Будет ли линейно независимой система векторов. Линейная зависимость и независимость векторов. Определение линейной зависимости системы векторов

Векторы, их свойства и действия с ними

Векторы, действия с векторами, линейное векторное пространство.

Векторы- упорядоченная совокупность конечного количества действительных чисел.

Действия: 1.Умножение вектора на число: лямда*вектор х=(лямда*х 1 , лямда*х 2 … лямда*х n).(3,4, 0, 7)*3=(9, 12,0,21)

2.Сложение векторов (принадлежат одному и тому же векторному пространству) вектор х+вектор у = (х 1 +у 1, х 2 +у 2, … х n +у n ,)

3. Вектор 0=(0,0…0)---n E n – n-мерное (линейное пространство) вектор х +вектор 0 = вектор х

Теорема. Для того чтобы система n векторов, n- мерного линейного пространства была линейно зависимой, необходимо и достаточно, чтобы один из векторов были линейной комбинацией остальным.

Теорема. Любая совокупность n+ 1ого вектора n- мерного линейного пространства явл. линейно зависимой.

Сложение векторов, умножение векторов на числа. Вычитание векторов.

Суммой двух векторов и называется вектор, направленный из начала вектора в конец вектора при условии, что начало совпадет с концом вектора. Если векторы заданы их разложениями по базисным ортам, то при сложении векторов складываются их соответствующие координаты.

Рассмотрим это на примере декартовой системы координат. Пусть

Покажем, что

Из рисунка 3 видно, что

Сумма любого конечного числа векторов может быть найдена по правилу многоугольника (рис. 4): чтобы построить сумму конечного числа векторов, достаточно совместить начало каждого последующего вектора с концом предыдущего и построить вектор, соединяющий начало первого вектора с концом последнего.

Свойства операции сложения векторов:

В этих выражениях m, n - числа.

Разностью векторов и называют вектор Второе слагаемое является вектором, противоположным вектору по направлению, но равным ему по длине.

Таким образом, операция вычитания векторов заменяется на операцию сложения

Вектор, начало которого находится в начале координат, а конец - в точке А (x1, y1, z1), называют радиус-вектором точки А и обозначают или просто. Так как его координаты совпадают с координатами точки А, то его разложение по ортам имеет вид

Вектор, имеющий начало в точке А(x1, y1, z1) и конец в точке B(x2, y2, z2), может быть записан в виде

где r 2 - радиус-вектор точки В; r 1 - радиус-вектор точки А.

Поэтому разложение вектора по ортам имеет вид

Его длина равна расстоянию между точками А и В

УМНОЖЕНИЕ

Так в случае плоской задачи произведение вектор на a = {ax; ay} на число b находится по формуле

a · b = {ax · b; ay · b}

Пример 1. Найти произведение вектора a = {1; 2} на 3.

3 · a = {3 · 1; 3 · 2} = {3; 6}

Так в случае пространственной задачи произведение вектора a = {ax; ay; az} на число b находится по формуле

a · b = {ax · b; ay · b; az · b}

Пример 1. Найти произведение вектора a = {1; 2; -5} на 2.

2 · a = {2 · 1; 2 · 2; 2 · (-5)} = {2; 4; -10}

Скалярное произведение векторов и где - угол между векторами и ; если либо , то

Из определения скалярного произведения следует, что

где, например, есть величина проекции вектора на направление вектора .

Скалярный квадрат вектора:

Свойства скалярного произведения:

Скалярное произведение в координатах

Если то

Угол между векторами

Угол между векторами - угол между направлениями этих векторов (наименьший угол).

Векторное произведение(Векторное произведение двух векторов.)- это псевдовектор, перпендикулярный плоскости, построенной по двум сомножителям, являющийся результатом бинарной операции «векторное умножение» над векторами в трёхмерном Евклидовом пространстве. Произведение не является ни коммутативным, ни ассоциативным (оно является антикоммутативным) и отличается от скалярного произведения векторов. Во многих задачах инженерии и физики нужно иметь возможность строить вектор, перпендикулярный двум имеющимся - векторное произведение предоставляет эту возможность. Векторное произведение полезно для «измерения» перпендикулярности векторов - длина векторного произведения двух векторов равна произведению их длин, если они перпендикулярны, и уменьшается до нуля, если векторы параллельны либо антипараллельны.

Векторное произведение определено только в трёхмерном и семимерном пространствах. Результат векторного произведения, как и скалярного, зависит от метрики Евклидова пространства.

В отличие от формулы для вычисления по координатам векторов скалярного произведения в трёхмерной прямоугольной системе координат, формула для векторного произведения зависит от ориентации прямоугольной системы координат или, иначе, её «хиральности»

Коллинеарность векторов.

Два ненулевых (не равных 0) вектора называются коллинеа́рными, если они лежат на параллельных прямых или на одной прямой. Допусти́м, но не рекомендуется синоним - «параллельные» векторы. Коллинеарные векторы могут быть одинаково направлены («сонаправлены») или противоположно направлены (в последнем случае их иногда называют «антиколлинеарными» или «антипараллельными»).

Сме́шанное произведе́ние векторов(a, b,c) - скалярное произведение вектора a на векторное произведение векторов b и c:

(a,b,c)=a ⋅(b ×c)

иногда его называют тройным скалярным произведением векторов, по всей видимости из-за того, что результатом является скаляр (точнее - псевдоскаляр).

Геометрический смысл: Модуль смешанного произведения численно равен объёму параллелепипеда, образованного векторами(a,b,c) .

Свойства

Смешанное произведение кососимметрично по отношению ко всем своим аргументам:т. е. перестановка любых двух сомножителей меняет знак произведения. Отсюда следует, чтоСмешанное произведение в правой декартовой системе координат (в ортонормированном базисе) равно определителю матрицы, составленной из векторов и:

Смешанное произведение в левой декартовой системе координат (в ортонормированном базисе) равно определителю матрицы, составленной из векторов и, взятому со знаком "минус":

В частности,

Если любые два вектора параллельны, то с любым третьим вектором они образуют смешанное произведение равное нулю.

Если три вектора линейно зависимы (т. е. компланарны, лежат в одной плоскости), то их смешанное произведение равно нулю.

Геометрический смысл - Смешанное произведение по абсолютному значению равно объёму параллелепипеда (см. рисунок), образованного векторами и; знак зависит от того, является ли эта тройка векторов правой или левой.

Компланарность векторов.

Три вектора (или большее число) называются компланарными, если они, будучи приведенными к общему началу, лежат в одной плоскости

Свойства компланарности

Если хотя бы один из трёх векторов - нулевой, то три вектора тоже считаются компланарными.

Тройка векторов, содержащая пару коллинеарных векторов, компланарна.

Смешанное произведение компланарных векторов. Это - критерий компланарности трёх векторов.

Компланарные векторы - линейно зависимы. Это - тоже критерий компланарности.

В 3-мерном пространстве 3 некомпланарных вектора образуют базис

Линейно зависимые и линейно независимые векторы.

Линейно зависимые и независимые системы векторов. Определение . Система векторов называется линейно зависимой , если существует хотя бы одна нетривиальная линейная комбинация этих векторов, равная нулевому вектору. В противном случае, т.е. если только тривиальная линейная комбинация данных векторов равна нулевому вектору, векторы называются линейно независимыми .

Теорема (критерий линейной зависимости) . Для того чтобы система век торов линейного пространства была линейно зависимой, необходимо и достаточно, чтобы, по крайней мере, один из этих векторов являлся линейной комбинацией остальных.

1) Если среди векторов имеется хотя бы один нулевой вектор, то вся система векторов линейно зависима.

В самом деле, если, например, , то, полагая , имеем нетривиальную линейную комбинацию .▲

2) Если среди векторов некоторые образуют линейно зависимую систему, то и вся система линейно зависима.

Действительно, пусть векторы , , линейно зависимы. Значит, существует нетривиальная линейная комбинация , равная нулевому вектору. Но тогда, полагая , получим также нетривиальную линейную комбинацию , равную нулевому вектору.

2. Базис и размерность. Определение . Система линейно независимых векторов векторного пространства называетсябазисом этого пространства, если любой вектор из может быть представлен в виде линейной комбинации векторов этой системы, т.е. для каждого вектора существуют вещественные числа такие, что имеет место равенство Это равенство называется разложением вектора по базису , а числа называютсякоординатами вектора относительно базиса (или в базисе ) .

