Теоремы о линейной зависимости. Линейная зависимость и независимость. Алгоритм исследования системы векторов на линейную зависимость

3.3. Линейная независимость векторов. Базис.

Линейной комбинацией системы векторов

называется вектор

где a 1 , a 2 , ..., a n - произвольные числа.

Если все a i = 0, то линейная комбинация называется тривиальной . В этом случае, очевидно,

Определение 5.

Если для системы векторов существует нетривиальная линейная комбинация (хотя бы одно a i ¹ 0) равная нулевому вектору: то система векторов называется линейно зависимой . Если равенство (1) возможно только в случае, когда все a i =0, то система векторов называется линейно независимой .

Теорема 2 (Условия линейной зависимости).

Определение 6.

Из теоремы 3 следует, что если в пространстве задан базис то добавив к нему произвольный вектор , получим линейно зависимую систему векторов. В соответствии с теоремой 2 (1) , один из них (можно показать, что вектор ) можно представить в виде линейной комбинации остальных:

.

Определение 7.

Числа называются координатами вектора в базисе (обозначается

Если векторы рассматриваются на плоскости, то базисом будет упорядоченная пара неколлинеарных векторов

и координатами вектора в этом базисе – пара чисел:

Замечание 3 . Можно показать, что при заданном базисе координаты вектора определяются однозначно . Из этого, в частности, следует, что если векторы равны, то равны их соответствующие координаты, и наоборот .

Таким образом, если в пространстве задан базис, то каждому вектору пространства соответствует упорядоченная тройка чисел (координаты вектора в этом базисе) и наоборот: каждой тройке чисел соответствует вектор.

На плоскости аналогичное соответствие устанавливается между векторами и парами чисел.

Теорема 4 (Линейные операции через координаты векторов).

Если в некотором базисе и a – произвольное число, то в этом базисе

Иными словами:

при умножении вектора на число его координаты умножаются на это число ;

при сложении векторов складываются их соответствующие координаты .

Пример 1 . В некотором базисе векторы имеют координаты

Показать, что векторы образуют базис, и найти координаты вектора в этом базисе.

Векторы образуют базис, если они некомпланарны, следовательно (в соответствии с теоремой 3(2) ) линейно независимы.

По определению 5 это означает, что равенство

возможно только в случае, когда x = y = z = 0.

Понятия линейной зависимости и независимости системы векторов является очень важными при изучении алгебры векторов, так как на них базируются понятия размерности и базиса пространства. В этой статье мы дадим определения, рассмотрим свойства линейной зависимости и независимости, получим алгоритм исследования системы векторов на линейную зависимость и подробно разберем решения примеров.

Навигация по странице.

Определение линейной зависимости и линейной независимости системы векторов.

Рассмотрим набор из p n-мерных векторов , обозначим их следующим образом . Составим линейную комбинацию этих векторов и произвольных чисел (действительных или комплексных): . Отталкиваясь от определения операций над n -мерными векторами, а так же свойств операций сложения векторов и умножения вектора на число, можно утверждать, что записанная линейная комбинация представляет собой некоторый n -мерный вектор , то есть, .

Так мы подошли к определению линейной зависимости системы векторов .

Определение.

Если линейная комбинация может представлять собой нулевой вектор тогда, когда среди чисел есть хотя бы одно, отличное от нуля, то система векторов называется линейно зависимой .

Определение.

Если линейная комбинация представляет собой нулевой вектор только тогда, когда все числа равны нулю, то система векторов называется линейно независимой .

Свойства линейной зависимости и независимости.

На основании данных определений, сформулируем и докажем свойства линейной зависимости и линейной независимости системы векторов .

Если к линейно зависимой системе векторов добавить несколько векторов, то полученная система будет линейно зависимой.

Доказательство.

Так как система векторов линейно зависима, то равенство возможно при наличии хотя бы одного ненулевого числа из чисел . Пусть .

