Базисом
в
-мерном пространстве называется упорядоченная система из
линейно-независимых векторов.
Введём также некоторые дополнительные понятия, необходимые для дальнейшего изложения.
Выражение вида:
, где
−
некоторые числа и
называется
линейной комбинацией
векторов
.
Если существуют такие числа
из которых хотя бы одно не равно нулю (например
) и при этом выполняется равенство:
, то система векторов
−
является
линейно-зависимой.
Если же указанное равенство выполняется лишь при условии, что все числа
,
тогда система векторов
−
является
линейно-независимой.
Базис
может образовывать только
линейно-независимая
система векторов. Понятие линейной зависимости/независимости системы векторов, тесно связано с понятием
ранга матрицы.
Наш онлайн калькулятор позволяет проверить образует ли система векторов
базис.
При этом калькулятор выдаёт подробное решение на русском языке.
© 2011-2023 Довжик Михаил
Копирование материалов запрещено.
Добро пожаловать на OnlineMSchool.
Меня зовут Довжик Михаил Викторович. Я владелец и автор этого сайта, мною написан весь теоретический материал, а также разработаны онлайн упражнения и калькуляторы, которыми Вы можете воспользоваться для изучения математики.
Если Вы хотите связаться со мной, имеете вопросы, предложения или хотите помочь развивать сайт OnlineMSchool пишите мне support@onlinemschool.com
This calculator will orthonormalize the set of vectors, i.e. find the orthonormal basis, using the Gram-Schmidt process, with steps shown.
Your Input
Orthonormalize the set of the vectors $$$mathbf{vec{v_{1}}} = left[begin{array}{c}0\3\4end{array}right]$$$, $$$mathbf{vec{v_{2}}} = left[begin{array}{c}1\0\1end{array}right]$$$, $$$mathbf{vec{v_{3}}} = left[begin{array}{c}1\1\3end{array}right]$$$ using the Gram-Schmidt process.
Solution
According to the Gram-Schmidt process, $$$mathbf{vec{u_{k}}} = mathbf{vec{v_{k}}} — sum_{j=1}^{k — 1} text{proj}_{mathbf{vec{u_{j}}}}left(mathbf{vec{v_{k}}}right)$$$, where $$$text{proj}_{mathbf{vec{u_{j}}}}left(mathbf{vec{v_{k}}}right) = frac{mathbf{vec{u_{j}}}cdot mathbf{vec{v_{k}}}}{mathbf{leftlvertvec{u_{j}}rightrvert}^{2}} mathbf{vec{u_{j}}}$$$ is a vector projection.
The normalized vector is $$$mathbf{vec{e_{k}}} = frac{mathbf{vec{u_{k}}}}{mathbf{leftlvertvec{u_{k}}rightrvert}}$$$.
Step 1
$$$mathbf{vec{u_{1}}} = mathbf{vec{v_{1}}} = left[begin{array}{c}0\3\4end{array}right]$$$
$$$mathbf{vec{e_{1}}} = frac{mathbf{vec{u_{1}}}}{mathbf{leftlvertvec{u_{1}}rightrvert}} = left[begin{array}{c}0\frac{3}{5}\frac{4}{5}end{array}right]$$$ (for steps, see unit vector calculator).
Step 2
$$$mathbf{vec{u_{2}}} = mathbf{vec{v_{2}}} — text{proj}_{mathbf{vec{u_{1}}}}left(mathbf{vec{v_{2}}}right) = left[begin{array}{c}1\- frac{12}{25}\frac{9}{25}end{array}right]$$$ (for steps, see vector projection calculator and vector subtraction calculator).
$$$mathbf{vec{e_{2}}} = frac{mathbf{vec{u_{2}}}}{mathbf{leftlvertvec{u_{2}}rightrvert}} = left[begin{array}{c}frac{5 sqrt{34}}{34}\- frac{6 sqrt{34}}{85}\frac{9 sqrt{34}}{170}end{array}right]$$$ (for steps, see unit vector calculator).
Step 3
$$$mathbf{vec{u_{3}}} = mathbf{vec{v_{3}}} — text{proj}_{mathbf{vec{u_{1}}}}left(mathbf{vec{v_{3}}}right) — text{proj}_{mathbf{vec{u_{2}}}}left(mathbf{vec{v_{3}}}right) = left[begin{array}{c}- frac{3}{17}\- frac{4}{17}\frac{3}{17}end{array}right]$$$ (for steps, see vector projection calculator and vector subtraction calculator).
$$$mathbf{vec{e_{3}}} = frac{mathbf{vec{u_{3}}}}{mathbf{leftlvertvec{u_{3}}rightrvert}} = left[begin{array}{c}- frac{3 sqrt{34}}{34}\- frac{2 sqrt{34}}{17}\frac{3 sqrt{34}}{34}end{array}right]$$$ (for steps, see unit vector calculator).