Теорема (о единственности разложения по базису) . Каждый вектор пространства может быть разложен по базису единственным образом, т.е. координаты каждого вектора в базисе определяются однозначно.

Линейная зависимость векторов

При решении различных задач, как правило, приходится иметь дело не с одним вектором, а с некоторой совокупностью векторов одной и той же размерности. Такие совокупности называют системой векторов и обозначают

Определение. Линейной комбинацией векторов называется вектор вида

где - любые действительные числа. Также говорят, что вектор линейно выражается через векторы или разлагается по этим векторам.

Например, пусть даны три вектора: , , . Их линейной комбинацией с коэффициентами соответственно 2, 3 и 4 является вектор

Определение. Множество всевозможных линейных комбинаций системы векторов называется линейной оболочкой этой системы.

Определение. Система ненулевых векторов называется линейно зависимой , если существуют такие числа , не равные одновременно нулю, что линейная комбинация данной системы с указанными числами равна нулевому вектору:

Если же последнее равенство для данной системы векторов возможно лишь при , то эта система векторов называется линейно независимой .

Например, система двух векторов , линейно независима; система двух векторов и линейно зависима, так как .

Пусть система векторов (19) линейно зависима. Выберем в сумме (20) слагаемое, в котором коэффициент , и выразим его через остальные слагаемые:

Как видно из этого равенства, один из векторов линейно зависимой системы (19) оказался выраженным через другие векторы этой системы (или разлагается по остальным ее векторам).

Свойства линейно зависимой системы векторов

1. Система, состоящая из одного ненулевого вектора, линейно независима.

2. Система, содержащая нулевой вектор, всегда линейно зависима.

3. Система, содержащая более одного вектора, линейно зависима тогда и только тогда, когда среди ее векторов содержится, по крайней мере, один вектор, который линейно выражается через остальные.

Геометрический смысл линейной зависимости в случае двухмерных векторов на плоскости: когда один вектор выражается через другой, мы имеем , т.е. эти векторы коллинеарны, или что то же самое, находятся на параллельных прямых.

В пространственном случае линейной зависимости трех векторов они параллельны одной плоскости, т.е. компланарны . Достаточно «подправить» соответствующими сомножителями длины этих векторов, чтобы один из них стал суммой двух других или выражался через них.

Теорема. В пространстве любая система, содержащая векторов, линейно зависима при .

Пример. Выяснить, являются ли векторы линейно зависимыми.

Решение . Составим векторное равенство . Записывая в виде вектор-столбцов, получаем

Таким образом, задача свелась к решению системы

Решим систему методом Гаусса:

В результате получим систему уравнений:

которая имеет бесконечное множество решений, среди которых обязательно найдется одно ненулевое, следовательно, векторы линейно зависимые.

Пусть L – линейное пространство над полем Р . Пусть А1, а2, … , аn (*) конечная система векторов из L . Вектор В = a1×А1 + a2×А2 + … + an×Аn (16) называется Линейной комбинацией векторов ( *), или говорят, что вектор В линейно выражается через систему векторов (*).

Определение 14. Система векторов (*) называется Линейно зависимой , тогда и только тогда, когда существует такой ненулевой набор коэффициентов a1, a2, … , an, что a1×А1 + a2×А2 + … + an×Аn = 0. Если же a1×А1 + a2×А2 + … + an×Аn = 0 Û a1 = a2 = … = an = 0, то система (*) называется Линейно независимой.

Свойства линейной зависимости и независимости.

10. Если система векторов содержит нулевой вектор, то она линейно зависима.

Действительно, если в системе (*) вектор А1 = 0, То 1×0 + 0×А2 + … + 0 ×Аn = 0 .

20. Если система векторов содержит два пропорциональных вектора, то она линейно зависима.

Пусть А1 = L ×а2. Тогда 1×А1 –l×А2 + 0×А3 + … + 0×А N = 0.

30. Конечная система векторов (*) при n ³ 2 линейно зависима тогда и только тогда, когда хотя бы один из её векторов является линейной комбинацией остальных векторов этой системы.

Þ Пусть (*) линейно зависима. Тогда найдётся ненулевой набор коэффициентов a1, a2, … , an, при котором a1×А1 + a2×А2 + … + an×Аn = 0 . Не нарушая общности, можно считать, что a1 ¹ 0. Тогда существует и А1 = ×a2×А2 + … + ×an×А N. Итак, вектор А1 является линейной комбинацией остальных векторов.

