuk létre az alapot. Valaki most bent van, valaki kint, de mindenesetre nem kerülhetjük el a három dimenziót: szélesség, hosszúság és magasság. Ezért egy bázis felépítéséhez három térbeli vektorra lesz szükség. Egy-két vektor nem elég, a negyedik felesleges.

És ismét az ujjainkon melegedünk. Kérjük, emelje fel a kezét, és ossza szét különböző irányokba hüvelykujj, mutató és középső ujj. Ezek vektorok lesznek, különböző irányokba néznek, különböző hosszúságúak és különböző szögeik vannak egymás között. Gratulálunk, a háromdimenziós tér alapja készen áll! Egyébként ezt nem kell a tanároknak demonstrálni, hiába csavarod az ujjaidat, de a definíciók elől nincs menekvés =)

Ezután tegyünk fel magunknak egy fontos kérdést: alkot-e bármely három vektor a háromdimenziós tér bázisát? Nyomja meg erősen három ujját a számítógépasztal tetejére. Mi történt? Három vektor található ugyanabban a síkban, és durván szólva elvesztettük az egyik dimenziót - a magasságot. Ilyen vektorok egysíkúés teljesen nyilvánvaló, hogy a háromdimenziós tér alapja nem jön létre.

Meg kell jegyezni, hogy a koplanáris vektoroknak nem kell ugyanabban a síkban feküdniük, lehetnek párhuzamos síkokban is (csak ne az ujjaival tegye ezt, csak Salvador Dali tette ezt =)).

Meghatározás: vektorokat hívják egysíkú, ha van olyan sík, amellyel párhuzamosak. Itt logikus hozzátenni, hogy ha ilyen sík nem létezik, akkor a vektorok nem lesznek egysíkúak.

Három koplanáris vektor mindig lineárisan függ, azaz lineárisan fejeződnek ki egymáson keresztül. Az egyszerűség kedvéért képzeljük el újra, hogy ugyanabban a síkban fekszenek. Először is, a vektorok nem csak egysíkúak, hanem lehetnek kollineárisak is, majd bármely vektor kifejezhető bármely vektoron keresztül. A második esetben, ha például a vektorok nem kollineárisak, akkor a harmadik vektor egyedi módon fejeződik ki rajtuk: (és miért, azt az előző rész anyagaiból könnyű kitalálni).

Ez fordítva is igaz: három nem egysíkú vektor mindig lineárisan független, vagyis semmiképpen sem fejeződnek ki egymáson keresztül. És nyilvánvalóan csak ilyen vektorok képezhetik a háromdimenziós tér alapját.

Meghatározás: A háromdimenziós tér alapja lineárisan független (nem egysíkú) vektorok hármasának nevezzük, meghatározott sorrendben szedve, és a tér bármely vektora az egyetlen módja egy adott bázisra van felbontva, hol vannak a vektor koordinátái ebben a bázisban

Hadd emlékeztesselek arra, hogy azt is mondhatjuk, hogy a vektor az alakban van ábrázolva lineáris kombináció bázisvektorok.

A koordinátarendszer fogalmát pontosan ugyanúgy vezetjük be, mint a sík esetében, elegendő egy pont és bármely három lineárisan független vektor:

eredet, És nem egysíkú vektorok, meghatározott sorrendben szedve, készlet háromdimenziós tér affin koordinátarendszere :

Természetesen a koordináta rács „ferde” és kényelmetlen, de ennek ellenére a felépített koordinátarendszer lehetővé teszi egyértelműen meghatározza bármely vektor koordinátáit és a tér bármely pontjának koordinátáit. A síkhoz hasonlóan néhány képlet, amit már említettem, nem fog működni a tér affin koordinátarendszerében.

Az affin koordinátarendszer legismertebb és legkényelmesebb speciális esete, ahogy mindenki sejti, az derékszögű tér koordinátarendszer:

Egy pont a térben ún eredet, És ortonormális az alap meg van állítva Derékszögű derékszögű tér koordinátarendszer . Ismerős kép:

Mielőtt rátérnénk a gyakorlati feladatokra, ismételten rendszerezzük az információkat:

Három térvektorra a következő állítások egyenértékűek:
1) a vektorok lineárisan függetlenek;
2) a vektorok bázist alkotnak;
3) a vektorok nem egysíkúak;
4) a vektorok nem fejezhetők ki lineárisan egymáson keresztül;
5) a determináns, amely ezen vektorok koordinátáiból áll, különbözik nullától.

Szerintem az ellenkező állítások érthetőek.

A térvektorok lineáris függését/függetlenségét hagyományosan determináns segítségével ellenőrzik (5. pont). A fennmaradó gyakorlati feladatok kifejezetten algebrai jellegűek lesznek. Ideje letenni a geometria botot, és hadonászni a lineáris algebra baseballütőjével:

Három térvektor akkor és csak akkor koplanárisak, ha az adott vektorok koordinátáiból álló determináns nulla: .

Egy apró technikai árnyalatra szeretném felhívni a figyelmet: a vektorok koordinátái nem csak oszlopokba, hanem sorokba is írhatók (a determináns értéke ettől nem fog változni - lásd a determinánsok tulajdonságait). De sokkal jobb az oszlopokban, mivel előnyösebb néhány gyakorlati probléma megoldásában.