Answer
The set of the orthonormal vectors is $$$left{left[begin{array}{c}0\frac{3}{5}\frac{4}{5}end{array}right], left[begin{array}{c}frac{5 sqrt{34}}{34}\- frac{6 sqrt{34}}{85}\frac{9 sqrt{34}}{170}end{array}right], left[begin{array}{c}- frac{3 sqrt{34}}{34}\- frac{2 sqrt{34}}{17}\frac{3 sqrt{34}}{34}end{array}right]right}approx left{left[begin{array}{c}0\0.6\0.8end{array}right], left[begin{array}{c}0.857492925712544\-0.411596604342021\0.308697453256516end{array}right], left[begin{array}{c}-0.514495755427527\-0.685994340570035\0.514495755427527end{array}right]right}.$$$A
Примеры решений. Линейные пространства
В этом разделе вы найдете бесплатные решения задач о линейных пространствах по темам: проверка линейности подпространства, базис пространства и подпространства, ортогональное подпространство, размерность.
Спасибо за ваши закладки и рекомендации
Решения задач: линейные пространства
Задача 1. Образует ли линейное подпространство пространства $R^4$ множество $V$, заданное по правилу:
$$
V={(x_1, x_2, x_3, x_4): x_1-2x_3=0 };quad V={(x_1, x_2, x_3, x_4): x_3+x_4=1 }.
$$
Задача 2. Даны векторы $e_1, e_2, e_3, e_4$ и $a$ в стандартном базисе пространства $R^4$.
Требуется:
а) убедиться, что векторы $e_1, e_2, e_3, e_4$ образуют базис пространства $R^4$;
б) найти разложение вектора $a$ по этому базису;
в) найти угол между векторами $e_1$ и $e_2$.
$$
e_1=(1,0,-2,3); e_2=(0,1,3,2); e_3=(1,0,0,1); e_4=(2,3,12,2); a=(9,12,5,8).
$$
Задача 3.Найти ортогональный базис подпространства $L$, заданного системой уравнений, и базис подпространства $L^{perp}$
$$
left{
begin{aligned}
x_1+x_2+x_3+x_4+x_5&=0,\
x_1-2x_2+2x_3+x_4-2x_5&=0.\
end{aligned}
right.
$$
Задача 4. Для каждого из следующих множеств геометрических векторов определить, будет ли это множество линейным подпространством пространства $V_3$ :
1) радиус-векторы точек данной плоскости;
2) векторы, образующие с данным ненулевым вектором $overline{a}$ угол $alpha$;
3) множество векторов, удовлетворяющих условию $|overline{x}|=1$ .
Задача 5. Пусть $L$ — множество многочленов степени не выше 2, удовлетворяющих условию $p(1)+p'(1)+p»(1)=0$. Доказать, что $L$ — линейное подпространство в пространстве $P_2$. Найти его базис и размерность. Дополнить базис подпространства до базиса всего пространства.
Задача 6. Образуют ли многочлены $p_1(x)=x^3+x^2-1$, $p_2(x)=x^2-2x$, $p_3(x)=x^3+x$, $p_4(x)=x^2-3$ базис в пространстве $P_3$?
Задача 7. Доказать, что матрицы вида
$$
begin{pmatrix}
2a & a+3b-2c\
b & 5c\
end{pmatrix}
$$
образуют линейное подпространство в пространстве матриц $M_{22}$. Найти его базис и размерность. Дополнить базис подпространства до базиса всего пространства.
Не получаются задачи? Решим подробно и понятно
Размерность и базис линейного пространства
Определения размерности и базиса
Линейное пространство называется n-мерным, если в нем существует система из линейно независимых векторов, а любая система из большего количества векторов линейно зависима. Число называется размерностью (числом измерений) линейного пространства и обозначается . Другими словами, размерность пространства — это максимальное число линейно независимых векторов этого пространства. Если такое число существует, то пространство называется конечномерным. Если же для любого натурального числа п в пространстве найдется система, состоящая из линейно независимых векторов, то такое пространство называют бесконечномерным (записывают: ). Далее, если не оговорено противное, будут рассматриваться конечномерные пространства.
Базисом n-мерного линейного пространства называется упорядоченная совокупность линейно независимых векторов (базисных векторов).
