Что такое вещественный вектор

Основы линейной алгебры для тех, кого это миновало в универе.

Вы наверняка слышали много историй о программистах, которые учились в технических вузах, изучали высшую математику и теперь пользуются этими знаниями в программировании. И если кого-то это не коснулось, может быть ощущение, что он пропустил в жизни что-то важное.

Будем это исправлять. Попробуем разобрать некоторые базовые понятия из математики за пределами школьной программы. И заодно покажем, как оно связано с программированием и для каких задач полезно.

⚠️ Математики, помогайте. Мы тут многое упростили, поэтому будем рады увидеть ваши уточнения и замечания в комментариях.

Видео:✓ Что такое вектор? Чем отличается понятие "вектор" от понятия "направленный отрезок" | Борис ТрушинСкачать

Линейная алгебра

Есть математика: она изучает абстрактные объекты и их взаимосвязи. Благодаря математике мы знаем, что если сложить два объекта с ещё двумя такими же объектами, то получится четыре объекта. И неважно, что это были за объекты: яблоки, козы или ракеты. Математика берёт наш вещественный мир и изучает его более абстрактные свойства.

Внутри математики есть алгебра: если совсем примитивно, то в алгебре мы вместо чисел начинаем подставлять буквы и изучать ещё более абстрактные свойства объектов.

Например, мы знаем, что если a + b = c , то a = c − b . Мы не знаем, что стоит на местах a, b или c, но для нас это такой абстрактный закон, который подтверждается практикой.

Внутри алгебры есть линейная алгебра — она изучает векторы, векторные пространства и другие абстрактные понятия, которые в целом относятся к некой упорядоченной информации. Например, координаты ракеты в космосе, биржевые котировки, расположение пикселей в изображении — всё это примеры упорядоченной информации, которую можно описывать векторами. И вот их изучает линейная алгебра.

В программировании линейная алгебра нужна в дата-сайенс, где из упорядоченной информации создаются алгоритмы машинного обучения.

Если представить линейную алгебру в виде дома, то вектор — это кирпич, из которого всё состоит. Сегодня разберёмся, что такое вектор и как его понимать.

Видео:Лекция 16. Понятие вектора и векторного пространства. Базис векторного пространства.Скачать

Что такое вектор

Вы наверняка помните вектор из школьной программы — это такая стрелочка. Она направлена в пространство и измеряется двумя параметрами: длиной и направлением. Пока длина и направление не меняются, вектор может перемещаться в пространстве.

Физическое представление вектора: есть длина, направление и нет начальной точки отсчёта. Такой вектор можно как угодно двигать в пространстве

У аналитиков вектор представляется в виде упорядоченного списка чисел: это может быть любая информация, которую можно измерить и последовательно записать. Для примера возьмём рынок недвижимости, который нужно проанализировать по площади и цене домов — получаем вектор, где первая цифра отвечает за площадь, а вторая — за цену. Аналогично можно сортировать любые данные.

Аналитическое представление вектора: данные можно перевести в числа

Математики обобщают оба подхода и считают вектор одновременно стрелкой и числом — это связанные понятия, перетекающие друг в друга в зависимости от задачи. В одних случаях удобней считать, а в других — показать всё графически. В обоих случаях перед нами вектор.

Математическое представление вектора: данные можно перевести в числа или график

В дата-сайенс используется математическое представление вектора — программист может обработать данные и визуализировать результат. В отличие от физического представления, стрелки векторов в математике привязаны к системе координат Х и У — они не блуждают в пространстве, а исходят из нулевой точки.

Векторная система координат с базовыми осями Х и Y. Место их пересечения — начало координат и корень любого вектора. Засечки на осях — это отрезки одной длины, которые мы будем использовать для определения векторных координат

👉 Получается, вектор – это такой способ записывать, хранить и обрабатывать не одно число, а какое-то организованное множество чисел. Благодаря векторам мы можем представить это множество как единый объект и изучать его взаимодействие с другими объектами.

Например, можно взять много векторов с ценами на недвижимость, как-то их проанализировать, усреднить и обучить на них алгоритм. Без векторов это были бы просто «рассыпанные» данные, а с векторами — порядок.

Видео:Высшая математика. Линейные пространства. Векторы. БазисСкачать

Как записывать

Вектор можно записать в строку или в столбец. Для строчной записи вектор обозначают одной буквой, ставят над ней черту, открывают круглые скобки и через запятую записывают координаты вектора. Для записи в столбец координаты вектора нужно взять в круглые или квадратные скобки — допустим любой вариант.

Строгий порядок записи делает так, что каждый набор чисел создаёт только один вектор, а каждый вектор ассоциируется только с одним набором чисел. Это значит, что если у нас есть координаты вектора, то мы их не сможем перепутать.

Способы записи вектора

Скаляр

Помимо понятия вектора есть понятие скаляра. Скаляр — это просто одно число. Можно сказать, что скаляр — это вектор, который состоит из одной координаты.

Помните физику? Есть скалярные величины и есть векторные. Скалярные как бы описывают просто состояние, например, температуру. Векторные величины ещё и описывают направление.

Видео:Что такое вектора? | Сущность Линейной Алгебры, глава 1Скачать

Как изображать

Вектор из одного числа (скаляр) отображается в виде точки на числовой прямой.

Графическое представление скаляра. Записывается в круглых скобках

Вектор из двух чисел отображается в виде точки на плоскости осей Х и Y. Числа задают координаты вектора в пространстве — это такая инструкция, по которой нужно перемещаться от хвоста к стрелке вектора. Первое число показывает расстояние, которое нужно пройти вдоль оси Х; второе — расстояние по оси Y. Положительные числа на оси Х обозначают движение вправо; отрицательные — влево. Положительные числа на оси Y — идём вверх; отрицательные — вниз.

Представим вектор с числами −5 и 4. Для поиска нужной точки нам необходимо пройти влево пять шагов по оси Х, а затем подняться на четыре этажа по оси Y.

Графическое представление числового вектора в двух измерениях

Вектор из трёх чисел отображается в виде точки на плоскости осей Х, Y и Z. Ось Z проводится перпендикулярно осям Х и У — это трёхмерное измерение, где вектор с упорядоченным триплетом чисел: первые два числа указывают на движение по осям Х и У, третье — куда нужно двигаться вдоль оси Z. Каждый триплет создаёт уникальный вектор в пространстве, а у каждого вектора есть только один триплет.

Если вектор состоит из четырёх и более чисел, то в теории он строится по похожему принципу: вы берёте координаты, строите N-мерное пространство и находите нужную точку. Это сложно представить и для обучения не понадобится.

Графическое представление числового вектора в трёх измерениях. Для примера мы взяли координаты −5, 2, 4

Помните, что все эти записи и изображения с точки зрения алгебры не имеют отношения к нашему реальному трёхмерному пространству. Вектор — это просто какое-то количество абстрактных чисел, собранных в строгом порядке. Вектору неважно, сколько там чисел и как их изображают люди. Мы же их изображаем просто для наглядности и удобства.

Например, в векторе спокойно может быть 99 координат. Для его изображения нам понадобилось бы 99 измерений, что очень проблематично на бумаге. Но с точки зрения вектора это не проблема: перемножать и складывать векторы из двух координат можно так же, как и векторы из 9999999 координат, принципы те же.

Видео:Собственные значения и собственные векторы матрицы (4)Скачать

И зачем нам это всё

Вектор — это «кирпичик», из которого строится дата-сайенс и машинное обучение. Например:

• На основании векторов получаются матрицы. Если вектор — это как бы линия, то матрица — это как бы плоскость или таблица.
• Машинное обучение в своей основе — это перемножение матриц. У тебя есть матрица с данными, которые машина знает сейчас; и тебе нужно эту матрицу «дообучить». Ты умножаешь существующую матрицу на какую-то другую матрицу и получаешь новую матрицу. Делаешь так много раз по определённым законам, и у тебя обученная модель, которую на бытовом языке называют искусственным интеллектом.

Кроме того, векторы используются в компьютерной графике, работе со звуком, инженерном и просто любом вычислительном софте.

И давайте помнить, что вектор — это не какая-то сложная абстрактная штука, а просто сумка, в которой лежат числа в определённом порядке. То, что мы называем это вектором, — просто нюанс терминологии.

Видео:Понятие вектора. Коллинеарные вектора. 9 класс.Скачать

Что дальше

В следующий раз разберём операции с векторами. Пока мы готовим материал — рекомендуем почитать интервью с Анастасией Никулиной. Анастасия ведёт ютуб-канал по дата-сайнс и работает сеньором дата-сайентистом в Росбанке.

Видео:Вектор. Сложение и вычитание. 9 класс | МатематикаСкачать

Векторные пространства

При проведении научных и прикладных исследование часто создаются модели, в которых рассматриваются точки и/или векторы определенных пространств. Например, в моделях шифров на эллиптических кривых используются аффинные и проективные пространства. К проективным прибегают тогда, когда необходимо ускорить вычисления, так как в формулах манипулирования с точками эллиптической кривой выводимых в рамках проективного пространства отсутствует операция деления на координату, которую в случае аффинного пространства обойти не удается.

Операция деления как раз одна из самых «дорогих» операций. Дело в том, что в алгебраических полях, а соответственно и в группах операция деления вообще отсутствует и выход из положения (когда не делить нельзя) состоит в том, что операцию деления заменяют умножением, но умножают не на саму координату, а на обращенное ее значение. Из этого следует, что предварительно надо привлекать расширенный алгоритм Евклида НОД и кое что еще. Одним словом, не все так просто как изображают авторы большинства публикаций о ЕСС. Почти все, что по этой теме опубликовано и не только в Интернете мне знакомо. Мало того, что авторы не компетентны и занимаются профанацией, оценщики этих публикаций плюсуют авторов в комментариях, т. е. не видят ни пробелов, ни явных ошибок. Про нормальную же статью пишут, что она уже 100500-я и от нее нулевой эффект. Так все пока на Хабре устроено, анализ публикаций делается огромный, но не качества содержания. Здесь возразить нечего — реклама двигатель бизнеса.

Линейное векторное пространство

Изучение и описание явлений окружающего мира с необходимостью приводит нас к введению и использованию ряда понятий таких как точки, числа, пространства, прямые линии, плоскости, системы координат, векторы, множества и др.

Пусть r = вектор трехмерного пространства, задает положение одной частицы (точки) относительно начала координат. Если рассматривать N элементов, то описание их положения требует задания 3∙N координат, которые можно рассматривать как координаты некоторого вектора в 3N-мерном пространстве. Если рассматривать непрерывные функции и их совокупности, то приходим к пространствам, размерность которых равна бесконечности. На практике часто ограничиваются использованием лишь подпространства такого бесконечномерного пространства функции координат, обладающего конечным числом измерений.

Пример 1. Ряд Фурье — пример использования пространства функций. Рассмотрим разложение произвольной функции в ряд Фурье

Его можно трактовать как разложение «вектора» f(x) по бесконечному набору «ортогональных» базисных векторов sinпх

Это пример абстрагирования и распространения понятия вектора на бесконечное число измерений. Действительно, известно, что при -π≤x≤π

Существо дальнейшего рассмотрения не пострадает, если мы отвлечемся от размерности абстрактного векторного пространства – будь — то 3, 3N или бесконечность, хотя для практических приложений больший интерес представляет конечномерные поля и векторные пространства.

Набор векторов r1, r2,… будем называть линейным векторным пространством L, если сумма любых двух его элементов тоже находится в этом наборе и если результат умножения элемента на число С также входит в этот набор. Оговоримся сразу, что значения числа С могут быть выбраны из вполне определенного числового множества Fр – поля вычетов по модулю простого числа р, которое считается присоединенным к L.

