Ортонормированные системы векторов и их свойства

Ортонормированные системы векторов и их свойства

Ортонормированные системы векторов и их свойства

ОРТОНОРМИРОВАННЫЕ СИСТЕМЫ ВЕКТОРОВ

Видео:§48 Ортонормированный базис евклидова пространстваСкачать

§48 Ортонормированный базис евклидова пространства

Высшая математика

Если длина вектора равна единице, он называется нормированным вектором : (x , x ) = 1, |x| = 1.

Если все векторы системы векторов нормированы, то система векторов называется нормированной системой.

Если векторы системы векторов e 1, e 2, . en попарно ортогональны и нормированы, то система векторов называется ортонормированной системой: (ei, ej) = 0, если i ≠ j , (ei, ei) = 1.

Видео:Разложение вектора по базису. 9 класс.Скачать

Разложение вектора по базису. 9 класс.

Векторные пространства

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

выполняется только при условии одновременного равенства Ортонормированные системы векторов и их свойства.
Все Ортонормированные системы векторов и их свойства, 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 Ортонормированные системы векторов и их свойствавыполняется, при условии, что не все Ортонормированные системы векторов и их свойстваодновременно, т.е. в поле вычетов оказалось возможным выбрать набор Ортонормированные системы векторов и их свойства, k =1(1)р, среди которых есть ненулевые, то такие векторы Ортонормированные системы векторов и их свойстваназываются линейно зависимыми.

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

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

равенство может быть обеспечено выбором коэффициентов Ортонормированные системы векторов и их свойства, не равных нулю одновременно. Более того, вектор Ортонормированные системы векторов и их свойстваявляется функцией Ортонормированные системы векторов и их свойстваи Ортонормированные системы векторов и их свойства(их суммой), что указывает на зависимость Ортонормированные системы векторов и их свойстваот Ортонормированные системы векторов и их свойстваи Ортонормированные системы векторов и их свойства. Доказательство общего случая состоит в следующем.

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

Выделим явным образом из суммы вектор rр

Ортонормированные системы векторов и их свойства

Говорят, что вектор rр является л и н е й н о й комбинацией векторов Ортонормированные системы векторов и их свойстваили rр через остальные векторы выражается линейным образом, т.е. rр 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 <Ортонормированные системы векторов и их свойства> 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

Ортонормированные системы векторов и их свойства

в евклидовом пространстве называется определитель матрицы Грама этой системы:

Ортонормированные системы векторов и их свойства

где Ортонормированные системы векторов и их свойства— скалярное произведение векторов
Ортонормированные системы векторов и их свойстваи Ортонормированные системы векторов и их свойства.

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 Ортонормированные системы векторов и их свойствалинейного s-мерного векторного пространства L может быть представлен единственным способом в виде линейной комбинации векторов базиса.

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

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

Ортонормированные системы векторов и их свойства

, будем иметь Ортонормированные системы векторов и их свойства
Используя прием доказательства «от противного», допустим, что записанное представление Ортонормированные системы векторов и их свойстване единственное в этом базисе и существует другое

Ортонормированные системы векторов и их свойства

Тогда запишем отличие представлений, что, естественно, выражается как

Ортонормированные системы векторов и их свойства

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 Ортонормированные системы векторов и их свойства, i = 1(1)s линейно независимы, поэтому все коэффициенты при них могут быть только нулевыми. Отсюда получаем, что

Ортонормированные системы векторов и их свойства

а это возможно только при

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

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;

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

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 Ортонормированные системы векторов и их свойстваназывают нормой (или длиной, модулем) вектора ri. Если Ортонормированные системы векторов и их свойства= 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.

Ортонормированные системы векторов и их свойства

, 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

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

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

Делим вектор ē 1, на его норму; получим нормированный вектор ē i1/(||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

Ортонормированные системы векторов и их свойства

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

Ортонормированные системы векторов и их свойства

Ортонормированные системы векторов и их свойства

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).

Ортонормированные системы векторов и их свойства

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

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

Ортогональный и ортонормированный базисы

Два вектора называются ортогональными (перпендикулярными) , если угол между ними прямой (величина угла равна ).

Система векторов называется ортогональной, если все векторы, образующие ее, попарно ортогональны. Система векторов называется ортонормировинной, если она ортогональная и длина каждого вектора равна единице.

Видео:Линейная зависимость и линейная независимость векторов.Скачать

Линейная зависимость и  линейная независимость  векторов.

Стандартные базисы на прямой, на плоскости, в пространстве

Базисы на прямой, на плоскости и в пространстве определяются не однозначно. Некоторые из них, наиболее удобные в приложениях, принимаются в качестве стандартных.

Стандартный базис на прямой — это единичный вектор на данной прямой (рис.1.34,а). Согласно теореме 1.3, любой вектор , коллинеарный данной прямой, может быть разложен по стандартному базису на прямой , т.е. представлен в виде .