Ü Пусть один из векторов (*) является линейной комбинацией остальных. Можно считать, что это первый вектор, т. е. А1 = B2А2 + … + bnА N, Отсюда (–1)×А1 + b2А2 + … + bnА N = 0 , т. е. (*) линейно зависима.

Замечание. Используя последнее свойство, можно дать определение линейной зависимости и независимости бесконечной системы векторов.

Определение 15. Система векторов А1, а2, … , аn , … (**) называется Линейно зависимой, Если хотя бы один её вектор является линейной комбинацией некоторого конечного числа остальных векторов. В противном случае система (**) называется Линейно независимой.

40. Конечная система векторов линейно независима тогда и только тогда, когда ни один из её векторов нельзя линейно выразить через остальные её векторы.

50. Если система векторов линейно независима, то любая её подсистема тоже линейно независима.

60. Если некоторая подсистема данной системы векторов линейно зависима, то и вся система тоже линейно зависима.

Пусть даны две системы векторов А1, а2, … , аn , … (16) и В1, в2, … , вs, … (17). Если каждый вектор системы (16) можно представить в виде линейной комбинации конечного числа векторов системы (17), то говорят, что система (17) линейно выражается через систему (16).

Определение 16. Две системы векторов называются Эквивалентными , если каждая из них линейно выражается через другую.

Теорема 9 (основная теорема о линейной зависимости).

Пусть и – две конечные системы векторов из L . Если первая система линейно независима и линейно выражается через вторую, то N £ s.

Доказательство. Предположим, что N > S. По условию теоремы

совместна. Так как число уравнений больше числа неизвестных, то система имеет бесконечно много решений. Следовательно, у неё есть ненулевое Х10, х20, …, х N0 . При этих значениях равенство (18) будет верно, что противоречит тому, что система векторов линейно независима. Итак, наше предположение не верно. Следовательно, N £ s.

Следствие. Если две эквивалентные системы векторов конечны и линейно независимы, то они содержат одинаковое число векторов.

Определение 17. Система векторов называется Максимальной линейно независимой системой векторов Линейного пространства L , если она линейно независима, но при добавлении к ней любого вектора из L , не входящего в эту систему, она становится уже линейно зависимой.

Теорема 10. Любые две конечные максимальные линейно независимые системы векторов из L Содержат одинаковое число векторов.

Доказательство следует из того, что любые две максимальные линейно независимые системы векторов эквивалентны.

Легко доказать, что любую линейно независимую систему векторов пространства L можно дополнить до максимальной линейно независимой системы векторов этого пространства.

Примеры:

1. Во множестве всех коллинеарных геометрических векторов любая система, состоящая их одного ненулевого вектора, является максимальной линейно независимой.

2. Во множестве всех компланарных геометрических векторов любые два неколлинеарных вектора составляют максимальную линейно независимую систему.

3. Во множестве всех возможных геометрических векторов трёхмерного евклидова пространства любая система трёх некомпланарных векторов является максимальной линейно независимой.

4. Во множестве всех многочленов степени не выше N С действительными (комплексными) коэффициентами система многочленов 1, х, х2, … , хn Является максимальной линейно независимой.

5. Во множестве всех многочленов с действительными (комплексными) коэффициентами примерами максимальной линейно независимой системы являются

а) 1, х, х2, … , хn, … ;

б) 1, (1 – х ), (1 – х )2, … , (1 – х )N, …

6. Множество матриц размерности M ´ N является линейным пространством (проверьте это). Примером максимальной линейно независимой системы в этом пространстве является система матриц Е11 = , Е12 =, … , Е Mn = .

Пусть дана система векторов С1, с2, … , ср (*). Подсистема векторов из (*) называется Максимальной линейно независимой Подсистемой Системы ( *) , если она линейно независима, но при добавлении к ней любого другого вектора этой система она становится линейно зависимой. Если система (*) конечна, то любая её максимальная линейно независимая подсистема содержит одно и то же число векторов. (Доказательство проведите самостоятельно). Число векторов в максимальной линейно независимой подсистеме системы (*) называется Рангом Этой системы. Очевидно, эквивалентные системы векторов имеют одинаковые ранги.

Пусть в -мерном арифметическом пространстве имеется совокупность векторов .

Определение 2.1. Совокупность векторов называется линейно независимой системой векторов, если равенство вида

выполняется только при нулевых значениях числовых параметров .

Если равенство (2.1) может быть выполнено при условии, что хотя бы один из коэффициентов отличен от нуля, то такая система векторов будет называться линейно зависимой .

Пример 2.1. Проверить линейную независимость векторов

Решение. Составим равенство вида (2.1)

Левая часть данного выражения может обращаться в нуль только при выполнении условия , которое означает, что система является линейно-независимой.

Пример 2.1. Будут ли векторы линейно независимыми?

Решение. Нетрудно проверить, что равенство верно при значениях , . Значит, данная система векторов линейно зависима.

Теорема 2.1. Если система векторов является линейно зависимой, то любой вектор из этой системы может быть представлен в виде линейной комбинации (или суперпозиции) остальных векторов системы.

Доказательство . Предположим, что система векторов линейно зависима. Тогда в силу определения существует набор чисел , среди которых хотя бы одно число отлично от нуля, и при этом справедливо равенство (2.1):

Без потери общности предположим, что ненулевым коэффициентом является , то есть . Тогда последнее равенство можно разделить на и далее выразить вектор :

.

Таким образом, вектор представлен в виде суперпозиции векторов . Теорема 1 доказана.

Следствие. Если – совокупность линейно независимых векторов, то ни один вектор из этого набора не может быть выражен через остальные .

Теорема 2.2. Если система векторов содержит ноль-вектор, то такая система обязательно будет линейно зависимой .

Доказательство . Пусть вектор является ноль-вектором, то есть .

Тогда выбираем постоянные () следующим образом:

, .

При этом равенство (2.1) выполняется. Первое слагаемое слева равно нулю вследствие того, что – ноль-вектор. Остальные слагаемые обращаются в нуль, будучи умноженными на нулевые константы (). Таким образом,

при , а значит, векторы линейно зависимые. Теорема 2.2 доказана.

Следующий вопрос, на который нам предстоит ответить, какое наибольшее количество векторов может составить линейно независимую систему в n -мерном арифметическом пространстве. В пункте 2.1 был рассмотрен естественный базис (1.4):

Было установлено, что произвольный вектор -мерного пространства является линейной комбинацией векторов естественного базиса, то есть произвольный вектор выражается в естественном базисе в виде

, (2.2)

где – координаты вектора , представляющие собой некоторые числа. Тогда равенство

возможно лишь при , а значит, векторов естественного базиса образуют линейно независимую систему. Если добавить к этой системе произвольный вектор , то на основании следствия теоремы 1 система будет зависимой, поскольку вектор выражается через векторы по формуле (2.2).

Этот пример показывает, что в n -мерном арифметическом пространстве существуют системы, состоящие из линейно независимых векторов. А если к этой системе добавить хотя бы один вектор, то получим систему линейно зависимых векторов. Докажем, что если число векторов превышает размерность пространства, то они линейно зависимые.

Теорема 2.3. В -мерном арифметическом пространстве не существует системы, состоящей более чем из линейно независимых векторов.

Доказательство . Рассмотрим произвольных -мерных векторов:

………………………

Пусть . Составим линейную комбинацию векторов (2.3) и приравняем её к нулю:

Векторное равенство (2.4) равносильно скалярным равенствам для координат векторов :

(2.5)

Эти равенства образуют систему однородных уравнений с неизвестными . Так как число неизвестных больше числа уравнений (), то в силу следствия теоремы 9.3 раздела 1 однородная система (2.5) имеет ненулевое решение. Следовательно, равенство (2.4) справедливо при некоторых значениях , среди которых не все равны нулю, а значит, система векторов (2.3) линейно зависимая. Теорема 2.3 доказана.

Следствие. В -мерном пространстве существуют системы, состоящие из линейно независимых векторов, а любая система, содержащая больше чем векторов, будет линейно зависимой.

Определение 2.2. Систему линейно независимых векторов называют базисом пространства , если любой вектор пространства может быть выражен в виде линейной комбинации этих линейно независимых векторов.

2.3. Линейное преобразование векторов

Рассмотрим два вектора и -мерного арифметического пространства .