Пример 2. Набор из 8 векторов, составленных из n =5 -разрядных двоичных чисел
r0 = 00000, r1 = 10101, r2 = 01111, r3 = 11010, r4 = 00101, r5 = 10110, r6 = 01001, r7 = 11100 образует векторное пространство L, если числа С є . Этот небольшой пример позволяет убедиться в проявлении свойств векторного пространства, включенных в его определение.

Суммирование этих векторов выполняется поразрядно по модулю два, т. е. без переноса единиц в старший разряд. Отметим, что если все С действительные (в общем случае С принадлежат полю комплексных чисел), то векторное пространство называют действительным.

Формально аксиомы векторного пространства и записываются так:
r1 + r2 = r2 + r1 = r3; r1, r2, r3 є L – коммутативность сложения и замкнутость;
(r1 + r2) + r3 = r1 + (r2 + r3) = r1 + r2 + r3 – ассоциативность сложения;
ri + r0 = r0 + ri = ri; ∀i, ri, r0 є L–существование нейтрального элемента;
ri +(- ri) = r0, для ∀i существует противоположный вектор (-ri) є L;
1∙ ri = ri ∙1 = ri существование единицы для умножения;
α (β∙ri) = (α∙β)∙ri; α, β, 1, 0 – элементы числового поля F, ri є L; умножение на скаляры ассоциативно; результат умножения принадлежит L;
(α + β) ri = α∙ri + β∙ri; для ∀i, ri є L, α, β – скаляры;
а (ri + rj) = ari + arj для всех а, ri, rj є L;
a∙0 = 0, 0∙ri = 0; (-1) ∙ ri = – ri.

Размерность и базис векторного пространства

При изучении векторных пространств представляет интерес выяснение таких вопросов, как число векторов, образующих все пространство; какова размерность пространства; какой наименьший набор векторов путем применения к нему операции суммирования и умножения на число позволяет сформировать все векторы пространства? Эти вопросы основополагающие и их нельзя обойти стороной, так как без ответов на них утрачивается ясность восприятия всего остального, что составляет теорию векторных пространств.

Оказалось, что размерность пространства самым тесным образом связана с линейной зависимостью векторов, и с числом линейно независимых векторов, которые можно выбирать в изучаемом пространстве многими способами.

Линейная независимость векторов

Набор векторов r1, r2, r3 … rр из L называют линейно независимым, если для них соотношение

выполняется только при условии одновременного равенства .
Все , k = 1(1)p, принадлежат числовому полю вычетов по модулю два
F = .
Если в некотором векторном пространстве L можно подобрать набор из р векторов, для которых соотношение выполняется, при условии, что не все одновременно, т.е. в поле вычетов оказалось возможным выбрать набор , k =1(1)р, среди которых есть ненулевые, то такие векторы называются линейно зависимыми.

Пример 3. На плоскости два вектора = T и = T являются линейно независимыми, так как в соотношении (T-транспонирование)

невозможно подобрать никакой пары чисел коэффициентов не равных нулю одновременно, чтобы соотношение было выполнено.
Три вектора = T , = T , = T образуют систему линейно зависимых векторов, так как в соотношении

равенство может быть обеспечено выбором коэффициентов , не равных нулю одновременно. Более того, вектор является функцией и (их суммой), что указывает на зависимость от и . Доказательство общего случая состоит в следующем.

Пусть хотя бы одно из значений , k = 1(1)р, например, , а соотношение выполнено. Это означает, что векторы , k = 1(1)р, линейно зависимы

Выделим явным образом из суммы вектор r_р

Говорят, что вектор r_р является л и н е й н о й комбинацией векторов или r_р через остальные векторы выражается линейным образом, т.е. r_р линейно зависит от остальных. Он является их функцией.

На плоскости двух измерений любые три вектора линейно зависимы, но любые два неколлинеарных вектора являются независимыми. В трехмерном пространстве любые три некомпланарных вектора линейно независимы, но любые четыре вектора всегда линейно зависимы.

Зависимость/независимость совокупности <> векторов часто определяют, вычисляя определитель матрицы Грама (ее строки скалярные произведения наших векторов). Если определитель равен нулю, среди векторов имеются зависимые, если определитель отличен от нуля — векторы в матрице независимы.

Определителем Грама (грамианом) системы векторов

в евклидовом пространстве называется определитель матрицы Грама этой системы:

где — скалярное произведение векторов
и .

Размерность и базис векторного пространства

Размерность s = d (L) пространства L определяется как наибольшее число векторов в L, образующих линейно независимый набор. Размерность – это не число векторов в L, которое может быть бесконечным и не число компонентов вектора.

Пространства, имеющие конечную размерность s ≠ ∞, называются конечномерными, если
s = ∞, – бесконечномерными.

Ответом на вопрос о минимальном числе и составе векторов, которые обеспечивают порождение всех векторов линейного векторного пространства является следующее утверждение.

Любой набор s линейно независимых векторов в пространстве L образует его б а з и с. Это следует из того, что любой вектор линейного s-мерного векторного пространства L может быть представлен единственным способом в виде линейной комбинации векторов базиса.