Стандартный базис на плоскости — это упорядоченная пара единичных и перпендикулярных векторов на данной плоскости (рис. 1.34,б). Согласно теореме 1.4, любой вектор , принадлежащий данной плоскости, может быть разложен по стандартному базису на плоскости , т.е. представлен в виде .

Стандартный базис в пространстве — это упорядоченная тройка единичных и попарно перпендикулярных векторов (рис.1.34,в). Первый базисный вектор на рис.1.34,в направлен перпендикулярно плоскости рисунка (на читателя). Согласно теореме 1.5, любой вектор в пространстве может быть разложен по стандартному базису в пространстве , т.е. представлен в виде .

1. Стандартные базисы на плоскости и в пространстве ортонормированные, поэтому во всех приведенных разложениях вектор представляется в виде суммы своих ортогональных проекций на соответствующие прямые или оси, задаваемые базисными векторами (см. теорему 1.2), т.е.

2. Вектор в пространстве является замыкающей ломаной (см. правило сложения векторов), образованной его проекциями (рис.1.34,в):

3. Вектор в пространстве является суммой своих ортогональных составляющих
относительно плоскостей (рис.1.34,в):

4. Стандартные базисы на плоскости и в пространстве являются правыми.

5. Координаты вектора в стандартном базисе равны алгебраическим значениям длин его ортогональных проекций на координатные оси (рис.1.34,в):

6. В ортонормированием базисе длина вектора равна квадратному корню из суммы квадратов его координат:

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

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

Направляющие косинусы

В стандартных базисах на плоскости и в пространстве направление ненулевого вектора удобно характеризовать углами, которые он образует с базисными векторами: — угол между вектором и первым базисным вектором , — со вторым базисным вектором (рис. 1.34,6), — с третьим базисным вектором (рис.1.34,в). При этом достаточно знать косинусы этих углов, которые называются направляющими косинусами вектора (в стандартном базисе).

На плоскости вектор можно представить в виде суммы ортогональных проекций (см. пункт 1 теоремы 1.2): . Тогда, учитывая пункта 1 замечаний 1.4 (при и при ), получаем

Разделив это равенство на длину вектора , в левой части получим единичный вектор , одинаково направленный с вектором (см. разд. 1.2):

Таким образом, координаты единичного вектора , одинаково направленного с вектором , равны направляющим косинусам вектора :

Разумеется, что величины направляющих косинусов связаны условием (см. пункт 3 теоремы 1.2): .

В пространстве получаем аналогичные равенства:

т.е. координаты единичного вектора , одинаково направленного с вектором , равны направляющим косинусам вектора :

При этом (см. пункт 3 теоремы 1.2).

Пример 1.12. Прямоугольный параллелепипед построен на векторах (см. рис.1.35). Точка — центр грани , точка делит ребро в отношении . Найти координаты, длину и направляющие косинусы вектора .

Решение. Запишем правило треугольника сложения векторов: . Подставляя в это равенство разложения векторов

получаем . Отсюда , т.е. координаты вектора . Согласно п.6 замечаний 1.8, находим длину вектора . Разделив вектор на его длину, находим единичный вектор:

Согласно (1.6), его координатами служат направляющие косинусы:

📸 Видео

Линейная алгебра. Векторы и операции над векторами.Скачать

Линейная алгебра. Векторы и операции над векторами.

Высшая математика. Линейные пространства. Векторы. БазисСкачать

Высшая математика. Линейные пространства. Векторы. Базис

Лекция 19. Векторное произведение векторов и его свойства.Скачать

Лекция 19. Векторное произведение векторов и его свойства.

Как разложить вектор по базису - bezbotvyСкачать

Как разложить вектор по базису - bezbotvy

Вектор. Сложение и вычитание. 9 класс | МатематикаСкачать

Вектор. Сложение и вычитание. 9 класс | Математика

A.7.4 Ортогонализация набора векторов. Процесс Грама-Шмидта.Скачать

A.7.4 Ортогонализация набора векторов. Процесс Грама-Шмидта.

Ортогональность. ТемаСкачать

Ортогональность. Тема

Собственные векторы и собственные числа линейного оператораСкачать

Собственные векторы и собственные числа линейного оператора

Собственные значения и собственные векторы матрицы (4)Скачать

Собственные значения и собственные векторы матрицы (4)

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

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

Процесс ортогонализации Грама-Шмидта. ПримерСкачать

Процесс ортогонализации Грама-Шмидта. Пример

Скалярное произведение векторов. 9 класс.Скачать

Скалярное произведение векторов. 9 класс.

Математика без Ху!ни. Смешанное произведение векторовСкачать

Математика без Ху!ни. Смешанное произведение векторов

Лекция 18. Скалярное произведение векторов и его свойства.Скачать

Лекция 18. Скалярное произведение векторов и его свойства.

Образуют ли данные векторы базисСкачать

Образуют ли данные векторы базис
Поделиться или сохранить к себе: