Как начертить разность векторов коллинеарных

В математике и физике студентам и школьникам зачастую попадаются задачи на векторные величины и на выполнение различных операций над ними. В чём же отличие векторных величин от привычных нам скалярных, единственная характеристика которых — это численное значение? В том, что они обладают направлением.
[block >

Определения векторной математики

Введём главные определения, используемые при выполнении линейных операций.

1. Вектором называют направленный (имеющий точку начала и точку конца) отрезок.
2. Длина (модуль) — это длина направленного отрезка.
3. Коллинеарными называют такие два вектора, которые либо параллельны одной и той же прямой, либо одновременно лежат на ней.
4. Противоположно направленными векторами называют коллинеарные и при этом направленные в разные стороны. Если же их направление совпадает, то они являются сонаправленными.
5. Вектора являются равными, когда они сонаправлены и одинаковы по модулю.
6. Суммой двух векторов a и b является такой вектор c, начало которого совпадает с началом первого, а конец — с концом второго при условии, что b начинается в той же точке, в которой заканчивается a.
7. Разностью векторов a и b называют сумму a и (—b), где (—b) — противоположно направленный к вектору b. Также определение разности двух векторов может быть дано следующее: разностью c пары векторов a и b называют такой c, который при сложении с вычитаемым b образует уменьшаемое a.

Аналитический метод

Аналитический способ подразумевает получение координат разности по формуле без построения. Возможно выполнить вычисление для плоского (двухмерного), объёмного (трёхмерного) или же n-мерного пространства.

Для двухмерного пространства и векторных величин a <a₁; a₂> и b <b₁; b₂> расчёты будут иметь следующий вид: c <c₁; c₂> = <a₁ — b₁; a₂ — b₂>.

В случае с добавлением третьей координаты расчёт будет проводиться аналогично, и для a <a₁; a₂; a₃> и b <b₁; b₂; b₃> координаты разности будут также получены попарным вычитанием: c <c₁; c₂; c₃> = <a₁ — b₁; a₂ — b₂; a₃ — b₃>.

Вычисление разности графически

Для того чтобы построить разность графическим способом, следует воспользоваться правилом треугольника. Для этого необходимо выполнить следующую последовательность действий:

1. По заданным координатам построить векторы, для которых нужно найти разность.
2. Совместить их концы (т. е. построить два направленных отрезка, равных заданным, которые будут оканчиваться в одной и той же точке).
3. Соединить начала обоих направленных отрезков и указать направление; результирующий будет начинаться в той же точке, где начинался вектор, являющийся уменьшаемым, и заканчиваться в точке начала вычитаемого.

[block > Результат операции вычитания показан на рисунке ниже.

Также существует метод построения разности, незначительно отличающийся от предыдущего. Его суть заключается в применении теоремы о разности векторов, которая формулируется следующим образом: для того чтобы найти разность пары направленных отрезков, достаточно найти сумму первого из них с отрезком, противоположно направленным ко второму. Алгоритм построения будет иметь следующий вид:

1. Построить исходные направленные отрезки.
2. Тот, что является вычитаемым, необходимо отразить, т. е. построить противоположно направленный и равный ему отрезок; затем совместить его начало с уменьшаемым.
3. Построить сумму: соединить начало первого отрезка с концом второго.

Результат такого решения изображён на рисунке:

Решение задач

Для закрепления навыка разберём несколько заданий, в которых требуется рассчитать разность аналитически или графически.

Задача 1. На плоскости заданы 4 точки: A (1; —3), B (0; 4), C (5; 8), D (—3; 2). Определить координаты вектора q = AB — CD, а также рассчитать его длину.

Решение. Вначале следует найти координаты AB и CD. Для этого из координат конечных точек вычтем координаты начальных. Для AB началом является A (1; —3), а концом — B (0; 4). Рассчитаем координаты направленного отрезка:

Аналогичный расчёт выполняется для CD:

Теперь, зная координаты, можно найти разность векторов. Формула для аналитического решения плоских задач была рассмотрена ранее: для c = a — b координаты имеют вид <c₁; c₂> = <a₁ — b₁; a₂ — b₂>. Для конкретного случая можно записать:

Чтобы найти длину q, воспользуемся формулой | q | = √(q₁² + q₂²) = √((— 9)² + (— 1)²) = √(81 + 1) = √82 ≈ 9,06.
[block > Задача 2. На рисунке изображены векторы m, n и p.