Зафиксируем и обозначим символом , i = 1(1)s, один из наборов, образующих базис пространства L. Тогда

Числа r_ki, i = 1(1)s называются координатами вектора в базисе , i = 1(1)s, причем r_ki = (, ).
Покажем единственность представления . Очевидно, что набор , является зависимым, так как , i = 1(1)s – базис. Другими словами, существуют такие не равные одновременно нулю, что .
При этом пусть , ибо если , то хоть одно из , было бы отлично от нуля и тогда векторы , i = 1(1)s, были бы линейно зависимы, что невозможно, так как это базис. Следовательно,

, будем иметь
Используя прием доказательства «от противного», допустим, что записанное представление не единственное в этом базисе и существует другое

Тогда запишем отличие представлений, что, естественно, выражается как

Очевидно, что правая и левая части равны, но левая представляет разность вектора с самим собой, т. е. равна нулю. Следовательно, и правая часть равна нулю. Векторы , i = 1(1)s линейно независимы, поэтому все коэффициенты при них могут быть только нулевыми. Отсюда получаем, что

а это возможно только при

Выбор базиса. Ортонормированность

Векторы называют нормированными, если длина каждого из них равна единице. Этого можно достичь, применяя к произвольным векторам процедуру нормировки.

Векторы называют ортогональными, если они перпендикулярны друг другу. Такие векторы могут быть получены применением к каждому из них процедуры ортогонализации. Если для совокупности векторов выполняются оба свойства, то векторы называются ортонормированными.

Необходимость рассмотрения ортонормированных базисов вызвана потребностями использования быстрых преобразований как одно –, так и многомерных функций. Задачи такой обработки возникают при исследовании кодов, кодирующих информационные сообщения в сетях связи различного назначения, при исследовании изображений, получаемых
посредством автоматических и автоматизированных устройств, в ряде других областей, использующих цифровые представления информации.

Определение. Совокупность n линейно независимых векторов n-мерного векторного
пространства V называется его базисом.

Теорема. Каждый вектор х линейного n-мерного векторного пространства V можно представить, притом единственным образом, в виде линейной комбинации векторов базиса. Векторное пространство V над полем F обладает следующими свойствами:
0·х = 0 (0 в левой части равенства – нейтральный элемент аддитивной группы поля F; 0 в правой части равенства – элемент пространства V, являющийся нейтральным единичным элементом аддитивной группы V, называемый нулевым вектором);
(– 1)·х = –х; –1є F; x є V; –x є V;
Если α·х = 0єV, то при х ≠ 0 всегда α = 0.
Пусть Vn(F) – множество всех последовательностей (х1, х2, …, хn) длины n с компонентами из поля F, т.е. Vn(F) = <x, таких, что х = (х1, х2, …, хn), хi є F;
i =1(1)n >.

Сложение и умножение на скаляр определяются следующим образом:
x + y =(x1 + y1, x2 + y2, …, xn + yn);
α·х = (α·х1, α·х2,…, α·хn), где у = (у1, у2,…, уn),
тогда Vn(F) является векторным пространством над полем F.

Пример 4. В векторном пространстве rо = 00000, r1 = 10101, r2 = 11010, r3 = 10101 над полем F2 = определить его размерность и базис.
Решение. Сформируем таблицу сложения векторов линейного векторного пространства

В этом векторном пространстве V= каждый вектор в качестве противоположного имеет самого себя. Любые два вектора, исключая rо, являются линейно независимыми, в чем легко убедиться
c1·r1 + c2·r2 = 0; c1·r1 + c3·r3 = 0; c2·r2 + c3·r3 = 0;

Каждое из трех соотношений справедливо только при одновременных нулевых значениях пар коэффициентов сi, сj є .

При одновременном рассмотрении трех ненулевых векторов один из них всегда является суммой двух других или равен самому себе, а r1+r2+r3=rо.

Таким образом, размерность рассматриваемого линейного векторного пространства равна двум s = 2, d(L) = s = 2, хотя каждый из векторов имеет пять компонентов. Базисом пространства является набор (r1, r2). Можно в качестве базиса использовать пару (r1, r3).

Важным в теоретическом и практическом отношении является вопрос описания векторного пространства. Оказывается, любое множество базисных векторов можно рассматривать как строки некоторой матрицы G, называемой порождающей матрицей векторного пространства. Любой вектор этого пространства может быть представлен как линейная комбинация строк матрицы G ( как, например, здесь).

Если размерность векторного пространства равна k и равна числу строк матрицы G, рангу матрицы G, то очевидно, существует k коэффициентов с q различными значениями для порождения всех возможных линейных комбинаций строк матрицы. При этом векторное пространство L содержит q k векторов.

Множество всех векторов из ℤpn с операциями сложения векторов и умножения вектора на скаляр из ℤp есть линейное векторное пространство.

Определение. Подмножество W векторного пространства V, удовлетворяющее условиям:
Если w1, w2 є W, то w1+ w2 є W,
Для любых α є F и w є W элемент αw є W,
само является векторным пространством над полем F и называется подпространством векторного пространства V.

Пусть V есть векторное пространство над полем F и множество W ⊆ V. Множество W есть подпространство пространства V, если W по отношению к линейным операциям, определенным в V, есть линейное векторное пространство.

Таблица. Характеристики векторных пространств

Компактность матричного представления векторного пространства очевидна. Например, задание L векторов двоичных 50-разрядных чисел, среди которых 30 векторов образуют базис векторного пространства, требует формирования матрицы G[30,50], а описываемое количество векторов превышает 10 9 , что в поэлементной записи представляется неразумным.

Все базисы любого пространства L разбиваются подгруппой Р невырожденных матриц с det G > 0 на два класса. Один из них (произвольно) называют классом с положительно ориентированными базисами (правыми), другой класс содержит левые базисы.

В этом случае говорят, что в пространстве задана ориентация. После этого любой базис представляет собой упорядоченный набор векторов.

Если нумерацию двух векторов изменить в правом базисе, то базис станет левым. Это связано с тем, что в матрице G поменяются местами две строки, следовательно, определитель detG изменит знак.

Норма и скалярное произведение векторов

После того как решены вопросы о нахождении базиса линейного векторного пространства, о порождении всех элементов этого пространства и о представлении любого элемента и самого векторного пространства через базисные векторы, можно поставить задачу об измерении в этом пространстве расстояний между элементами, углов между векторами, значений компонентов векторов, длины самих векторов.