Azoknak az olvasóknak, akik egy kicsit elfelejtették a determinánsok számítási módszereit, vagy esetleg egyáltalán nem ismerik azokat, ajánlom egyik legrégebbi leckémet: Hogyan kell kiszámítani a determinánst?

6. példa

Ellenőrizze, hogy a következő vektorok képezik-e a háromdimenziós tér alapját:

Megoldás: Valójában a teljes megoldás a determináns kiszámításán múlik.

a) Számítsuk ki a vektorkoordinátákból álló determinánst (a determináns az első sorban látható):

, ami azt jelenti, hogy a vektorok lineárisan függetlenek (nem koplanárisak), és a háromdimenziós tér alapját képezik.

Válasz: ezek a vektorok alapot képeznek

b) Ez egy önálló döntési pont. Teljes megoldás és válasz a lecke végén.

Vannak kreatív feladatok is:

7. példa

A paraméter mekkora értékénél lesznek a vektorok egysíkúak?

Megoldás: A vektorok akkor és csak akkor síkbeliek, ha ezen vektorok koordinátáiból álló determináns nulla:

Lényegében meg kell oldani egy egyenletet egy determinánssal. Lecsapunk a nullákra, mint a sárkányok a jerboákra – a legjobb, ha megnyitjuk a meghatározót a második sorban, és azonnal megszabadulunk a mínuszoktól:

További egyszerűsítéseket hajtunk végre, és a dolgot a legegyszerűbb lineáris egyenletre redukáljuk:

Válasz: nál nél

Itt egyszerűen ellenőrizhető; ehhez be kell cserélnie a kapott értéket az eredeti determinánsba, és meg kell győződnie arról, hogy , nyissa ki újra.

Végezetül megvizsgálunk egy másik tipikus problémát, amely inkább algebrai jellegű, és hagyományosan a lineáris algebrai kurzusban szerepel. Annyira elterjedt, hogy megérdemelné a saját témáját:

Bizonyítsuk be, hogy 3 vektor alkotja a háromdimenziós tér alapját
és ebben az alapban keressük meg a 4. vektor koordinátáit

8. példa

Vektorok adottak. Mutassuk meg, hogy a vektorok bázist képeznek a háromdimenziós térben, és keressük meg a vektor koordinátáit ebben a bázisban.

Megoldás: Először is foglalkozzunk a feltétellel. Feltétel szerint négy vektor adott, és mint látható, ezeknek már van koordinátájuk valamilyen bázison. Hogy mi ez az alap, az minket nem érdekel. És a következő dolog érdekes: három vektor új alapot képezhet. És az első szakasz teljesen egybeesik a 6. példa megoldásával; ellenőrizni kell, hogy a vektorok valóban lineárisan függetlenek-e:

Számítsuk ki a vektorkoordinátákból álló determinánst:

, ami azt jelenti, hogy a vektorok lineárisan függetlenek és a háromdimenziós tér alapját képezik.

! Fontos : vektor koordináták Szükségszerűenírd le oszlopokba determináns, nem karakterláncokban. Ellenkező esetben zavar lép fel a további megoldási algoritmusban.

Legyen vektorok gyűjteménye egy -dimenziós aritmetikai térben .

Meghatározás 2.1.Vektorok halmaza hívott lineárisan független vektorrendszer, ha az egyenlőség alakja

csak a numerikus paraméterek nulla értékével hajtható végre .

Ha a (2.1) egyenlőség teljesíthető, feltéve, hogy legalább az egyik együttható nullától eltérő, akkor egy ilyen vektorrendszert nevezünk. lineárisan függő .

2.1. példa. Ellenőrizze a vektorok lineáris függetlenségét

Megoldás. Hozzuk létre a (2.1) forma egyenlőségét!

A kifejezés bal oldala csak akkor válhat nullává, ha a feltétel teljesül , ami azt jelenti, hogy a rendszer lineárisan független.

2.1. példa. Lesznek vektorok? lineárisan független?

Megoldás. Könnyű ellenőrizni, hogy az egyenlőség igaz az értékekre , . Ez azt jelenti, hogy ez a vektorrendszer lineárisan függő.

Tétel 2.1. Ha egy vektorrendszer lineárisan függő, akkor ebből a rendszerből bármely vektor ábrázolható a rendszer többi vektorának lineáris kombinációjaként (vagy szuperpozíciójaként).

Bizonyíték. Tegyük fel, hogy a vektorrendszer lineárisan függő. Ekkor definíció szerint van egy számkészlet , amelyek között legalább egy szám különbözik nullától, és érvényes a (2.1) egyenlőség:

Az általánosság elvesztése nélkül feltételezzük, hogy a nem nulla együttható , azaz . Ekkor az utolsó egyenlőség osztható, majd vektorként fejezhető ki:

.

Így a vektort vektorok szuperpozíciójaként ábrázoljuk . Az 1. tétel bizonyítást nyert.

Következmény. Ha lineárisan független vektorok halmaza, akkor ebből a halmazból egyetlen vektor sem fejezhető ki a többivel.