Необходимо построить для них разности: p — n; m — n; m — n — p. Выяснить, какая из них обладает наименьшим модулем.

Решение. В задаче требуется выполнить три построения. Рассмотрим каждую часть задания более подробно.

Часть 1. Для того чтобы изобразить p — n, воспользуемся правилом треугольника. Для этого при помощи параллельного переноса соединим отрезки так, чтобы совпала их конечная точка. Теперь соединим начальные точки и определим направление. В нашем случае вектор разности начинается там же, где и вычитаемый n.

Часть 2. Изобразим m — n. Теперь для решения воспользуемся теоремой о разности векторов. Для этого следует построить вектор, противоположный n, а затем найти его сумму с m. Полученный результат будет выглядеть так:

[block > Часть 3. Для того чтобы найти разность m — n — p, следует разбить выражение на два действия. Поскольку в векторной алгебре действуют законы аналогичные законам арифметики, то возможны варианты:

• m — (n + p): в этом случае вначале строится сумма n + p, которая затем вычитается из m;
• (m — n) — p: здесь сначала нужно найти m — n, а затем отнять от этой разности p;
• (m — p) — n: первым действием определяется m — p, после чего из полученного результата нужно вычесть n.

Так как в предыдущей части задачи мы уже нашли разность m — n, нам остаётся лишь вычесть из неё p. Построим разность двух данных векторов при помощи теоремы о разности. Ответ показан на изображении ниже (красным цветом обозначен промежуточный результат, а зелёным — окончательный).

Остаётся определить, модуль какого из отрезков является наименьшим. Вспомним, что понятия длины и модуля в векторной математике являются идентичными. Оценим визуально длины p — n, m — n и m — n — p. Очевидно, что самым коротким и обладающим наименьшим модулем является ответ в последней части задачи, а именно m — n — p.
[block > [block >

Сумма и разность векторов

В данной публикации мы рассмотрим, как найти сумму и разность векторов, приведем геометрическую интерпретацию, а также формулы, свойства и примеры этих действий.

Сумма векторов

Сложение векторов выполняется по правилу треугольника.

Геометрическая интерпретация:

Суммой a и b является вектор c , начало которого совпадает с началом a , а конец – с концом b . При этом конец вектора a должен совпадать с началом вектора b .

Для сложения векторов также используется правило параллелограмма.

Два неколлинеарных вектора a и b можно привести к общему началу, и в этом случае их суммой является вектор c , совпадающий с диагональю параллелограмма и берущий начало в той же точке, что и исходные векторы.

Формула сложения векторов

Элементы вектора c равняются попарной сумме соответствующих элементов a и b .

<table data-id="250" data-view-id="250_55602" data-title="Формулы сложения векторов" data-currency-format="$1,000.00" data-percent-format="10.00%" data-date-format="DD.MM.YYYY" data-time-format="HH:mm" data-features="["after_table_loaded_script"]" data-search-value="" data-lightbox-img="" data-head-rows-count="1" data-pagination-length="50,100,All" data-auto-index="off" data-searching-settings="» data-lang=»default» data-override=»» data-merged=»[]» data-responsive-mode=»2″ data-from-history=»0″>

Для плоских задач

<td data-cell-id="B1" data-x="1" data-y="1" data-db-index="1" data-cell-type="text" data-original-value=" a + b = <a_x + b_x; a_y + b_y> » data-order=» a + b = <a_x + b_x; a_y + b_y> » style=»min-width:55.0847%; width:55.0847%;»> a + b = <a_x + b_x; a_y + b_y>Для трехмерных задач

<td data-cell-id="B2" data-x="1" data-y="2" data-db-index="2" data-cell-type="text" data-original-value=" a + b = <a_x + b_x; a_y + b_y; a_z + b_z> » data-order=» a + b = <a_x + b_x; a_y + b_y; a_z + b_z> «> a + b = <a_x + b_x; a_y + b_y; a_z + b_z>Для n-мерных векторов

<td data-cell-id="B3" data-x="1" data-y="3" data-db-index="3" data-cell-type="text" data-original-value=" a + b = <a₁ + b₁; a₂ + b₂; . a_n + b_n> » data-order=» a + b = <a₁ + b₁; a₂ + b₂; . a_n + b_n> «> a + b = <a₁ + b₁; a₂ + b₂; . a_n + b_n>

Свойства сложения векторов

1. Коммутативность: a + b = b + a

2. Ассоциативность: ( a + b ) + c = a + ( b + c )

3. Прибавление к нулю: a + 0 = a

4. Сумма противоположных векторов: a + (- a ) = 0

Примечание: Вектор – a коллинеарен и равен по длине a , но имеет противоположное направление, из-за чего называется противоположным.