Действительное или комплексное векторное пространство L называется нормированным векторным пространством, если каждый вектор r в нем может быть сопоставлен действительному числу || r || – модулю вектора, норме. Единичный вектор – это вектор, норма которого равна единице. Нулевой вектор имеет компонентами нули.

Определение. Векторное пространство называется унитарным, если в нем определена бинарная операция, ставящая каждой паре ri, rj векторов из L в соответствие скаляр. В круглых скобках (ri, rj) записывается (обозначается) скалярное или внутреннее произведение ri и rj, причем
1. (ri, rj) = ri ∙ rj;
2. (ri, rj) = (rj ∙ ri)*, где * указывает на комплексное сопряжение или эрмитову симметрию;
3. (сri, rj) = с(ri ∙ rj) – ассоциативный закон;
4. (ri + rj, rk) = (ri ∙ rk)+ (rj ∙ rk)– дистрибутивный закон;
5. (ri, rk) ≥ 0 и из (ri, rj ) = 0 следует ri = 0.

Определение. Положительное значение квадратного корня называют нормой (или длиной, модулем) вектора ri. Если = 1, то вектор ri называют нормированным.

Два вектора ri, rj унитарного векторного пространства L взаимно ортогональны, если их скалярное произведение равно нулю, т.е. (ri, rj) = 0.

При s = 3 в линейном векторном пространстве в качестве базиса удобно выбирать три взаимно перпендикулярных вектора. Такой выбор существенно упрощает ряд зависимостей и вычислений. Этот же принцип ортогональности используется при выборе базиса в пространствах и других размерностей s > 3. Использование введенной операции скалярного произведения векторов обеспечивает возможность такого выбора.

Еще большие преимущества достигаются при выборе в качестве базиса векторного пространства ортогональных нормированных векторов – ортонормированного базиса. Если не оговорено специально, то далее всегда будем считать, что базис еi, i = 1(1)s выбран именно таким образом, т.е.

, где ij — символ Кронекера (1823 — 1891).

В унитарных векторных пространствах такой выбор всегда реализуем. Покажем реализуемость такого выбора.

Определение. Пусть S = есть конечное подмножество векторного пространства V над полем F.
Линейная комбинация векторов из S есть выражение вида а1∙v1 + а2∙v2 +…+ аn∙vn, где каждое аi ∊ F.

Оболочка для множества S (обозначение ) есть множество всех линейных комбинаций векторов из S. Оболочка для S есть подпространство пространства V.

Если U есть пространство в V, то U натянуто на S (S стягивает U), если =U.
Множество векторов S линейно зависимо над F, если в F существуют скаляры а1, а2,…, аn, не все нули, для которых а1∙v1+ а2∙v2 +…+ аn∙vn = 0. Если таких скаляров не существует, то множество векторов S линейно независимо над F.

Если векторное пространство V натянуто на линейно независимую систему векторов S (или система S стягивает пространство V), то система S называется базисом для V.

Приведение произвольного базиса к ортонормированному виду

Известно следующее утверждение [11]. Если ē _i, i = 1(1)s – произвольная конечная или счетная система линейно независимых векторов в унитарном векторном пространстве, то существует ортонормированная система ē _i, i = 1(1)s, порождающая то же самое линейное пространство (многообразие).

В основу процедуры приведения базиса к ортонормированному виду положен процесс ортогонализации Грама — Шмидта, который в свою очередь, реализуется рекуррентными формулами

В развернутом виде алгоритм ортогонализации и нормирования базиса содержит следующие условия:

Делим вектор ē ₁, на его норму; получим нормированный вектор ē _i=ē ₁/(||ē ₁ ||);
Формируем V2 = ē ₂ — (ē ₁, ē ₂)e ₁ и нормируем его, получим е ₂. Ясно, что тогда
(е1, е2)

(е1, е2) – (е1, ē ₂)( е1, е1) = 0;
Построив V3 = ē ₃– (e1, ē ₃)e1 – (e2, ē ₃) e2 и нормируя его, получим е3.

Для него имеем сразу же (е1, е3) = (е2, е3) = 0.
Продолжая такой процесс, получим ортонормированный набор ē _i, i = 1(1)s. Этот набор содержит линейно независимые векторы, поскольку все они взаимно ортогональны.
Убедимся в этом. Пусть выполняется соотношение

Если набор ē _i, i = 1(1)s зависимый, то хотя бы один сj коэффициент не равен нулю сj ≠ 0.

Умножив обе части соотношения на еj, получаем
(ej, c1∙e1 ) + (ej, c2∙e2 )+ . + ( ej, cj∙ej ) +…+ ( ej, cs∙rs ) = 0.
Каждое слагаемое в сумме равно нулю как скалярное произведение ортогональных векторов, кроме (ej ,cj∙ej), которое равно нулю по условию. Но в этом слагаемом
(ej, ej) = 1 ≠ 0, следовательно, нулем может быть только cj.
Таким образом, допущение о том, что cj ≠ 0 неверно и набор является линейно независимым.

Пример 5. Задан базис 3-х мерного векторного пространства:
.
Скалярное произведение определено соотношением:
( , ) = x1∙y1+x2∙y2+x3∙y3+x4∙y4.
Процедурой ортогонализации Грама — Шмидта получаем систему векторов:
а1 = ; a2 = -4 /7= /7;
a3 = +½ — /5 = /10.
(a1,a2)= (1+4+9+0) = 14;
a1 E =a1/√14;
a2-(a1 E ,a2)∙a1 E =a2-(8/√14)(a1/√14)=a2 — 4∙a1/7;
Третий вектор читателю предлагается обработать самостоятельно.

Нормированные векторы получают вид:
a1 E =a1/√14;
a2 E = /√70;
a3 E = /√70;

Ниже в примере 6 дается подробный развернутый процесс вычислений получения ортонормированного базиса из простого (взятого наугад).