Tétel 2.2. Ha a vektorok rendszere nulla vektort tartalmaz, akkor egy ilyen rendszer szükségszerűen lineárisan függő lesz.

Bizonyíték. Legyen a vektor nulla vektor, azaz .

Ezután válasszunk konstansokat ( ) a következő módon:

, .

Ebben az esetben a (2.1) egyenlőség teljesül. A bal oldali első tag egyenlő nullával, mivel ez egy nulla vektor. A fennmaradó tagok nullává válnak, ha megszorozzuk nulla állandóval ( ). És így,

nál nél , ami a vektorokat jelenti lineárisan függő. A 2.2 Tétel bebizonyított.

A következő kérdés, amire válaszolnunk kell, az, hogy mit a legnagyobb számú vektor alkothat lineárisan független rendszert V n-dimenziós aritmetikai tér. A 2.1. bekezdésben a természetes alapot (1.4) vettük figyelembe:

Megállapították, hogy a -dimenziós tér tetszőleges vektora természetes bázisvektorok lineáris kombinációja, azaz egy tetszőleges vektor természetes alapon fejeződik ki, mint

, (2.2)

Ahol – a vektor koordinátái, amelyek néhány számot ábrázolnak. Aztán egyenlőség

csak , és ezért vektorok esetén lehetséges természetes alapok lineárisan független rendszert alkotnak. Ha ehhez a rendszerhez tetszőleges vektort adunk , akkor az 1. Tétel következménye alapján a rendszer függő lesz, mivel a vektort vektorokkal fejezzük ki a (2.2) képlet szerint.

Ez a példa azt mutatja be n-dimenziós aritmetikai tér léteznek lineárisan független vektorokból álló rendszerek. És ha ehhez a rendszerhez hozzáadunk legalább egy vektort, akkor lineárisan függő vektorok rendszerét kapjuk. Bizonyítsuk be, hogy ha a vektorok száma meghaladja a tér dimenzióját, akkor lineárisan függenek.

Tétel 2.3.A -dimenziós aritmetikai térben nincs több mint-ből álló rendszer lineárisan független vektorok.

Bizonyíték. Tekintsünk tetszőleges -dimenziós vektorokat:

………………………

Hadd . Készítsünk vektorok lineáris kombinációját (2.3), és egyenlővé tegyük nullával:

A vektoregyenlőség (2.4) megegyezik a koordináták skaláris egyenlőségeivel vektorok :

(2.5)

Ezek az egyenlőségek homogén egyenletrendszert alkotnak ismeretlenekkel . Mivel az ismeretlenek száma nagyobb, mint az egyenletek száma ( ), akkor az 1. szakasz 9.3. Tételének következménye alapján a (2.5) homogén rendszernek nullától eltérő megoldása van. Ebből következően bizonyos értékekre érvényes a (2.4) egyenlőség , amelyek között nem mindegyik egyenlő nullával, ami azt jelenti, hogy a (2.3) vektorrendszer lineárisan függő. A 2.3 Tétel bebizonyított.

Következmény. A -dimenziós térben vannak olyan rendszerek, amelyek lineárisan független vektorokból állnak, és minden olyan rendszer, amely több mint vektort tartalmaz, lineárisan függ.

Meghatározás 2.2.Lineárisan független vektorok rendszerét ún a tér alapja, ha a térben bármely vektor kifejezhető ezen lineárisan független vektorok lineáris kombinációjaként.

2.3. Lineáris vektor transzformáció

Tekintsünk két vektort és -dimenziós aritmetikai teret.

Meghatározás 3.1.Ha minden vektor Ha ugyanabból a térből egy vektort társítunk, akkor azt mondjuk, hogy adott egy -dimenziós aritmetikai tér valamilyen transzformációja.

Ezt a transzformációt -val fogjuk jelölni. A vektort képnek fogjuk nevezni. Felírhatjuk az egyenlőséget

. (3.1)

Meghatározás 3.2.A (3.1) transzformációt lineárisnak nevezzük, ha megfelel a következő tulajdonságoknak:

, (3.2)

, (3.3)

ahol egy tetszőleges skalár (szám).

Határozzuk meg a (3.1) transzformációt koordináta alakban. Legyen a vektorok koordinátái És függőség köti le

(3.4)

A (3.4) képletek a (3.1) transzformációt koordináta formában határozzák meg. Odds ( ) egyenlőségrendszerek (3.4) mátrixként ábrázolhatók

transzformációs mátrixnak nevezzük (3.1).

Vezessünk be oszlopvektorokat

,

melynek elemei a vektorok koordinátái És ennek megfelelően tehát És . A továbbiakban az oszlopvektorokat vektoroknak nevezzük.

Ekkor a (3.4) transzformáció felírható mátrix alakban

. (3.5)

A (3.5) transzformáció lineáris a mátrixokon végzett aritmetikai műveletek tulajdonságai miatt.

Tekintsünk néhány olyan transzformációt, amelynek képe nulla vektor. Mátrix formában ez a transzformáció így fog kinézni

, (3.6)

koordináta formában pedig – lineáris homogén egyenletrendszert képviselnek

(3.7)

Meghatározás 3.3.Egy lineáris transzformációt nem degeneráltnak nevezünk, ha a lineáris transzformációs mátrix determinánsa nem egyenlő nullával, azaz . Ha a determináns eltűnik, akkor a transzformáció degenerált lesz .