Добавим к исходной системе векторов еще s векторов , при этом получим систему . Так как и , то линейная комбинация векторов этой системы вида

представляет собой нулевой вектор, а . Следовательно, полученная система векторов является линейно зависимой.

Если из линейно независимой системы векторов исключить несколько векторов, то полученная система будет линейно независимой.

Доказательство.

Предположим, что полученная система линейно зависима. Добавив к этой системе векторов все отброшенные векторы, мы получим исходную систему векторов. По условию – она линейно независима, а в силу предыдущего свойства линейной зависимости она должна быть линейно зависимой. Мы пришли к противоречию, следовательно, наше предположение неверно.

Если в системе векторов есть хотя бы один нулевой вектор, то такая система линейно зависимая.

Доказательство.

Пусть вектор в этой системе векторов является нулевым. Предположим, что исходная система векторов линейно независима. Тогда векторное равенство возможно только тогда, когда . Однако, если взять любое , отличное от нуля, то равенство все равно будет справедливо, так как . Следовательно, наше предположение неверно, и исходная система векторов линейно зависима.

Если система векторов линейно зависима, то хотя бы один из ее векторов линейно выражается через остальные. Если система векторов линейно независима, то ни один из векторов не выражается через остальные.

Доказательство.

Сначала докажем первое утверждение.

Пусть система векторов линейно зависима, тогда существует хотя бы одно отличное от нуля число и при этом верно равенство . Это равенство можно разрешить относительно , так как , при этом имеем

Следовательно, вектор линейно выражается через остальные векторы системы , что и требовалось доказать.

Теперь докажем второе утверждение.

Так как система векторов линейно независима, то равенство возможно лишь при .

Предположим, что какой-нибудь вектор системы выражается линейно через остальные. Пусть этим вектором является , тогда . Это равенство можно переписать как , в его левой части находится линейная комбинация векторов системы, причем коэффициент перед вектором отличен от нуля, что указывает на линейную зависимость исходной системы векторов. Так мы пришли к противоречию, значит, свойство доказано.

Из двух последних свойств следует важное утверждение:
если система векторов содержит векторы и , где – произвольное число, то она линейно зависима.

Исследование системы векторов на линейную зависимость.

Поставим задачу: нам требуется установить линейную зависимость или линейную независимость системы векторов .

Логичный вопрос: «как ее решать?»

Кое-что полезное с практической точки зрения можно вынести из рассмотренных выше определений и свойств линейной зависимости и независимости системы векторов. Эти определения и свойства позволяют нам установить линейную зависимость системы векторов в следующих случаях:

Как же быть в остальных случаях, которых большинство?

Разберемся с этим.

Напомним формулировку теоремы о ранге матрицы, которую мы приводили в статье .

Теорема.

Пусть r – ранг матрицы А порядка p на n , . Пусть М – базисный минор матрицы А . Все строки (все столбцы) матрицы А , которые не участвуют в образовании базисного минора М , линейно выражаются через строки (столбцы) матрицы, порождающие базисный минор М .

А теперь поясним связь теоремы о ранге матрицы с исследованием системы векторов на линейную зависимость.

Составим матрицу A , строками которой будут векторы исследуемой системы :

Что будет означать линейная независимость системы векторов ?

Из четвертого свойства линейной независимости системы векторов мы знаем, что ни один из векторов системы не выражается через остальные. Иными словами, ни одна строка матрицы A не будет линейно выражаться через другие строки, следовательно, линейная независимость системы векторов будет равносильна условию Rank(A)=p .

Что же будет означать линейная зависимость системы векторов ?

Все очень просто: хотя бы одна строка матрицы A будет линейно выражаться через остальные, следовательно, линейная зависимость системы векторов будет равносильна условию Rank(A)

.

Итак, задача исследования системы векторов на линейную зависимость сводится к задаче нахождения ранга матрицы, составленной из векторов этой системы.

Следует заметить, что при p>n система векторов будет линейно зависимой.

Замечание : при составлении матрицы А векторы системы можно брать не в качестве строк, а в качестве столбцов.

Алгоритм исследования системы векторов на линейную зависимость.

Разберем алгоритм на примерах.

Примеры исследования системы векторов на линейную зависимость.

Пример.

Дана система векторов . Исследуйте ее на линейную зависимость.

Решение.

Так как вектор c нулевой, то исходная система векторов линейно зависима в силу третьего свойства.

Ответ:

Система векторов линейно зависима.

Пример.

Исследуйте систему векторов на линейную зависимость.

Решение.

Не сложно заметить, что координаты вектора c равны соответствующим координатам вектора , умноженным на 3 , то есть, . Поэтому, исходная система векторов линейно зависима.

Лемма 1 : Если в матрице размера n n хотя бы одна строка (столбец) равна нулю, то строки (столбцы) матрицы являются линейно зависимыми.

Доказательство: Пусть нулевой будет первая строка, тогда

где a 1 0 . Что и требовалось.

Определение: Матрица, у которой расположенные ниже главной диагонали элементы равны нулю, называется треугольной:

а ij = 0 , i>j.

Лемма 2: Определитель треугольной матрицы равен произведению элементов главной диагонали.

Доказательство нетрудно провести индукцией по размерности матрицы.

Теорема о линейной независимости векторов.

а) Необходимость : линейно зависимы D=0 .

Доказательство: Пусть линейно зависимы, j= ,

то есть, существует a j , не все равные нулю, j= , что a 1 А 1 + a 2 А 2 + ... a n A n = , А j – столбцы матрицы А. Пусть, например, a n ¹0 .

Имеем a j * = a j / a n , j£ n-1a 1 * А 1 + a 2 * А 2 + ... a n -1 * A n -1 + A n = .

Заменим последний столбец матрицы А на

А n * = a 1 * А 1 + a 2 * А 2 + ... a n -1 A n -1 + A n = .

Согласно выше доказанному свойству определителя (он не изменится, если в матрице к любому столбцу прибавить другой, умноженный на число) определитель новой матрицы равен определителю исходной. Но в новой матрице один столбец нулевой, значит, разлагая определитель по этому столбцу, получим D=0, что и требовалось доказать.

б) Достаточность: Матрицу размера n n с линейно независимыми строками всегда можно привести к треугольному виду с помощью преобразований, не меняющих абсолютной величины определителя. При этом из независимости строк исходной матрицы следует неравенство нулю её определителя.

1. Если в матрице размера n n с линейно независимыми строками элемент а 11 равен нулю, то на первое место следует переставить столбец, у которого элемент а 1 j ¹ 0 . Согласно лемме 1 такой элемент найдется. Определитель преобразованной матрицы при этом может отличаться от определителя исходной матрицы только знаком.

2. От строк с номерами i>1 отнимем первую строку, умноженную на дробь a i 1 /a 11 . При этом в первом столбце строк с номерами i>1 получатся нулевые элементы.

3. Начнем вычислять определитель полученной матрицы разложением по первому столбцу. Посколькув нем все элементы, кроме первого, равны нулю,

D нов = a 11 нов (-1) 1+1 D 11 нов,

где d 11 нов – определитель матрицы меньшего размера.

Далее для вычисления определителя D 11 повторяем пункты 1, 2, 3 до тех пор, пока последний определитель не окажется определителем от матрицы размера 1 1. Поскольку п.1 меняет только знак определителя преобразуемой матрицы, а п.2 вообще не меняет величины определителя, то, с точностью до знака, в итоге получим определитель исходной матрицы. При этом, поскольку из-за линейной независимости строк исходной матрицы п.1 всегда выполним, все элементы главной диагонали получатся неравными нулю. Таким образом, итоговый определитель согласно изложенному алгоритму равен произведению ненулевых элементов, стоящих на главной диагонали. Поэтому и определитель исходной матрицы не равен нулю. Что и требовалось доказать.

Приложение 2

Теорема 1.(О линейной независимости ортогональных векторов). Пусть Тогда система векторов линейно независима.

