Как найти вектор в исходном базисе

Видео:Доказать, что векторы a, b, c образуют базис и найти координаты вектора d в этом базисеСкачать

Как найти координаты вектора в базисе

Решение:
Записываем матрицу перехода А:

и находим ее определитель
0
Видим, что ранг матрицы С равен трем. Из теоремы о базисном миноре векторы f₁ , f₂ , f₃ линейно независимы, а поэтому могут быть приняты в качестве базиса пространства R 3 .
Находим обратную матрицу А -1 .
Транспонированная матрица:

Обратная матрица А -1

Находим координаты вектора х относительно нового базиса.

Пример №1 . Даны векторы a, b, c и d . Установить, что векторы a , b , c образуют базис, и найти координаты вектора d в этом базисе.
Решение:
Соотношение, записанное для векторов d = αa + βb + γc, справедливо для каждой из проекций:
α*1 + β*2 + γ*1 = 0
α*2 — β*2 — γ*2 = 3
α*1 + β*1 + γ0 = 1 т.е. получена алгебраическая система трёх уравнений с тремя неизвестными. Решение системы удобнее вычислять методом Крамера или методом обратной матрицы:
α = 1/2; β = 1/2; γ = -3/2
следовательно, и вектор d имеет разложение в базисе a, b, c :
d = 1/2a + 1/2b — 3/2c

Пример №2 . Даны векторы . Показать, что векторы образуют базис трехмерного пространства и найти координаты вектора в этом базисе:

Пример №3 . Даны два линейных преобразования:
х’₁ = a₁₁x₁ + a₁₂x₂ + a₁₃x₃, х»₁ = b₁₁x’₁ + b₁₂x’₂ + b₁₃x’₃,
х’₂ = a21x1 + a22x2 + a23x3, х»₂ = b₂₁x’1 + b₂₂x’₂ + b₂₃x’₃,
х’₃ = a₃₁x₁ + a₃₂x₂ + a₃₃x₃, х»₃ = b₃₁x’₁ + b₃₂x’₂ + b₃₃x’₃,
Средствами матричного исчисления найти преобразование, выражающее х»₁, x»₂, x»₃ через х₁, х₂, х₃.
х’₁ = 4x₁ + 3x₂ + 5x₃, х»₁ = — x’₁ + 3x’₂ — 2x’₃,
х’₂ = 6x₁ + 7x₂ + x₃, х»₂ = — 4x’₁ + x’₂ + 2x’₃,
х’₃ = 9x₁ + x₂ + 8x₃, х»₃ = 3x’₁ — 4x’₂ + 5x’₃,
Решение. Используя калькулятор, получаем:
Обозначим:

Тогда матричное уравнение запишется в виде: A·X = B.
Вычислим определитель матрицы А:
∆ = 4*(7*8 — 1*1) — 6*(3*8 — 1*5) + 9*(3*1 — 7*5) = -182
Определитель матрицы А равен detA=-182
Так как A невырожденная матрица, то существует обратная матрица A -1 . Умножим слева обе части уравнения на A -1 : A -1 ·A·X = A -1 ·B, тогда получим E·X = A -1 ·B, или X = A -1 ·B.
Найдем обратную матрицу A -1 .

Матрицу Х ищем по формуле:

Пример №4 . В декартовой прямой системе координат даны вершины пирамиды A(3,0,-1), B(-1,-2,-4), C(-1,2,4), D(7,-3,1). Найдите:
а) длину ребра AB;
б) косинус угла между векторами AB и AC ;
в) уравнение ребра AB;
г) уравнение грани ABC;
д) уравнение высоты, опущенной из вершины D на грань ABC;
е) координаты векторов e ₁= AB , e ₂= AC , e ₃= AD и докажите, что они образуют линейную независимую систему;
ж) координаты вектора MN , где M и N – середины ребер AD и DC соответственно;
з) разложение вектора MN по базису ( e ₁, e ₂, e ₃)

Решение. Пункты (а-д) решаются через онлайн калькулятор.

Задание 1 . Разложить вектор d =(8;-5) по векторам a =(1;-2) и b =(2;3).
Решение. Векторы a и b образуют базис на плоскости, так как они не коллинеарны (, то есть соответствующие координаты этих векторов не пропорциональны).
Следовательно, вектор d = α a +β b , где α и β – коэффициенты, которые надо найти.
Таким образом, имеем равенство
8i-5j=α(i-2j)+β(2i+3j)=(α+2β)i+ (-2α+3β)j.
В координатной форме это равенство примет вид
Решим полученную систему уравнений.

Видео:Координаты в новом базисеСкачать

Векторное пространство: размерность и базис, разложение вектора по базису

В статье о n -мерных векторах мы пришли к понятию линейного пространства, порождаемого множеством n -мерных векторов. Теперь нам предстоит рассмотреть не менее важные понятия, такие как размерность и базис векторного пространства. Они напрямую связаны с понятием линейно независимой системы векторов, так что дополнительно рекомендуется напомнить себе основы и этой темы.

Введем некоторые определения.

Размерность векторного пространства – число, соответствующее максимальному количеству линейно независимых векторов в этом пространстве.

Базис векторного пространства – совокупность линейно независимых векторов, упорядоченная и в своей численности равная размерности пространства.

Рассмотрим некое пространство n -векторов. Размерность его соответственно равна n . Возьмем систему из n -единичных векторов:

e ( 1 ) = ( 1 , 0 , . . . , 0 ) e ( 2 ) = ( 0 , 1 , . . . , 0 ) e ( n ) = ( 0 , 0 , . . . , 1 )

Используем эти векторы в качестве составляющих матрицы A : она будет являться единичной с размерностью n на n . Ранг этой матрицы равен n . Следовательно, векторная система e ( 1 ) , e ( 2 ) , . . . , e ( n ) является линейно независимой. При этом к системе невозможно добавить ни одного вектора, не нарушив ее линейной независимости.

Так как число векторов в системе равно n , то размерность пространства n -мерных векторов равна n , а единичные векторы e ( 1 ) , e ( 2 ) , . . . , e ( n ) являются базисом указанного пространства.

Из полученного определения сделаем вывод: любая система n -мерных векторов, в которой число векторов меньше n , не является базисом пространства.

Если мы поменяем местами первый и второй вектор, получим систему векторов e ( 2 ) , e ( 1 ) , . . . , e ( n ) . Она также будет являться базисом n -мерного векторного пространства. Составим матрицу, взяв за ее строки векторы полученной системы. Матрица может быть получена из единичной матрицы перестановкой местами первых двух строк, ранг ее будет равен n . Система e ( 2 ) , e ( 1 ) , . . . , e ( n ) линейно независима и является базисом n -мерного векторного пространства.

Переставив местами в исходной системе другие векторы, получим еще один базис.

Мы можем взять линейно независимую систему неединичных векторов, и она также будет представлять собой базис n -мерного векторного пространства.

Векторное пространство с размерностью n имеет столько базисов, сколько существует линейно независимых систем из n -мерных векторов числом n.

Плоскость является двумерным пространством – ее базисом будут два любых неколлинеарных вектора. Базисом трехмерного пространства послужат три любых некомпланарных вектора.

Рассмотрим применение данной теории на конкретных примерах.

Исходные данные: векторы

a = ( 3 , — 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , — 1 , — 2 )

Необходимо определить, являются ли указанные векторы базисом трехмерного векторного пространства.

Решение

Для решения поставленной задачи исследуем заданную систему векторов на линейную зависимость. Составим матрицу, где строки – координаты векторов. Определим ранг матрицы.

A = 3 2 3 — 2 1 — 1 1 2 — 2 A = 3 — 2 1 2 1 2 3 — 1 — 2 = 3 · 1 · ( — 2 ) + ( — 2 ) · 2 · 3 + 1 · 2 · ( — 1 ) — 1 · 1 · 3 — ( — 2 ) · 2 · ( — 2 ) — 3 · 2 · ( — 1 ) = = — 25 ≠ 0 ⇒ R a n k ( A ) = 3

Следовательно, заданные условием задачи векторы линейно независимы, и их численность равна размерности векторного пространства – они являются базисом векторного пространства.

Ответ: указанные векторы являются базисом векторного пространства.

Исходные данные: векторы

a = ( 3 , — 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , — 1 , — 2 ) d = ( 0 , 1 , 2 )

Необходимо определить, может ли указанная система векторов являться базисом трехмерного пространства.

Решение

Указанная в условии задачи система векторов является линейно зависимой, т.к. максимальное число линейно независимых векторов равно 3. Таким образом, указанная система векторов не может служить базисом трехмерного векторного пространства. Но стоит отметить, что подсистема исходной системы a = ( 3 , — 2 , 1 ) , b = ( 2 , 1 , 2 ) , c = ( 3 , — 1 , — 2 ) является базисом.

Ответ: указанная система векторов не является базисом.

Исходные данные: векторы

a = ( 1 , 2 , 3 , 3 ) b = ( 2 , 5 , 6 , 8 ) c = ( 1 , 3 , 2 , 4 ) d = ( 2 , 5 , 4 , 7 )

Могут ли они являться базисом четырехмерного пространства?

Решение

Cоставим матрицу, используя в качестве строк координаты заданных векторов

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7

По методу Гаусса определим ранг матрицы:

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7

1 2 3 3 0 1 0 2 0 1 — 1 1 0 1 — 2 1

1 2 3 3 0 1 0 2 0 0 — 1 — 1 0 0 — 2 — 1

1 2 3 3 0 1 0 2 0 0 — 1 — 1 0 0 0 1 ⇒ ⇒ R a n k ( A ) = 4

Следовательно, система заданных векторов линейно независима и их численность равна размерности векторного пространства – они являются базисом четырехмерного векторного пространства.

Ответ: заданные векторы являются базисом четырехмерного пространства.

Исходные данные: векторы

a ( 1 ) = ( 1 , 2 , — 1 , — 2 ) a ( 2 ) = ( 0 , 2 , 1 , — 3 ) a ( 3 ) = ( 1 , 0 , 0 , 5 )

Составляют ли они базис пространства размерностью 4?

Решение

Исходная система векторов линейно независима, но численность векторов в ней недостаточна, чтобы стать базисом четырехмерного пространства.

Ответ: нет, не составляют.

Видео:Как разложить вектор по базису - bezbotvyСкачать

Разложение вектора по базису

Примем, что произвольные векторы e ( 1 ) , e ( 2 ) , . . . , e ( n ) являются базисом векторного n-мерного пространства. Добавим к ним некий n -мерный вектор x → : полученная система векторов станет линейно зависимой. Свойства линейной зависимости гласят, что хотя бы один из векторов такой системы может линейно выражаться через остальные. Переформулируя это утверждение, можно говорить о том, что хотя бы один из векторов линейно зависимой системы может раскладываться по остальным векторам.

Таким образом, мы пришли к формулировке важнейшей теоремы:

Любой вектор n -мерного векторного пространства единственным образом раскладывается по базису.

Докажем эту теорему:

зададим базис n -мерного векторного пространства — e ( 1 ) , e ( 2 ) , . . . , e ( n ) . Сделаем систему линейно зависимой, добавив к ней n -мерный вектор x → . Этот вектор может быть линейно выражен через исходные векторы e :

x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) , где x 1 , x 2 , . . . , x n — некоторые числа.

Теперь докажем, что такое разложение является единственным. Предположим, что это не так и существует еще одно подобное разложение:

Отнимем от левой и правой частей этого равенства соответственно левую и правую части равенства x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) . Получим:

1 — x 1 ) · e ( 1 ) + ( x

2 — x 2 ) · e ( 2 ) + . . . ( x

Система базисных векторов e ( 1 ) , e ( 2 ) , . . . , e ( n ) линейно независима; по определению линейной независимости системы векторов равенство выше возможно только тогда, когда все коэффициенты ( x

2 — x 2 ) , . . . , ( x

n — x n ) будут равны нулю. Из чего справедливым будет: x 1 = x

n . И это доказывает единственный вариант разложения вектора по базису.

При этом коэффициенты x 1 , x 2 , . . . , x n называются координатами вектора x → в базисе e ( 1 ) , e ( 2 ) , . . . , e ( n ) .

Доказанная теория делает понятным выражение «задан n -мерный вектор x = ( x 1 , x 2 , . . . , x n ) »: рассматривается вектор x → n -мерного векторного пространства, и его координаты заданы в некотором базисе. При этом также понятно, что этот же вектор в другом базисе n -мерного пространства будет иметь другие координаты.

Рассмотрим следующий пример: допустим, что в некотором базисе n -мерного векторного пространства задана система из n линейно независимых векторов

e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )

а также задан вектор x = ( x 1 , x 2 , . . . , x n ) .

Векторы e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) в этом случае также являются базисом этого векторного пространства.

Предположим, что необходимо определить координаты вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) , обозначаемые как x

Вектор x → будет представлен следующим образом:

2 · e ( 2 ) + . . . + x

Запишем это выражение в координатной форме:

( x 1 , x 2 , . . . , x n ) = x

1 · ( e ( 1 ) 1 , e ( 1 ) 2 , . . . , e ( 1 ) n ) + x

2 · ( e ( 2 ) 1 , e ( 2 ) 2 , . . . , e ( 2 ) n ) + . . . + + x

n · ( e ( n ) 1 , e ( n ) 2 , . . . , e ( n ) n ) = = ( x

2 e 1 ( 2 ) + . . . + x

2 e 2 ( 2 ) + + . . . + x

n e 2 ( n ) , . . . , x

2 e n ( 2 ) + . . . + x

Полученное равенство равносильно системе из n линейных алгебраических выражений с n неизвестными линейными переменными x

n e 2 n ⋮ x n = x

Матрица этой системы будет иметь следующий вид:

e 1 ( 1 ) e 1 ( 2 ) ⋯ e 1 ( n ) e 2 ( 1 ) e 2 ( 2 ) ⋯ e 2 ( n ) ⋮ ⋮ ⋮ ⋮ e n ( 1 ) e n ( 2 ) ⋯ e n ( n )

Пусть это будет матрица A , и ее столбцы – векторы линейно независимой системы векторов e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) . Ранг матрицы – n , и ее определитель отличен от нуля. Это свидетельствует о том, что система уравнений имеет единственное решение, определяемое любым удобным способом: к примеру, методом Крамера или матричным методом. Таким образом мы сможем определить координаты x

n вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) .

Применим рассмотренную теорию на конкретном примере.

Исходные данные: в базисе трехмерного пространства заданы векторы

e ( 1 ) = ( 1 , — 1 , 1 ) e ( 2 ) = ( 3 , 2 , — 5 ) e ( 3 ) = ( 2 , 1 , — 3 ) x = ( 6 , 2 , — 7 )

Необходимо подтвердить факт, что система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) также служит базисом заданного пространства, а также определить координаты вектора х в заданном базисе.

Решение

Система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) будет являться базисом трехмерного пространства, если она линейно независима. Выясним эту возможность, определив ранг матрицы A , строки которой – заданные векторы e ( 1 ) , e ( 2 ) , e ( 3 ) .

Используем метод Гаусса:

A = 1 — 1 1 3 2 — 5 2 1 — 3

1 — 1 1 0 5 — 8 0 3 — 5

1 — 1 1 0 5 — 8 0 0 — 1 5

R a n k ( A ) = 3 . Таким образом, система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) линейно независима и является базисом.

Пусть в базисе вектор x → имеет координаты x

3 . Связь этих координат определяется уравнением:

3 e 1 ( 3 ) x 2 = x

3 e 2 ( 3 ) x 3 = x

Применим значения согласно условиям задачи:

Решим систему уравнений методом Крамера:

∆ = 1 3 2 — 1 2 1 1 — 5 — 3 = — 1 ∆ x

1 = 6 3 2 2 2 1 — 7 — 5 — 3 = — 1 , x

1 ∆ = — 1 — 1 = 1 ∆ x

2 = 1 6 2 — 1 2 1 1 — 7 — 3 = — 1 , x

2 ∆ = — 1 — 1 = 1 ∆ x

3 = 1 3 6 — 1 2 2 1 — 5 — 7 = — 1 , x

Так, вектор x → в базисе e ( 1 ) , e ( 2 ) , e ( 3 ) имеет координаты x

Ответ: x = ( 1 , 1 , 1 )

Видео:Разложение вектора по векторам (базису). Аналитическая геометрия-1Скачать

Связь между базисами

Предположим, что в некотором базисе n-мерного векторного пространства даны две линейно независимые системы векторов:

c ( 1 ) = ( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) c ( 2 ) = ( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) ⋮ c ( n ) = ( c 1 ( n ) , e 2 ( n ) , . . . , c n ( n ) )

e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )

Указанные системы являются также базисами заданного пространства.

n ( 1 ) — координаты вектора c ( 1 ) в базисе e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) , тогда связь координат будет задаваться системой линейных уравнений:

1 ( 1 ) e 1 ( 1 ) + c

2 ( 1 ) e 1 ( 2 ) + . . . + c

n ( 1 ) e 1 ( n ) с 2 ( 1 ) = c

1 ( 1 ) e 2 ( 1 ) + c

2 ( 1 ) e 2 ( 2 ) + . . . + c

n ( 1 ) e 2 ( n ) ⋮ с n ( 1 ) = c

1 ( 1 ) e n ( 1 ) + c

2 ( 1 ) e n ( 2 ) + . . . + c

В виде матрицы систему можно отобразить так:

( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) = ( c

n ( 1 ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

Сделаем по аналогии такую же запись для вектора c ( 2 ) :

( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) = ( c

n ( 2 ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

И, далее действуя по тому же принципу, получаем:

( c 1 ( n ) , c 2 ( n ) , . . . , c n ( n ) ) = ( c

n ( n ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

Матричные равенства объединим в одно выражение:

c 1 ( 1 ) c 2 ( 1 ) ⋯ c n ( 1 ) c 1 ( 2 ) c 2 ( 2 ) ⋯ c n ( 2 ) ⋮ ⋮ ⋮ ⋮ c 1 ( n ) c 2 ( n ) ⋯ c n ( n ) = c

n ( n ) · e 1 ( 1 ) e 2 ( 1 ) ⋯ e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) ⋯ e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) ⋯ e n ( n )

Оно и будет определять связь векторов двух различных базисов.

Используя тот же принцип, возможно выразить все векторы базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) через базис c ( 1 ) , c ( 2 ) , . . . , c ( n ) :

e 1 ( 1 ) e 2 ( 1 ) ⋯ e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) ⋯ e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) ⋯ e n ( n ) = e

n ( n ) · c 1 ( 1 ) c 2 ( 1 ) ⋯ c n ( 1 ) c 1 ( 2 ) c 2 ( 2 ) ⋯ c n ( 2 ) ⋮ ⋮ ⋮ ⋮ c 1 ( n ) c 2 ( n ) ⋯ c n ( n )

Дадим следующие определения:

n ( n ) является матрицей перехода от базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 )

к базису c ( 1 ) , c ( 2 ) , . . . , c ( n ) .

n ( n ) является матрицей перехода от базиса c ( 1 ) , c ( 2 ) , . . . , c ( n )

к базису e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) .

Видео:Найдите разложение вектора по векторам (базису)Скачать

Координаты и преобразования координат в линейном пространстве

Видео:Базис. Разложение вектора по базису.Скачать

Координаты векторов в данном базисе линейного пространства

Пусть — базис линейного пространства . Каждый вектор можно разложить по базису (см. теорему 8.1), т.е. представить в виде , причем коэффициенты в разложении определяются однозначно. Эти коэффициенты называются координатами вектора в базисе (или относительно базиса ). Координаты вектора — это упорядоченный на бор чисел, который представляется в виде матрицы-столбца и называется координатным столбцом вектора (в данном базисе). Вектор и его координатный столбец обозначаются одной и той же буквой полужирной или светлой соответственно.

Если базис (как упорядоченный набор векторов) представить в виде символической матрицы-строки , то разложение вектора по базису можно записать следующим образом:

Здесь умножение символической матрицы-строки на числовую матрицу-столбец производится по правилам умножения матриц.

При необходимости, если речь идет о разных базисах, у координатного столбца указывается обозначение базиса, относительно которого получены координаты, например, — координатный столбец вектора в базисе .

Из теоремы 8.1 следует, что равные векторы имеют равные соответствующие координаты (в одном и том же базисе), и наоборот, если координаты векторов (в одном и том же базисе) соответственно равны, то равны и сами векторы .

Видео:Образуют ли данные векторы базисСкачать

Линейные операции в координатной форме

Пусть — базис линейного пространства , векторы и имеют в этом базисе координаты и соответственно, т.е.

Складывая эти равенства, получаем .

т.е. при сложении векторов их координаты складываются .

Умножая второе равенство в (8.7) на число , получаем

т.е. при умножении вектора на число все его координаты умножаются на это число .

Другими словами, сумма векторов имеет координаты , а произведение имеет координаты . Разумеется, что все координаты получены в одном базисе .

1. Нетрудно показать, что координатный столбец линейной комбинации векторов равен линейной комбинации координатных столбцов этих векторов.

2. Если система векторов линейно зависима (линейно независима), то их координатные столбцы, полученные относительно одного базиса, образуют линейно зависимую (соответственно, линейно независимую) систему. Это следует из равносильности равенств и . Например, если в этих равенствах не все коэффициенты равны нулю, т.е. система векторов и система их координатных столбцов линейно зависимы одновременно.

3. Все свойства линейной зависимости и линейной независимости векторов переносятся без изменений на их координатные столбцы, полученные в одном и том же базисе. И наоборот, свойства для матриц-столбцов, переносятся на векторы, если матрицы-столбцы считать их координатными столбцами.

4. Выбрав в n-мерном вещественном линейном пространстве некоторый базис, можно установить взаимно однозначное соответствие: каждому вектору поставить в соответствие его координатный столбец (в вы бранном базисе), и наоборот, каждому координатному столбцу поставить в соответствие вектор. Другими словами, любой фиксированный базис n-мерного вещественного линейного пространства позволяет установить взаимно однозначное соответствие между всеми векторами вещественно го пространства и всеми столбцами n-мерного арифметического пространства . Это соответствие обозначается . Для n-мерного комплексного линейного пространства аналогичное взаимно однозначное соответствие устанавливается с пространством .

Видео:Разложение вектора по базису. 9 класс.Скачать

Преобразование координат вектора при замене базиса

Пусть заданы два базиса пространства и . Базис будем условно называть «старым», а базис — «новым». Пусть известны разложения каждого вектора нового базиса по старому базису:

Записывая по столбцам координаты векторов в базисе , составляем матрицу:

Квадратная матрица , составленная из координатных столбцов векторов нового базиса в старом базисе , называется матрицей перехода от старого базиса к новому. При помощи матрицы перехода (8.9) формулы (8.8) можно записать в виде:

Умножение символической матрицы-строки на матрицу перехода в (8.10) производится по правилам умножения матриц.

Пусть в базисе вектор имеет координаты , а в базисе — координаты , т.е.

Подставляя в правую часть последнего равенства выражение (8.10), получаем — два разложения вектора в одном и том же базисе . Коэффициенты этих разложений должны совпадать (по теореме 8.1), так как это координаты одного и того же вектора в одном базисе. Поэтому

Формула (8.11) устанавливает связь координат вектора в разных базисах: координатный столбец вектора в старом базисе получается в результате умножения матрицы перехода на координатный столбец вектора в новом базисе .

Пример 8.3. В пространстве многочленов степени не выше второй даны две системы многочленов:

Доказать, что каждая система является базисом пространства . Найти матрицу перехода от базиса к базису . Определить координаты квадратного трехчлена относительно базисов и .

Решение. Система многочленов является стандартным базисом пространства . Докажем, что система является базисом. По ступим следующим образом. Найдем координатные столбцы этих многочленов в стандартном базисе. Раскладывая по базису , получаем

Составим из этих столбцов матрицу . Ранг этой матрицы равен 3, так как . Следовательно, столбцы линейно независимы, тогда и многочлены линейно независимы (см. пункт 2 замечаний 8.5). Итак, многочлены являются базисом пространства , а матрица — искомая матрица перехода от базиса к базису . Осталось найти координаты многочлена в этих базисах. Раскладывая по базисам, находим

Проверим результат, вычисляя по формуле (8.11):

Видео:Базис и матрица перехода. Координаты вектора в разных базисах.Скачать

Свойства матрицы перехода от одного базиса к другому

1. Пусть имеются три базиса пространства и известны матрицы перехода: от базиса к базису ; от к ; от к . Тогда

Действительно, запишем связь (8.10) для данных базисов:

Подставляя первое выражение во второе равенство, получаем . Сравнивая с третьим равенством, приходим к (8.12).

2. Если — матрица перехода от базиса к базису , то матрица обратима и обратная матрица является матрицей перехода от базиса к базису . Координаты вектора в базисах и связаны формулами:

В самом деле, пусть — матрица перехода от базиса к базису . Учитывая, что матрица перехода от базиса к базису — единичная, применяем свойство 1 к трем базисам . Для трех базисов аналогично получаем: . Следовательно, .

3. Всякая обратимая квадратная матрица n-го порядка может служить матрицей перехода от одного базиса n-мерного линейного пространства к другому базису.

Пример 8.4. В двумерном арифметическом пространстве даны два базиса: и . Найти матрицу перехода от базиса к базису и координаты вектора в каждом из базисов.

Решение. Рассмотрим стандартный базис пространства . Находим координаты векторов в стандартном базисе. Раскладываем вектор

В стандартном базисе пространства координатный столбец совпадает с вектором . Для других векторов аналогично получаем . Из координатных столбцов составим матрицы перехода (8.9) от стандартного базиса к данным базисам и

По свойству 1 матриц перехода имеем . .По свойству 2: . Поэтому

В стандартном базисе пространства координатный столбец совпадает с вектором . Найдем координаты этого вектора в базисе (по свойству 2 матрицы перехода):

В самом деле, справедливо разложение

Найдем координаты вектора в базисе двумя способами

Полученный результат подтверждает разложение:

🎬 Видео

Матрица переходаСкачать

Собственные векторы и собственные значения матрицыСкачать

Замена базиса. ТемаСкачать

Нахождение координат вектора. Практическая часть. 9 класс.Скачать

Собственные значения и собственные векторыСкачать

18+ Математика без Ху!ни. Скалярное произведение векторов. Угол между векторами.Скачать

Нахождение длины вектора через координаты. Практическая часть. 9 класс.Скачать

Собственные векторы и собственные числа линейного оператораСкачать

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

Базис линейного пространства. Матрица переходаСкачать

Математика без Ху!ни. Смешанное произведение векторовСкачать