Ismeretes, hogy a (3.7) rendszernek van egy triviális (nyilvánvaló) megoldása – nulla. Ez a megoldás egyedi, hacsak a mátrix determinánsa nem nulla.

A (3.7) rendszer nullától eltérő megoldásai akkor jelenhetnek meg, ha a lineáris transzformáció degenerált, vagyis ha a mátrix determinánsa nulla.

Meghatározás 3.4. A transzformáció rangja (3.5) a transzformációs mátrix rangja.

Azt mondhatjuk, hogy ugyanaz a szám egyenlő a mátrix lineárisan független sorainak számával.

Térjünk rá a lineáris transzformáció geometriai értelmezésére (3.5).

Példa 3.1. Legyen adott egy lineáris transzformációs mátrix , Ahol Vegyünk egy tetszőleges vektort , Ahol és keresse meg a képét:
Aztán a vektor
.

Ha , akkor a vektor hosszát és irányát is megváltoztatja. Az 1. ábrán .

Ha , akkor megkapjuk a képet

,

vagyis egy vektor
vagy , ami azt jelenti, hogy csak a hosszt fogja megváltoztatni, de irányt nem (2. ábra).

Példa 3.2. Hadd , . Keressük a képet:

,

vagyis
, vagy .

Vektor a transzformáció következtében az ellenkező irányt változtatta, miközben a vektor hossza megmaradt (3. ábra).

Példa 3.3. Tekintsük a mátrixot lineáris transzformáció. Könnyen kimutatható, hogy ebben az esetben a vektor képe teljesen egybeesik magával a vektorral (4. ábra). Igazán,

.

Azt mondhatjuk, hogy a vektorok lineáris transzformációja megváltoztatja az eredeti vektort hosszában és irányában egyaránt. Vannak azonban olyan mátrixok, amelyek a vektort csak irányban (3.2. példa) vagy csak hosszban (3.1. példa, eset) alakítják át. ).

Meg kell jegyezni, hogy az ugyanazon a vonalon fekvő összes vektor lineárisan függő vektorok rendszerét alkotja.

Térjünk vissza a lineáris transzformációhoz (3.5)

és vegyük figyelembe a vektorok gyűjteményét , amelyre a kép nullvektor, tehát .

Meghatározás 3.5. Olyan vektorok halmaza, amelyek az egyenlet megoldását jelentik , a -dimenziós aritmetikai tér alterét képezi és ún lineáris transzformációs kernel.

Meghatározás 3.6. Lineáris transzformációs hiba ennek a transzformációnak a magjának dimenzióját nevezzük, vagyis az egyenletet kielégítő lineárisan független vektorok legnagyobb számát. .

Mivel a mátrix rangját a lineáris transzformáció rangján értjük, a mátrix hibájára vonatkozóan a következő állítást fogalmazhatjuk meg: a hiba egyenlő a különbséggel , ahol a mátrix dimenziója és a rangja.

Ha a lineáris transzformációs mátrix (3.5) rangját Gauss-módszerrel keressük, akkor a rang egybeesik a már transzformált mátrix főátlóján a nullától eltérő elemek számával, és a hibát a nullák száma határozza meg. sorokat.

Ha a lineáris transzformáció nem degenerált, akkor az , akkor a hibája nulla lesz, mivel a kernel az egyetlen nulla vektor.

Ha a lineáris transzformáció degenerált és , akkor a (3.6) rendszernek a nulla egyen kívül más megoldásai is vannak, és a hiba ebben az esetben már különbözik a nullától.

Különösen érdekesek azok a transzformációk, amelyek a hossz megváltoztatása mellett nem változtatják meg a vektor irányát. Pontosabban, az eredeti vektort tartalmazó egyenesen hagyják a vektort, feltéve, hogy az egyenes áthalad az origón. Az ilyen átalakításokat a következő 2.4. bekezdés tárgyalja.

általunk bemutatott lineáris műveletek vektorokon lehetővé teszik különféle kifejezések létrehozását vektor mennyiségekés átalakítsa azokat az ezekhez a műveletekhez beállított tulajdonságok segítségével.

Adott a 1, ..., a n vektorhalmaz alapján létrehozhat egy kifejezést az alakból

ahol a 1, ... és n tetszőleges valós számok. Ezt a kifejezést hívják vektorok lineáris kombinációja a 1, ..., a n. Az α i, i = 1, n számok azt jelentik lineáris kombinációs együtthatók. A vektorok halmazát is nevezzük vektorok rendszere.

A bevezetett lineáris vektorkombináció fogalmával kapcsolatban felmerül egy olyan vektorhalmaz leírása, amely egy adott a 1, ..., a n vektorrendszer lineáris kombinációjaként írható fel. Emellett természetes kérdések merülnek fel azzal kapcsolatban, hogy milyen feltételek mellett létezik egy vektor lineáris kombináció formájában történő ábrázolása, és egy ilyen ábrázolás egyedisége.

Meghatározás 2.1. Az a 1, ... és n vektorokat hívjuk lineárisan függő, ha van olyan α 1 , ... , α n együtthatók halmaza,

α 1 a 1 + ... + α n а n = 0 (2.2)

és ezen együtthatók legalább egyike nem nulla. Ha a megadott együtthatóhalmaz nem létezik, akkor a vektorok meghívásra kerülnek lineárisan független.

Ha α 1 = ... = α n = 0, akkor nyilvánvalóan α 1 a 1 + ... + α n a n = 0. Ezt figyelembe véve a következőket mondhatjuk: vektorok a 1, ... és n lineárisan független, ha a (2.2) egyenlőségből az következik, hogy minden α 1 , ... , α n együttható nulla.

A következő tétel megmagyarázza, miért nevezik az új fogalmat „függőségnek” (vagy „függetlenségnek”), és egy egyszerű kritériumot ad a lineáris függőséghez.

Tétel 2.1. Ahhoz, hogy az a 1, ... és n, n > 1 vektorok lineárisan függőek legyenek, szükséges és elegendő, hogy az egyik a többi lineáris kombinációja.

◄ Szükségszerűség. Tegyük fel, hogy az a 1, ... és n vektorok lineárisan függőek. A lineáris függés 2.1 definíciója szerint a (2.2) egyenlőségben a bal oldalon van legalább egy nullától eltérő együttható, például α 1. Az első tagot az egyenlőség bal oldalán hagyva, a többit a jobb oldalra helyezzük, előjeleiket szokás szerint megváltoztatva. A kapott egyenlőséget α 1-gyel elosztva kapjuk

a 1 =-α 2 /α 1 ⋅ a 2 - ... - α n /α 1 ⋅ a n

azok. az a 1 vektor ábrázolása a fennmaradó a 2, ..., a n vektorok lineáris kombinációjaként.

Megfelelőség. Legyen például az első a 1 vektor a fennmaradó vektorok lineáris kombinációjaként: a 1 = β 2 a 2 + ... + β n a n. Az összes tagot a jobb oldalról a balra áthelyezve egy 1 - β 2 a 2 - ... - β n a n = 0-t kapunk, azaz. a 1, ..., a n vektorok lineáris kombinációja α 1 = 1, α 2 = - β 2, ..., α n = - β n együtthatókkal nulla vektor. Ebben a lineáris kombinációban nem minden együttható nulla. A 2.1 definíció szerint az a 1, ... és n vektorok lineárisan függenek.

A lineáris függőség definíciója és kritériuma úgy van megfogalmazva, hogy két vagy több vektor jelenlétére utaljon. Beszélhetünk azonban egy vektor lineáris függéséről is. Ennek a lehetőségnek a megvalósításához a „vektorok lineárisan függőek” helyett azt kell mondani, hogy „a vektorok rendszere lineárisan függő”. Könnyen belátható, hogy az „egy vektorból álló rendszer lineárisan függő” kifejezés azt jelenti, hogy ez az egyetlen vektor nulla (egy lineáris kombinációban csak egy együttható van, és ez nem lehet egyenlő nullával).

A lineáris függés fogalmának egyszerű geometriai értelmezése van. A következő három állítás ezt az értelmezést világítja meg.

Tétel 2.2. Két vektor akkor és csak akkor lineárisan függ kollineáris.

◄ Ha a és b vektorok lineárisan függőek, akkor az egyik, például a, a másikon keresztül fejeződik ki, azaz. a = λb valamilyen λ valós számra. Az 1.7 művek vektorok számonként, az a és b vektorok kollineárisak.

Legyenek most a és b vektorok kollineárisak. Ha mindkettő nulla, akkor nyilvánvaló, hogy lineárisan függenek egymástól, mivel ezek bármely lineáris kombinációja egyenlő a nulla vektorral. Legyen ezen vektorok egyike ne egyenlő 0-val, például a b vektor. Jelöljük λ-val a vektorhosszak arányát: λ = |a|/|b|. Kollineáris vektorok lehetnek egyirányú vagy ellentétes irányú. Ez utóbbi esetben λ előjelét változtatjuk. Ezután az 1.7 definíciót ellenőrizve meggyőződünk arról, hogy a = λb. A 2.1. Tétel szerint az a és b vektorok lineárisan függenek egymástól.

Megjegyzés 2.1. Két vektor esetén a lineáris függés kritériumát figyelembe véve a bizonyított tétel a következőképpen fogalmazható újra: két vektor akkor és csak akkor kollineáris, ha az egyiket a másik szorzataként ábrázoljuk egy számmal. Ez egy kényelmes kritérium két vektor kollinearitásához.

Tétel 2.3. Három vektor akkor és csak akkor lineárisan függ egysíkú.

◄ Ha három a, b, c vektor lineárisan függő, akkor a 2.1. Tétel szerint az egyik, például a, a többiek lineáris kombinációja: a = βb + γс. Kombináljuk a b és c vektorok origóját az A pontban. Ekkor a βb, γс vektoroknak közös origójuk lesz az A pontban és annak mentén. a paralelogramma szabály szerint összegük az azok. az a vektor egy A és origójú vektor lesz vége, amely a komponensvektorokra épített paralelogramma csúcsa. Így minden vektor ugyanabban a síkban van, azaz egy síkban.

Legyenek a, b, c vektorok egysíkúak. Ha ezen vektorok egyike nulla, akkor nyilvánvalóan a többi vektor lineáris kombinációja. Elég, ha egy lineáris kombináció összes együtthatóját nullával egyenlőnek vesszük. Ezért feltételezhetjük, hogy mindhárom vektor nem nulla. Összeegyeztethető elindult ezeknek a vektoroknak egy közös O pontban. Legyenek végeik rendre A, B, C pontok (2.1. ábra). A C ponton keresztül párhuzamos egyeneseket húzunk az O, A és O, B pontpárokon átmenő egyenesekkel. A metszéspontokat A" és B"-ként jelölve egy OA"CB" paralelogrammát kapunk, ezért OC" = OA" + OB". Az OA" vektor és a nullától eltérő vektor a = OA kollineárisak, ezért ezek közül az elsőt úgy kaphatjuk meg, hogy a másodikat megszorozzuk egy α:OA" = αOA valós számmal. Hasonlóképpen, OB" = βOB, β ∈ R. Ennek eredményeként azt kapjuk, hogy OC" = α OA + βOB, azaz a c vektor a és b vektorok lineáris kombinációja. A 2.1. Tétel szerint az a, b, c vektorok lineárisan függenek egymástól.

Tétel 2.4. Bármely négy vektor lineárisan függ.

◄ A bizonyítást ugyanazon séma szerint hajtjuk végre, mint a 2.3. Tételben. Tekintsünk tetszőleges négy a, b, c és d vektort. Ha a négy vektor közül az egyik nulla, vagy van köztük két kollineáris vektor, vagy a négy vektor közül három koplanáris, akkor ez a négy vektor lineárisan függ. Például, ha a és b vektorok kollineárisak, akkor a lineáris kombinációjukat αa + βb = 0 nem nulla együtthatókkal állíthatjuk elő, majd a maradék két vektort hozzáadjuk ehhez a kombinációhoz, együtthatóként nullákat véve. Négy 0-val egyenlő vektor lineáris kombinációját kapjuk, amelyben nullától eltérő együtthatók vannak.

Feltételezhetjük tehát, hogy a kiválasztott négy vektor között egyetlen vektor sem nulla, nincs kettő kollineáris, és nincs három egysíkú. Közös kezdetüknek válasszuk az O pontot, ekkor az a, b, c, d vektorok végei néhány A, B, C, D pont lesz (2.2. ábra). A D ponton keresztül három, az OBC, OCA, OAB síkkal párhuzamos síkot rajzolunk, és legyen A", B", C" e síkok metszéspontja az OA, OB, OS egyenesekkel. Kapunk egy paralelepipedon OA" C "B" C" B"DA", és a, b, c vektorok fekszenek az O csúcsból kilépő élein. Mivel az OC"DC" négyszög paralelogramma, akkor OD = OC" + OC". Az OC" szakasz viszont egy OA"C"B átlós paralelogramma, tehát OC" = OA" + OB" és OD = OA" + OB" + OC" .

Továbbra is meg kell jegyezni, hogy az OA ≠ 0 és OA" , OB ≠ 0 és OB", OC ≠ 0 és OC" vektorpárok kollineárisak, és ezért lehetséges az α, β, γ együtthatók kiválasztása úgy, hogy OA" = αOA, OB" = βOB és OC" = γOC. Végül azt kapjuk, hogy OD = αOA + βOB + γOC. Következésképpen az OD vektor a másik három vektoron keresztül fejeződik ki, és a 2.1. Tétel szerint mind a négy vektor lineárisan függ.

Meghatározás. Vektorok lineáris kombinációja a 1 , ..., a n együtthatókkal x 1 , ..., x n vektornak nevezzük

x 1 a 1 + ... + x n a n .

jelentéktelen, ha minden x 1, ..., x n együttható nulla.

Meghatározás. Az x 1 a 1 + ... + x n a n lineáris kombinációt nevezzük nem triviális, ha az x 1, ..., x n együtthatók legalább egyike nem egyenlő nullával.

lineárisan független, ha ezeknek a vektoroknak nincs nem triviális kombinációja a nulla vektorral.

Vagyis az a 1, ..., a n vektorok lineárisan függetlenek, ha x 1 a 1 + ... + x n a n = 0 akkor és csak akkor, ha x 1 = 0, ..., x n = 0.

Meghatározás. Az a 1, ..., a n vektorokat nevezzük lineárisan függő, ha van ezeknek a vektoroknak a nulla vektorral egyenlő nem triviális kombinációja.

Lineárisan függő vektorok tulajdonságai:

2 és 3 dimenziós vektorokhoz.

Két lineárisan függő vektor kollineáris. (A kollineáris vektorok lineárisan függenek.)

3-dimenziós vektorokhoz.

Három lineárisan függő vektor egysíkú. (Három koplanáris vektor lineárisan függ.)

• N-dimenziós vektorokhoz.

  n + 1 vektorok mindig lineárisan függőek.

Példák a vektorok lineáris függésének és lineáris függetlenségének problémáira:

1. példa Ellenőrizze, hogy az a = (3; 4; 5), b = (-3; 0; 5), c = (4; 4; 4), d = (3; 4; 0) vektorok lineárisan függetlenek-e .

Megoldás:

A vektorok lineárisan függenek, mivel a vektorok mérete kisebb, mint a vektorok száma.

2. példa Ellenőrizze, hogy az a = (1; 1; 1), b = (1; 2; 0), c = (0; -1; 1) vektorok lineárisan függetlenek-e.

Megoldás:

	x 1 + x 2 = 0
	x 1 + 2x 2 - x 3 = 0
	x 1 + x 3 = 0

	1	1	0	0		~
	1	2	-1	0
	1	0	1	0

~		1	1	0	0		~		1	1	0	0		~
		1 - 1	2 - 1	-1 - 0	0 - 0				0	1	-1	0
		1 - 1	0 - 1	1 - 0	0 - 0				0	-1	1	0

vonjuk ki a másodikat az első sorból; adjon hozzá egy második sort a harmadik sorhoz:

~		1 - 0	1 - 1	0 - (-1)	0 - 0		~		1	0	1	0
		0	1	-1	0				0	1	-1	0
		0 + 0	-1 + 1	1 + (-1)	0 + 0				0	0	0	0

Ez a megoldás azt mutatja, hogy a rendszernek sok megoldása van, vagyis létezik az x 1, x 2, x 3 számok értékeinek nullától eltérő kombinációja úgy, hogy az a, b, c vektorok lineáris kombinációja egyenlő a nulla vektor, például:

A + b + c = 0

ami azt jelenti, hogy az a, b, c vektorok lineárisan függőek.

Válasz: az a, b, c vektorok lineárisan függőek.

3. példa Ellenőrizze, hogy az a = (1; 1; 1), b = (1; 2; 0), c = (0; -1; 2) vektorok lineárisan függetlenek-e.

Megoldás: Keressük meg azoknak az együtthatóknak az értékeit, amelyeknél ezeknek a vektoroknak a lineáris kombinációja egyenlő lesz a nulla vektorral.

x 1 a + x 2 b + x 3 c 1 = 0

Ez a vektoregyenlet felírható lineáris egyenletrendszerként

	x 1 + x 2 = 0
	x 1 + 2x 2 - x 3 = 0
	x 1 + 2x 3 = 0

Oldjuk meg ezt a rendszert Gauss módszerrel

	1	1	0	0		~
	1	2	-1	0
	1	0	2	0

vonjuk ki az elsőt a második sorból; vonjuk ki az elsőt a harmadik sorból:

~		1	1	0	0		~		1	1	0	0		~
		1 - 1	2 - 1	-1 - 0	0 - 0				0	1	-1	0
		1 - 1	0 - 1	2 - 0	0 - 0				0	-1	2	0

vonjuk ki a másodikat az első sorból; adjunk hozzá egy másodikat a harmadik sorhoz.

Hadd L – lineáris tér a mező felett R . Hadd А1, а2, …, аn (*) véges vektorrendszer -ból L . Vektor BAN BEN = a1× A1 +a2× A2 + … + an× An (16) hívják vektorok lineáris kombinációja ( *), vagy azt mondják, hogy a vektor BAN BEN vektorrendszeren keresztül lineárisan kifejezve (*).

14. definíció. A (*) vektorrendszert ún Lineárisan függő , akkor és csak akkor, ha létezik olyan a1, a2, … együtthatók nullától eltérő halmaza, amelyre a1× A1 +a2× A2 + … + an× An = 0. Ha a1× A1 +a2× A2 + … + an× An = 0 Û a1 = a2 = … = an = 0, akkor a (*) rendszer meghívásra kerül Lineárisan független.

A lineáris függés és függetlenség tulajdonságai.

10. Ha egy vektorrendszer nulla vektort tartalmaz, akkor az lineárisan függő.

Valóban, ha a (*) rendszerben a vektor A1 = 0, Ez 1× 0 + 0× A2 + … + 0 × Аn = 0 .

20. Ha egy vektorrendszer két arányos vektort tartalmaz, akkor lineárisan függő.

Hadd A1 = L×a2. Aztán 1× A1 –l× A2 + 0× A3 + … + 0× A N= 0.

30. Egy véges vektorrendszer (*) n ³ 2-re akkor és csak akkor lineárisan függ, ha legalább egy vektora a rendszer többi vektorának lineáris kombinációja.

Þ Legyen (*) lineárisan függő. Ekkor van egy nullától eltérő a1, a2, …, an együtthatók, amelyekre a1× A1 +a2× A2 + … + an× An = 0 . Az általánosság elvesztése nélkül feltételezhetjük, hogy a1 ¹ 0. Akkor létezik A1 = ×a2× A2 + … + ×an× A N. Szóval, vektor A1 a fennmaradó vektorok lineáris kombinációja.

Ü Legyen az egyik vektor (*) a többi vektor lineáris kombinációja. Feltételezhetjük, hogy ez az első vektor, azaz. A1 = B2 A2+ … + milliárd A N, tehát (–1)× A1 + b2 A2+ … + milliárd A N= 0 , azaz a (*) lineárisan függő.

Megjegyzés. Az utolsó tulajdonságot felhasználva meghatározhatjuk egy végtelen vektorrendszer lineáris függését és függetlenségét.

15. definíció. Vektoros rendszer А1, а2, …, аn , … (**) nak, nek hívják Lineárisan függő, Ha legalább egy vektora valamilyen véges számú másik vektor lineáris kombinációja. Ellenkező esetben a rendszer (**) meghívásra kerül Lineárisan független.

40. Egy véges vektorrendszer akkor és csak akkor lineárisan független, ha egyetlen vektora sem fejezhető ki lineárisan a fennmaradó vektoraival.

50. Ha egy vektorrendszer lineárisan független, akkor bármelyik alrendszere is lineárisan független.

60. Ha egy adott vektorrendszer valamely alrendszere lineárisan függő, akkor az egész rendszer is lineárisan függő.

Legyen két vektorrendszer adott А1, а2, …, аn , … (16) és В1, В2, …, Вs, … (17). Ha a (16) rendszer minden vektora a (17) rendszer véges számú vektorának lineáris kombinációjaként ábrázolható, akkor a (17) rendszerről azt mondjuk, hogy a (16) rendszeren keresztül lineárisan fejeződik ki.

16. definíció. A két vektorrendszert ún Egyenértékű , ha mindegyiket lineárisan fejezzük ki a másikon keresztül.

9. tétel (alapvető lineáris függési tétel).

Hadd legyen – két véges vektorrendszerből L . Ha az első rendszer lineárisan független és a másodikon keresztül lineárisan fejeződik ki, akkor N£s.

Bizonyíték. Tegyünk úgy, mintha N> S. A tétel feltételei szerint

(21)

Mivel a rendszer lineárisan független, egyenlőség (18) Û X1=x2=…=xN=0. Helyettesítsük itt a vektorok kifejezéseit: …+=0 (19). Ezért (20). A (18), (19) és (20) feltételek nyilvánvalóan egyenértékűek. De (18) csak akkor elégedett X1=x2=…=xN=0. Nézzük meg, mikor igaz a (20) egyenlőség. Ha minden együtthatója nulla, akkor nyilvánvalóan igaz. Ezeket nullával egyenlővé téve a (21) rendszert kapjuk. Mivel ennek a rendszernek nulla van, akkor az

közös Mivel az egyenletek száma nagyobb, mint az ismeretlenek száma, a rendszernek végtelen sok megoldása van. Ezért van egy nem nulla X10, x20, …, xN0. Ezekre az értékekre a (18) egyenlőség lesz igaz, ami ellentmond annak, hogy a vektorrendszer lineárisan független. Tehát a feltevésünk téves. Ennélfogva, N£s.

Következmény. Ha két ekvivalens vektorrendszer véges és lineárisan független, akkor ugyanannyi vektort tartalmaznak.

17. definíció. A vektorrendszert ún Maximális lineárisan független vektorrendszer Lineáris tér L , ha lineárisan független, de ha tetszőleges vektort adunk hozzá L , amely nem szerepel ebben a rendszerben, lineárisan függővé válik.

10. tétel. Bármely két véges maximális lineárisan független vektorrendszer L Ugyanannyi vektort tartalmazzon.

Bizonyíték Ebből következik, hogy bármely két maximálisan lineárisan független vektorrendszer ekvivalens .

Könnyű bizonyítani, hogy bármely lineárisan független térvektorrendszer L ebben a térben egy maximális lineárisan független vektorrendszerré bővíthető.

Példák:

1. Az összes kollineáris geometriai vektor halmazában bármely rendszer, amely egy nem nulla vektorból áll, maximálisan lineárisan független.

2. Az összes koplanáris geometriai vektor halmazában bármely két nem kollineáris vektor alkot egy maximálisan lineárisan független rendszert.

3. A háromdimenziós euklideszi tér összes lehetséges geometriai vektorának halmazában bármely három nem egysíkú vektorból álló rendszer maximálisan lineárisan független.

4. Az összes polinom halmazában a fokok nem nagyobbak, mint N Valós (komplex) együtthatókkal, polinomrendszerrel 1, x, x2, … , xn Maximálisan lineárisan független.

5. Az összes valós (komplex) együtthatós polinom halmazában a maximális lineárisan független rendszer példái

A) 1, x, x2, ... , xn, ... ;

b) 1, (1 – x), (1 – x)2, … , (1 – x)N,...

6. Méretmátrixok halmaza M´ N egy lineáris tér (ellenőrizd ezt). Egy maximális lineárisan független rendszerre példa ebben a térben a mátrixrendszer E11= , E12 =, …, EMn = .

Legyen adott egy vektorrendszer C1, c2, …, vö (*). A vektorok alrendszerét (*) nevezzük Maximum lineárisan független Alrendszer Rendszerek ( *) , ha lineárisan független, de ha a rendszer bármely más vektorát hozzáadjuk hozzá, akkor lineárisan függővé válik. Ha a (*) rendszer véges, akkor bármelyik maximális lineárisan független alrendszere ugyanannyi vektort tartalmaz. (Bizonyítsd be magad). A rendszer maximális lineárisan független alrendszerében (*) lévő vektorok számát hívjuk Rang Ez a rendszer. Nyilvánvaló, hogy az ekvivalens vektorrendszerek azonos rangokkal rendelkeznek.