Разность векторов

Для вычитания векторов также применяется правило треугольника.

Если из вектора a вычесть b , то получится c , причем должно соблюдаться условие:

Формула вычитания векторов

Элементы вектора c равны попарной разности соответствующих элементов a и b .

<table data-id="251" data-view-id="251_83403" data-title="Формулы вычитания векторов" data-currency-format="$1,000.00" data-percent-format="10.00%" data-date-format="DD.MM.YYYY" data-time-format="HH:mm" data-features="["after_table_loaded_script"]" data-search-value="" data-lightbox-img="" data-head-rows-count="1" data-pagination-length="50,100,All" data-auto-index="off" data-searching-settings="» data-lang=»default» data-override=»» data-merged=»[]» data-responsive-mode=»2″ data-from-history=»0″>

Для плоских задач

<td data-cell-id="B1" data-x="1" data-y="1" data-db-index="1" data-cell-type="text" data-original-value=" a — b = <a_x — b_x; a_y — b_y> » data-order=» a — b = <a_x — b_x; a_y — b_y> » style=»min-width:55.0847%; width:55.0847%;»> a — b = <a_x — b_x; a_y — b_y>Для трехмерных задач

<td data-cell-id="B2" data-x="1" data-y="2" data-db-index="2" data-cell-type="text" data-original-value=" a — b = <a_x — b_x; a_y — b_y; a_z — b_z> » data-order=» a — b = <a_x — b_x; a_y — b_y; a_z — b_z> «> a — b = <a_x — b_x; a_y — b_y; a_z — b_z>Для n-мерных векторов

<td data-cell-id="B3" data-x="1" data-y="3" data-db-index="3" data-cell-type="text" data-original-value=" a — b = <a₁ — b₁; a₂ — b₂; . a_n — b_n> » data-order=» a — b = <a₁ — b₁; a₂ — b₂; . a_n — b_n> «> a — b = <a₁ — b₁; a₂ — b₂; . a_n — b_n>

Примеры задач

Задание 1
Вычислим сумму векторов и .

Задание 2
Найдем разность векторов и .

Векторы: третий уровень сложности

Знакомимся с коллинеарностью.

Для большинства людей искусственный интеллект — это нечто сложное и таинственное. А для математиков это синоним фразы «перемножение матриц». С точки зрения человека, который владеет линейной алгеброй, в искусственном интеллекте нет ничего загадочного.

Мы хотим, чтобы вы тоже смогли понять искусственный интеллект на уровне математики. Для этого у нас идёт цикл статей про линейную алгебру:

Сама тема несложная, но конкретно этот шаг вам ничего не даст в практическом смысле. Но если вам хватит терпения, на базе этих знаний мы уже перейдём к матрицам.

Что за коллинеарность

Представьте два вектора, которые находятся в одной плоскости и располагаются параллельно друг другу. При этом у них может быть разная длина. Такое расположение делает связку векторов коллинеарными, или, по-простому, линейно зависимыми.

И наоборот: если вектора находятся в одной плоскости и располагаются не параллельно друг относительно друга, то их считают линейно независимыми — неколлинеарными. Пока что ничего сложного.

Коллинеарные векторы Неколлинеарные векторы

Сложение коллинеарных и неколлинеарных векторов

Очевидно, что сложить два коллинеарных вектора очень легко: откладываем второй вектор от начала первого, получится новый вектор. Он будет коллинеарным своим слагаемым, они все будут лежать, грубо говоря, на одной линии.

Можно представить, что вы идёте прямо: каждый ваш шаг — это вектор. Каждый новый шаг — новый вектор. Но если все их сложить, получится один большой прямой вектор длиной как все ваши шаги.

Теперь попробуем сложить пару неколлинеарных векторов. Это как если бы мы сначала сделали шаг немного правее, а потом сделали бы шаг влево. Шага два, но если соединить начало и конец пути, он не будет совпадать с траекториями наших шагов. Появится какой-то новый вектор, с новым направлением, и он будет неколлинеарным по отношению к своим слагаемым.

Также пару неколлинеарных векторов из одной плоскости можно растянуть и развернуть в пространстве. Если их сложить, также появится новый вектор.

У математиков такой вектор называют базисом. Когда базис находится на плоскости или в пространстве, то он может единственным образом превращаться обратно в пару неколлинеарных векторов, которые его сформировали.

Правило работает, когда мы масштабируем и меняем расположение векторов в пространстве. Если мы изменим направление исходных векторов, то получим новый базис.

Базис — понятие из высшей математики, поэтому, если сейчас сложно, не отчаивайтесь. Студенты-математики когда-то тоже отчаивались.

Мы изменили пару неколлинеарных векторов и сформировали из них базис — получили новый фиолетовый вектор с собственной системой координат Теперь мы изменили исходные неколлинеарные векторы и получили новый базис — это оранжевый вектор

Как определять неколлинеарность

Когда мы работаем с короткими векторами, всё очевидно: нарисовали систему координат, отложили на ней векторы, они либо совпали, либо не совпали. Если совпали — коллинеарные, если нет — неколлинеарные.

А теперь представьте, что вектора настолько огромные, что мы физически не можем их нарисовать и сопоставить. Например,

Как такое нарисовать? Как проверить коллинеарность? Вот тут начинается магия алгебры.

Есть три способа проверки линейной зависимости векторов. Для простоты вычислений проверим эти три способа на вот этих всё ещё простых векторах:

По этим координатам ответим на два вопроса: являются ли предложенные вектора линейно зависимыми (то есть коллинеарными) и можно ли их раскладывать по базису.

Первый способ. Запишем простую систему уравнений: возьмём первую координату каждого вектора и приравняем её ко второй координате каждого вектора, умноженной на неизвестное число λ. Вычислим λ и сравним результаты.

👉 Знак λ здесь по традиции и для удобства. На самом деле это просто некое неизвестное число. Вместо этой буквы могли быть X, Y, Z или N, но так как у нас вектора уже называются X и Y, а N в математике используется для других целей, возьмём λ — это греческая буква «лямбда», давний предок нашей русской буквы «Л».

Составляем систему уравнений:

Вычисляем значение λ:

Сравниваем результат и делаем вывод:

Мы получили разное значение для неизвестного числа λ и поэтому наши векторы будут считаться линейно независимыми. Из них можно получить базис.

Если бы значение λ совпало, то мы бы имели дело с линейно зависимыми векторами.

Второй способ. Проверяем координаты векторов на пропорциональность: берём первую координату первого вектора, делим её на первую координату второго вектора. Повторяем это же действие со вторыми координатами: берём вторую координату первого вектора и делим её на вторую координату второго вектора.

Получаем такую пропорцию:

Считаем значение и сравниваем результат:

Равенство не выполняется, и поэтому между векторами нет зависимости.

Третий способ. Используем четыре элемента наших координат для поиска определителя — скалярной величины, с которой мы подробно познакомимся в следующих статьях во время решения матричных уравнений. Сейчас нам не нужны подробности, и для проверки линейной зависимости достаточно формулы.

Записываем в две строки координаты наших векторов:

Переводим координаты векторов в определитель — добавляем с двух сторон вертикальную черту и получаем простую квадратную матрицу размером 2 на 2:

В полученной матрице две диагонали. Числа −6 и −1 образуют главную диагональ; числа −4 и 5 — вторую диагональ. Чтобы найти определитель, нам нужно умножить числа главной и второй диагонали, а затем вычесть их разницу.

Если из координат вектора мы получили определитель и он не равен нулю, то векторы считаются линейно независимыми и подходят для разложения по базису.

И наоборот: нулевой определитель указывает на линейную зависимость векторов.

Что из этого нужно запомнить

• С точки зрения векторов важно, они сонаправленные или нет. По-другому — они коллинеарны или нет.
• Коллинеарность влияет на то, что можно делать с этими векторами. Например, неколлинеарные векторы можно разложить по базису.
• Базис — это вектор, который можно разложить на те самые неколлинеарные векторы.
• Коллинеарность легко проверяется через уравнения. Строить векторы на координатной плоскости необязательно.

Что дальше

Следующий шаг — матрицы. Это те самые, которые лежат в основе всех нейронок и искусственного интеллекта. Матрица — это таблица чисел, с которыми можно проводить различные вычисления.

📹 Видео