Теорема 8.1 о разложении вектора по базису. Если — базис n-мерного линейного пространства , то любой вектор может быть представлен в виде линейной комбинации базисных векторов:
(8.4)
и притом единственным образом, т.е. коэффициенты определяются однозначно. Другими словами, любой вектор пространства может быть разложен по базису и притом единственным образом.
Действительно, размерность пространства равна . Система векторов линейно независима (это базис). После присоединения к базису любого вектора , получаем линейно зависимую систему (так как это система состоит из векторов n-мерного пространства). По свойству 7 линейно зависимых и линейно независимых векторов получаем заключение теоремы.
Следствие 1. Если — базис пространства , то , т.е. линейное пространство является линейной оболочкой базисных векторов.
В самом деле, для доказательства равенства двух множеств достаточно показать, что включения и выполняются одновременно. Действительно, с одной стороны, любая линейная комбинация векторов линейного пространства принадлежит самому линейному пространству, т.е. . С другой стороны, любой вектор пространства по теореме 8.1 можно представить в виде линейной комбинации базисных векторов, т.е. . Отсюда следует равенство рассматриваемых множеств.
Следствие 2. Если — линейно независимая система векторов линейного пространства и любой вектор может быть представлен в виде линейной комбинации (8.4): , то пространство имеет размерность , а система является его базисом.
В самом деле, в пространстве имеется система линейно независимых векторов, а любая система из большего количества векторов линейно зависима, поскольку каждый вектор из этой системы линейно выражается через векторы . Значит, и — базис .
Теорема 8.2 о дополнении системы векторов до базиса. Всякую линейно независимую систему векторов n-мерного линейного пространства можно дополнить до базиса пространства.
В самом деле, пусть — линейно независимая система векторов n-мерного пространства . Рассмотрим линейную оболочку этих векторов: . Любой вектор образует с векторами линейно зависимую систему , так как вектор линейно выражается через остальные. Поскольку в n-мерном пространстве существует линейно независимых векторов, то и существует вектор , который не принадлежит . Дополняя этим вектором линейно независимую систему , получаем систему векторов , которая также линейно независимая. Действительно, если бы она оказалась линейно зависимой, то из пункта 1 замечаний 8.3 следовало, что , а это противоречит условию . Итак, система векторов линейно независимая. Значит, первоначальную систему векторов удалось дополнить одним вектором без нарушения линейной независимости. Продолжаем аналогично. Рассмотрим линейную оболочку этих векторов: . Если , то — базис и теорема доказана. Если , то дополняем систему вектором и т.д. Процесс дополнения обязательно закончится, так как пространство конечномерное. В результате получим равенство , из которого следует, что — базис пространства . Теорема доказана.
Замечания 8.4
1. Базис линейного пространства определяется неоднозначно. Например, если — базис пространства , то система векторов при любом также является базисом . Количество базисных векторов в разных базисах одного и того же конечномерного пространства, разумеется, одно и то же, так как это количество равно размерности пространства.
2. В некоторых пространствах, часто встречающихся в приложениях, один из возможных базисов, наиболее удобный с практической точки зрения, называют стандартным.
3. Теорема 8.1 позволяет говорить, что базис — это полная система элементов линейного пространства, в том смысле, что любой вектор пространства линейно выражается через базисные векторы.
4. Если множество является линейной оболочкой , то векторы называют образующими множества . Следствие 1 теоремы 8.1 в силу равенства позволяет говорить, что базис — это минимальная система образующих линейного пространства , так как нельзя уменьшить количество образующих (удалить хотя бы один вектор из набора ) без нарушения равенства .
5. Теорема 8.2 позволяет говорить, что базис — это максимальная линейно независимая система векторов линейного пространства, так как базис — это линейно независимая система векторов, и ее нельзя дополнить каким-либо вектором без потери линейной независимости.
6. Следствие 2 теоремы 8.1 удобно применять для нахождения базиса и размерности линейного пространства. В некоторых учебниках оно берется за определение базиса, а именно: линейно независимая система векторов линейного пространства называется базисом, если любой вектор пространства линейно выражается через векторы . Количество базисных векторов определяет размерность пространства. Разумеется, что эти определения эквивалентны приведенным выше.
Примеры базисов линейных пространств
Укажем размерность и базис для примеров линейных пространств, рассмотренных выше.
1. Нулевое линейное пространство не содержит линейно независимых векторов. Поэтому размерность этого пространства полагают равной нулю: . Это пространство не имеет базиса.
2. Пространства имеют размерности 1, 2, 3 соответственно. Действительно, любой ненулевой вектор пространства , образует линейно независимую систему (см. пункт 1. замечаний 8.2), а любые два ненулевых век тора пространства коллинеарны, т.е. линейно зависимы (см. пример 8.1). Следовательно, , а базисом пространства является любой ненулевой вектор. Аналогично доказывается, что и . Базисом пространства служат любые два неколлинеарных вектора, взятые в определенном порядке (один из них считается первым базисным вектором, другой — вторым). Базисом пространства являются любые три некомпланарных (не лежащих в одной или параллельных плоскостях) вектора, взятые в определенном порядке. Стандартным базисом в является единичный вектор на прямой. Стандартным базисом в считается базис , со стоящий из двух взаимно перпендикулярных единичных векторов плоскости. Стандартным базисом в пространстве считается базис , составленный из трех единичных попарно перпендикулярных векторов, образующих правую тройку.
3. Пространство содержит не более, чем , линейно независимых векторов. В самом деле, возьмем столбцов из и составим из них матрицу размеров . Если , то столбцы линейно зависимы по теореме 3.4 о ранге матрицы. Следовательно, . В пространстве не трудно найти п линейно независимых столбцов. Например, столбцы единичной матрицы
линейно независимы. Следовательно, . Пространство называется n-мерным вещественным арифметическим пространством. Указанный набор векторов считается стандартным базисом пространства . Аналогично доказывается, что , поэтому пространство называют n-мерным комплексным арифметическим пространством.
4. Напомним, что любое решение однородной системы можно представить в виде , где , a — фундаментальная система решений. Следовательно, , т.е. базисом пространства решений однородной системы служит ее фундаментальная система решений, а размерность пространства , где — количество неизвестных, а — ранг матрицы системы.
5. В пространстве матриц размеров можно выбрать 6 матриц:
которые линейно независимы. Действительно, их линейная комбинация
(8.5)
равна нулевой матрице только в тривиальном случае . Прочитав равенство (8.5) справа налево, заключаем, что любая матрица из линейным образом выражается через выбранные 6 матриц, т.е. . Следовательно, , а матрицы являются базисом (стандартным) этого пространства. Аналогично доказывается, что .
6. Для любого натурального в пространстве многочленов с комплексными коэффициентами можно найти п линейно независимых элементов. Например, многочлены линейно независимы, так как их линейная комбинация
равна нулевому многочлену только в тривиальном случае . Поскольку эта система многочленов линейно независима при любом натуральном л, пространство бесконечномерное. Аналогично делаем вывод о бесконечной размерности пространства многочленов с действительными коэффициентами. Пространство многочленов степени не выше, чем , конечномерное. Действительно, векторы образуют базис (стандартный) это го пространства, так как они линейно независимы и любой многочлен из можно представить в виде линейной комбинации этих векторов:
. Следовательно, .
7. Пространство непрерывных функций является бесконечно мерным. Действительно, для любого натурального многочлены , рассматриваемые как непрерывные функции, образуют линейно независимые системы (см. предыдущий пример).
В пространстве тригонометрических двучленов (частоты ) с действительными коэффициентами базис образуют одночлены . Они линейно независимы, так как тождественное равенство возможно только в тривиальном случае . Любая функция вида линейно выражается через базисные: .
8. Пространство действительных функций, определенных на множестве , в зависимости от области определения может быть конечномерным или бесконечномерным. Если — конечное множество, то пространство конечномерное (например, ). Если — бесконечное множество, то пространство бесконечномерное (например, пространство последовательностей).
9. В пространстве любое положительное число , не равное единице, может служить базисом. Возьмем, например, число . Любое положительное число можно выразить через , т.е. представить в виде , где . Следовательно, размерность этого пространства равна 1, а число является базисом.
10. Пусть — базис вещественного линейного пространства . Определим на линейные скалярные функции , положив:
При этом, в силу линейности функции , для произвольного вектора получаем .
Итак, определены элементов (ковекторов) сопряженного пространства . Докажем, что — базис .
Во-первых, покажем, что система линейно независима. В самом деле, возьмем линейную комбинацию этих ковекторов и приравняем ее нулевой функции
Подставляя в это равенство , получаем . Следовательно, система элементов пространства линейно независима, так как равенство возможно только в тривиальном случае.
Во-вторых, докажем, что любую линейную функцию можно представить в виде линейной комбинации ковекторов . Действительно, для любого вектора в силу линейности функции получаем:
т.е. функция представлена в виде линейной комбинации функций (числа — коэффициенты линейной комбинации). Следовательно, система ковекторов является базисом сопряженного пространства и (для конечномерного пространства ).
Математический форум (помощь с решением задач, обсуждение вопросов по математике).
Если заметили ошибку, опечатку или есть предложения, напишите в комментариях.