Составим линейную комбинацию ∑λ i x i =0 и рассмотрим скалярное произведение (x j , ∑λ i x i)=λ j ||x j || 2 =0, но ||x j || 2 ≠0⇒λ j =0.

Определение 1. Система векторов или (e i ,e j)=δ ij - символ Кронекера, называется ортонормированной (ОНС).

Определение 2. Для произвольного элемента x произвольного бесконечномерного евклидова пространства и произвольной ортонормированной системы элементов рядом Фурье элемента x по системе называется формально составленная бесконечная сумма (ряд) вида , в которой действительные числа λ i называются коэффициентами Фурье элемента x по системе , где λ i =(x,e i).

Комментарий. (Естественно, возникает вопрос о сходимости этого ряда. Для исследования этого вопроса зафиксируем произвольный номер n и выясним, что отличает n-ю частичную сумму ряда Фурье от любой другой линейной комбинации первых n элементов ортонормированной системы . )

Теорема 2. Для любого фиксированного номера n среди всех сумм вида наименьшее отклонение от элемента x по норме данного евклидова пространства имеет n-я частичная сумма ряда Фурье элементa

Учитывая ортонормированность системы и определение коэффициента Фурье, можно записать

Минимум этого выражения достигается при c i =λ i , так как при этом всегда неотрицательная первая сумма в правой части обращается в нуль, а остальные слагаемые от c i не зависят.

Пример. Рассмотрим тригонометрическую систему

в пространстве всех интегрируемых по Риману функций f(x) на сегменте [-π,π]. Легко проверить, что это ОНС, и тогда Ряд Фурье функции f(x) имеет вид где .

Комментарий. (Тригонометрический ряд Фурье обычно записывают в виде Тогда )

Произвольная ОНС в бесконечномерном эвклидовом пространстве без дополнительных предположений, вообще говоря, не является базисом этого пространства. На интуитивном уровне, не давая строгих определений, опишем суть дела. В произвольном бесконечномерном эвклидовом пространстве E рассмотрим ОНС , где (e i ,e j)=δ ij - символ Кронекера. Пусть M - подпространство эвклидова пространства, а k=M ⊥ - подпространство, ортогональное к M, такое, что эвклидово пространство E=M+M ⊥ . Проекция вектора x∈E на подпространство M - вектор ∈M, где

Мы будем искать те значения коэффициентов разложения α k , при которых невязка (квадрат невязки) h 2 =||x-|| 2 будет минимальна:

h 2 =||x-|| 2 =(x-,x-)=(x-∑α k e k ,x-∑α k e k)=(x,x)-2∑α k (x,e k)+(∑α k e k ,∑α k e k)=||x|| 2 -2∑α k (x,e k)+∑α k 2 +∑(x,e k) 2 -∑(x,e k) 2 =||x|| 2 +∑(α k -(x,e k)) 2 -∑(x,e k) 2 .

Ясно, что это выражение будет принимать минимальное значение при α k =0, что тривиально, и при α k =(x,e k). Тогда ρ min =||x|| 2 -∑α k 2 ≥0. Отсюда получаем неравенство Бесселя ∑α k 2 &38804;||x|| 2 . При ρ=0 ортонормированная система векторов (ОНС) называется полной ортонормированной системой в смысле Стеклова (ПОНС). Отсюда можно получить равенство Стеклова - Парсеваля ∑α k 2 =||x|| 2 - "теорему Пифагора" для полных в смысле Стеклова бесконечномерных эвклидовых пространств. Теперь следовало бы доказать, что для того, чтобы любой вектор пространства можно было единственным образом представить в виде сходящегося к нему ряда Фурье, необходимо и достаточно выполнение равенства Стеклова-Парсеваля. Система векторов pic=""> ОНБ образует?система векторов Рассмотрим для частичную сумму ряда Тогда как хвост сходящегося ряда. Таким образом, система векторов является ПОНС и образует ОНБ.

Пример. Тригонометрическая система

в пространстве всех интегрируемых по Риману функций f(x) на сегменте [-π,π] является ПОНС и образует ОНБ.