Пример 6. Привести заданный базис линейного векторного пространства к ортонормированному виду.
Дано: векторы базиса

Подпространства векторных пространств

Структура векторного пространства

Представление объектов (тел) в многомерных пространствах весьма непростая задача. Так, четырехмерный куб в качестве своих граней имеет обычные трехмерные кубы, и в трехмерном пространстве может быть построена развертка четырехмерного куба. В некоторой степени «образность» и наглядность объекта или его частей способствует более успешному его изучению.

Сказанное позволяет предположить, что векторные пространства можно некоторым образом расчленять, выделять в них части, называемые подпространствами. Очевидно, что рассмотрение многомерных и тем более бесконечномерных пространств и объектов в них лишает нас наглядности представлений, что весьма затрудняет исследование объектов в таких
пространствах. Даже, казалось бы, такие простые вопросы, как количественные характеристики элементов многогранников (число вершин, ребер, граней, и т. п.) в этих пространствах решены далеко не полностью.

Конструктивный путь изучения подобных объектов состоит в выделении их элементов (например, ребер, граней) и описании их в пространствах меньшей размерности. Так четырехмерный куб в качестве своих граней имеет обычные трехмерные кубы и в трехмерном пространстве может быть построена развертка четырехмерного куба. В некоторой степени
«образность» и наглядность объекта или его частей способствует более успешному их изучению.

Если L – расширение поля К, то L можно рассматривать как векторное (или линейное) пространство над полем К. Элементы поля L (т. е. векторы) образуют по сложению абелеву группу. Кроме того, каждый «вектор» а є L может быть умножен на «скаляр» r є K, и при этом произведение ra снова принадлежит L (здесь ra – просто произведение в смысле операции поля L элементов r и а этого поля). Выполняются также законы
r∙(a+b) = r∙a+r∙b, (r+s)∙a = r∙a + r∙s, (r∙s)∙a = r∙(s∙a) и 1∙а = а, где r,s є K, a,b є L.

Сказанное позволяет предположить, что векторные пространства можно некоторым образом расчленять, выделять в них части, называемые подпространствами. Очевидно, что основным результатом при таком подходе является сокращение размерности выделяемых подпространств. Пусть в векторном линейном пространстве L выделены подпространства L1 и L2. В качестве базиса L1 выбирается меньший набор еi, i = 1(1)s1, s1 n – 1 способами. Следующий вектор v2 ≠ 0 не может быть выражен линейно через v1, т.е. может быть выбран q n – q способами и т.д.

Последний вектор vk ≠ 0 также линейно не выражается через предыдущие выбранные векторы v1,v2,…,vk и, следовательно, может быть выбран q n – q k – 1 способами. Общее число способов для выбора совокупности векторов v1,v2,…,vk, таким образом, определится как произведение числа выборов отдельных векторов, что и дает формулу (1). Для случая, когда k = п, имеем wп = wn, n и из формулы (I) получаем формулу (2).

Важные обобщающие результаты о размерностях подпространств.
Совокупность всех наборов длины n, ортогональных подпространству V1 наборов длины n, образует подпространство V2 наборов длины n. Это подпространство V2 называется нулевым пространством для V1.
Если вектор ортогонален каждому из векторов, порождающих подпространство V1, то этот вектор принадлежит нулевому пространству для V1.
Примером (V1) может служить множество 7-разрядных векторов порождающей матрицы (7,4)-кода Хемминга, с нулевым подпространством (V2) 7-разрядных векторов, образующих проверочную матрицу этого кода.

Если размерность подпространства (V1) наборов длины n равна k, то размерность нулевого подпространства (V2) равна n — k.

Если V2 — подпространство наборов длины n и V1 — нулевое пространство для V2, то (V2) — нулевое пространство для V1.

Пусть U∩V обозначает совокупность векторов, принадлежащих одновременно U и V, тогда U∩V является подпространством.

Пусть U⊕V обозначает подпространство, состоящее из совокупности всех линейных комбинаций вида au +bv, где u є U, v є V, a b — числа.

Сумма размерностей подпространств U∩V и U⊕V равна сумме размерностей подпространств U и V.

Пусть U2 — нулевое подпространство для U1, а V2 -нулевое пространство для V1. Тогда U2∩V2 является нулевым пространством для U1⊕V1.

Заключение

В работе рассмотрены основные понятия векторных пространств, которые часто используются при построении моделей анализа систем шифрования, кодирования и стеганографических, процессов, протекающих в них. Так в новом американском стандарте шифрования использованы пространства аффинные, а в цифровых подписях на эллиптических кривых и аффинные и
проективные (для ускорения обработки точек кривой).

Об этих пространствах в работе речь не идет (нельзя валить все в одну кучу, да и объем публикации я ограничиваю), но упоминания об этом сделаны не зря. Авторы, пишущие о средствах защиты, об алгоритмах шифров наивно полагают, что понимают детали описываемых явлений, но понимание евклидовых пространств и их свойств без всяких оговорок переносится в другие пространства, с другими свойствами и законами. Читающая аудитория вводится в заблуждение относительно простоты и доступности материала.

Создается ложная картина действительности в области информационной безопасности и специальной техники (технологий и математики).

В общем почин мною сделан, насколько удачно судить читателям.

Видео:Зачем нужен ВЕКТОР. Объяснение смыслаСкачать

Линейные пространства: определение и примеры

Видео:Вектор: Зачем Он Нужен. Что Такое Вектор? Palsan Показал свое лицо.Скачать

Аксиомы линейного пространства

Линейным (векторным) пространством называется множество произвольных элементов, называемых векторами, в котором определены операции сложения векторов и умножения вектора на число, т.е. любым двум векторам и поставлен в соответствие вектор , называемый суммой векторов и , любому вектору и любому числу из поля действительных чисел поставлен в соответствие вектор , называемый произведением вектора на число ; так что выполняются следующие условия:

Условия 1-8 называются аксиомами линейного пространства . Знак равенства, поставленный между векторами, означает, что в левой и правой частях равенства представлен один и тот же элемент множества , такие векторы называются равными.

В определении линейного пространства операция умножения вектора на число введена для действительных чисел. Такое пространство называют линейным пространством над полем действительных (вещественных) чисел , или, короче, вещественным линейным пространством . Если в определении вместо поля действительных чисел взять поле комплексных чисел , то получим линейное пространство над полем комплексных чисел , или, короче, комплексное линейное пространство . В качестве числового поля можно выбрать и поле рациональных чисел, при этом получим линейное пространство над полем рациональных чисел. Далее, если не оговорено противное, будут рассматриваться вещественные линейные пространства. В некоторых случаях для краткости будем говорить о пространстве, опуская слово линейное, так как все пространства, рассматриваемые ниже — линейные.

1. Аксиомы 1-4 показывают, что линейное пространство является коммутативной группой относительно операции сложения.

2. Аксиомы 5 и 6 определяют дистрибутивность операции умножения вектора на число по отношению к операции сложения векторов (аксиома 5) или к операции сложения чисел (аксиома 6). Аксиома 7, иногда называемая законом ассоциативности умножения на число, выражает связь двух разных операций: умножения вектора на число и умножения чисел. Свойство, определяемое аксиомой 8, называется унитарностью операции умножения вектора на число.

3. Линейное пространство — это непустое множество, так как обязательно содержит нулевой вектор.

4. Операции сложения векторов и умножения вектора на число называются линейными операциями над векторами.

5. Разностью векторов и называется сумма вектора с противоположным вектором и обозначается: .

6. Два ненулевых вектора и называются коллинеарными (пропорциональными), если существует такое число , что . Понятие коллинеарности распространяется на любое конечное число векторов. Нулевой вектор считается коллинеарным с любым вектором.

Видео:ПРОСТОЙ СПОСОБ, как запомнить Векторы за 10 минут! (вы будете в шоке)Скачать

Следствия аксиом линейного пространства

1. В линейном пространстве существует единственный нулевой вектор.

2. В линейном пространстве для любого вектора существует единственный противоположный вектор .

3. Произведение произвольного вектора пространства на число нуль равно нулевому вектору, т.е. .

4. Произведение нулевого вектора на любое число равно нулевому вектору, т.е для любого числа .

5. Вектор, противоположный данному вектору, равен произведению данного вектора на число (-1), т.е. .

6. В выражениях вида (сумма конечного числа векторов) или (произведение вектора на конечное число множителей) можно расставлять скобки в любом порядке, либо вообще не указывать.

Докажем, например, первые два свойства. Единственность нулевого вектора. Если и — два нулевых вектора, то по аксиоме 3 получаем два равенства: или , левые части которых равны по аксиоме 1. Следовательно, равны и правые части, т.е. . Единственность противоположного вектора. Если вектор имеет два противоположных вектора и , то по аксиомам 2, 3,4 получаем их равенство:

Остальные свойства доказываются аналогично.

Видео:Скалярное произведение векторов. 9 класс.Скачать

Примеры линейных пространств

1. Обозначим — множество, содержащее один нулевой вектор, с операциями и . Для указанных операций аксиомы 1-8 выполняются. Следовательно, множество является линейным пространством над любым числовым полем. Это линейное пространство называется нулевым.

2. Обозначим — множества векторов (направленных отрезков) на прямой, на плоскости, в пространстве соответственно с обычными операциями сложения векторов и умножения векторов на число. Выполнение аксиом 1-8 линейного пространства следует из курса элементарной геометрии. Следовательно, множества являются вещественными линейными пространствами. Вместо свободных векторов можно рассмотреть соответствующие множества радиус-векторов. Например, множество векторов на плоскости, имеющих общее начало, т.е. отложенных от одной фиксированной точки плоскости, является вещественным линейным пространством. Множество радиус-векторов единичной длины не образует линейное пространство, так как для любого из этих векторов сумма не принадлежит рассматриваемому множеству.

3. Обозначим — множество матриц-столбцов размеров с операциями сложения матриц и умножения матриц на число. Аксиомы 1-8 линейного пространства для этого множества выполняются. Нулевым вектором в этом множестве служит нулевой столбец . Следовательно, множество является вещественным линейным пространством. Аналогично, множество столбцов размеров с комплексными элементами является комплексным линейным пространством. Множество матриц-столбцов с неотрицательными действительными элементами, напротив, не является линейным пространством, так как не содержит противоположных векторов.

4. Обозначим — множество решений однородной системы линейных алгебраических уравнений с и неизвестными (где — действительная матрица системы), рассматриваемое как множество столбцов размеров с операциями сложения матриц и умножения матриц на число. Заметим, что эти операции действительно определены на множестве . Из свойства 1 решений однородной системы (см. разд. 5.5) следует, что сумма двух решений однородной системы и произведение ее решения на число также являются решениями однородной системы, т.е. принадлежат множеству . Аксиомы линейного пространства для столбцов выполняются (см. пункт 3 в примерах линейных пространств). Поэтому множество решений однородной системы является вещественным линейным пространством.

Множество решений неоднородной системы , напротив, не является линейным пространством, хотя бы потому, что не содержит нулевого элемента ( не является решением неоднородной системы).

5. Обозначим — множество матриц размеров с операциями сложения матриц и умножения матриц на число. Аксиомы 1-8 линейного пространства для этого множества выполняются. Нулевым вектором является нулевая матрица соответствующих размеров. Следовательно, множество является линейным пространством.

6. Обозначим — множество многочленов одной переменной с комплексными коэффициентами. Операции сложения много членов и умножения многочлена на число, рассматриваемое как многочлен нулевой степени, определены и удовлетворяют аксиомам 1-8 (в частности, нулевым вектором является многочлен, тождественно равный нулю). Поэтому множество является линейным пространством над полем комплексных чисел. Множество многочленов с действительными коэффициентами также является линейным пространством (но, разумеется, над полем действительных чисел). Множество многочленов степени не выше, чем , с действительными коэффициентами также является вещественным линейным пространством. Заметим, что операция сложения много членов определена на этом множестве, так как степень суммы многочленов не превышает степеней слагаемых.

Множество многочленов степени не является линейным пространством, так как сумма таких многочленов может оказаться многочленом меньшей степени, не принадлежащим рассматриваемому множеству. Множество всех многочленов степени не выше, чем л, с положительными коэффициентами также не является линейным пространством, поскольку при умножении такого многочлена на отрицательное число получим многочлен, не принадлежащий этому множеству.

7. Обозначим — множество действительных функций, определенных и непрерывных на . Сумма функций и произведение функции на действительное число определяются равенствами:

Эти операции действительно определены на , так как сумма непрерывных функций и произведение непрерывной функции на число являются непрерывными функциями, т.е. элементами . Проверим выполнение аксиом линейного пространства. Из коммутативности сложения действительных чисел следует справедливость равенства для любого . По этому , т.е. аксиома 1 выполняется. Аксиома 2 следует аналогично из ассоциативности сложения. Нулевым вектором служит функция , тождественно равная нулю, которая, разумеется, является непрерывной. Для любой функции выполняется равенство , т.е. справедлива аксиома 3. Противоположным вектором для вектора будет функция . Тогда (аксиома 4 выполняется). Аксиомы 5, 6 следуют из дистрибутивности операций сложения и умножения действительных чисел, а аксиома 7 — из ассоциативности умножения чисел. Последняя аксиома выполняется, так как умножение на единицу не изменяет функцию: для любого , т.е. . Таким образом, рассматриваемое множество с введенными операциями является вещественным линейным пространством. Аналогично доказывается, что — множества функций, имеющих непрерывные производные первого, второго .и т.д. порядков соответственно, также являются линейными пространствами.

Обозначим — множество тригонометрических двучленов (часто ты ) с действительными коэффициентами, т.е. множество функций вида , где . Сумма таких двучленов и про изведение двучлена на действительное число являются тригонометрическим двучленом. Аксиомы линейного пространства для рассматриваемого множества выполняются (так как ). Поэтому множество с обычными для функций операциями сложения и умножения на число является вещественным линейным пространством. Нулевым элементом служит двучлен , тождественно равный нулю.

Множество действительных функций, определенных и монотонных на , не является линейным пространством, так как разность двух монотонных функций может оказаться немонотонной функцией.

8. Обозначим — множество действительных функций, определенных на множестве , с операциями:

Оно является вещественным линейным пространтвом (доказательство такое же, как в предыдущем примере). При этом множество может быть выбрано произвольно. В частности, если , то — упорядоченный набор чисел , где Такой набор можно считать матрицей-столбцом размеров , т.е. множество совпадает с множеством (см. пункт 3 примеров линейных пространств). Если (напомним, что — множество натуральных чисел), то получаем линейное пространство — множество числовых последовательностей . В частности, множество сходящихся числовых последовательностей также образует линейное пространство, так как сумма двух сходящихся последовательностей сходится, и при умножении всех членов сходящейся последовательности на число получаем сходящуюся последовательность. Напротив, множество расходящихся последовательностей не является линейным пространством, так как, например, сумма расходящихся последовательностей может иметь предел.

9. Обозначим — множество положительных действительных чисел, в котором сумма и произведение (обозначения в этом примере отличаются от обычных) определены равенствами: , другими словами, сумма элементов понимается как произведение чисел, а умножение элемента на число — как возведение в степень. Обе операции действительно определены на множестве , так как произведение положительных чисел есть положительное число и любая действительная степень положительного числа есть положительное число. Проверим справедливость аксиом. Равенства

показывают, что аксиомы 1, 2 выполняются. Нулевым вектором данного множества является единица, так как , т.е. . Противоположным для вектором является вектор , который определен, так как . В самом деле, . Проверим выполнение аксиом 5, 6,7,8:

Все аксиомы выполняются. Следовательно, рассматриваемое множество является вещественным линейным пространством.

10. Пусть — вещественное линейное пространство. Рассмотрим множество определенных на линейных скалярных функций, т.е. функций , принимающих действительные значения и удовлетворяющих условиям:

Линейные операции над линейными функциями задаются также, как в пункте 8 примеров линейных пространств. Сумма и произведение определяются равенствами:

Выполнение аксиом линейного пространства подтверждается также, как в пункте 8. Поэтому множество линейных функций, определенных на линейном пространстве , является линейным пространством. Это пространство называется сопряженным к пространству и обозначается . Его элементы называют ковекторами.

Например, множество линейных форм переменных, рассматриваемых как множество скалярных функций векторного аргумента, является линейным пространством, сопряженным к пространству .

🌟 Видео

СКАЛЯРНОЕ УМНОЖЕНИЕ ВЕКТОРОВ ЧАСТЬ I #математика #егэ #огэ #формулы #профильныйегэ #векторыСкачать

Что такое векторное пространство? Душкин объяснитСкачать

Урок 8. Векторные величины. Действия над векторами.Скачать

ЧТО ТАКОЕ ВЕКТОР? // 9 класс // геометрияСкачать

Урок 3. Произведение векторов и загадочный угол между векторами. Высшая математика | TutorOnlineСкачать

ВЫЧИТАНИЕ ВЕКТОРОВ ЧАСТЬ I #егэ #огэ #математика #геометрия #профильныйегэСкачать

Что такое векторы и матрицы? Душкин объяснитСкачать

Вектор. Определение. Коллинеарные векторы. Равные векторы.Скачать

Вектор в Физике. Как Рисовать Вектор? Модуль Вектора || Урок Физики 8 класс // Подготовка к ЕГЭСкачать