Определение 3.1. Если каждому вектору сопоставлен вектор из этого же пространства , то говорят, что задано некоторое преобразование -мерного арифметического пространства.

Будем обозначать это преобразование через . Вектор будем называть образом . Можно записать равенсто

. (3.1)

Определение 3.2. Преобразование (3.1) будем называть линейным, если оно удовлетворяет следующим свойствам:

, (3.2)

, (3.3)

где - произвольный скаляр (число).

Зададим преобразование (3.1) в координатной форме. Пусть координаты векторов и связаны зависимостью

(3.4)

Формулы (3.4) задают преобразование (3.1) в координатной форме. Коэффициенты () системы равенств (3.4) можно представить в виде матрицы

называемой матрицей преобразования (3.1).

Введём векторы-столбцы

,

элементы которых суть координаты векторов и соответственно, так что и . Будем далее векторы-столбцы и называть векторами.

Тогда преобразование (3.4) может быть записано в матричной форме

. (3.5)

Преобразование (3.5) является линейным в силу свойств арифметических операций над матрицами .

Рассмотрим некоторое преобразование , образом которого является ноль-вектор. В матричном виде это преобразование будет иметь вид

, (3.6)

а в координатной форме – представлять собой систему линейных однородных уравнений

(3.7)

Определение 3.3. Линейное преобразование называется невырожденным, если определитель матрицы линейного преобразования не равен нулю, то есть . Если определитель обращается в нуль, то преобразование будет вырожденным .

Известно, что система (3.7) имеет тривиальное (очевидное) решение – нулевое. Это решение является единственным, если только определитель матрицы не равен нулю.

Ненулевые решения системы (3.7) могут появляться, если линейное преобразование является вырожденным, то есть при нулевом определителе матрицы .

Определение 3.4. Рангом преобразования (3.5) называется ранг матрицы преобразования .

Можно сказать, что этому же числу равно количество линейно-независимых строк матрицы .

Обратимся к геометрической интерпретации линейного преобразования (3.5).

Пример 3.1. Пусть задана матрица линейного преобразования , где Возьмем произвольный вектор , где и найдем его образ:
Тогда вектор
.

Если , то вектор изменит и длину и направление. На рис.1 .

Если , то получим образ

,

то есть вектор
или , а это значит, что изменит только длину, но не изменит направление (рис. 2).

Пример 3.2. Пусть , . Найдём образ:

,

то есть
, или .

Вектор в результате преобразования изменил своё направление на противоположное, при этом длина вектора сохранилась (рис. 3).

Пример 3.3. Рассмотрим матрицу линейного преобразования. Несложно показать, что в этом случае образ вектора полностью совпадает с самим вектором (рис. 4). Действительно,

.

Можно сказать, что линейное преобразование векторов изменяет исходный вектор и по длине, и по направлению. Однако в некоторых случаях существуют такие матрицы, которые преобразуют вектор только по направлению (пример 3.2) или только по длине (пример 3.1, случай ).

Следует заметить, что все векторы, лежащие на одной прямой, образуют систему линейно зависимых векторов.

Вернёмся к линейному преобразованию (3.5)

и рассмотрим совокупность векторов , для которых образом является нуль-вектор, так что .

Определение 3.5 . Совокупность векторов , являющихся решением уравнения , образует подпространство -мерного арифметического пространства и называется ядром линейного преобразования .

Определение 3.6. Дефектом линейного преобразования называется размерность ядра этого преобразования, то есть, наибольшее число линейно-независимых векторов , удовлетворяющих уравнению .

Так как рангом линейного преобразования мы называем ранг матрицы , то можно сформулировать следующее утверждение относительно дефекта матрицы: дефект равен разности , где – размерность матрицы, – её ранг.

Если ранг матрицы линейного преобразования (3.5) ищется методом Гаусса, то ранг совпадает с количеством отличных от нуля элементов на главной диагонали уже преобразованной матрицы, а дефект определяется количеством нулевых строк.

Если линейное преобразование является невырожденным, то есть , то его дефект обращается в ноль, поскольку ядром является единственный нулевой вектор.

Если линейное преобразование вырожденное и , то система (3.6) кроме нулевого решения имеет другие, и дефект в этом случае уже отличен от нуля.

Особый интерес вызывают преобразования, которые, меняя длину, не меняют направление вектора. Точнее говоря, оставляют вектор на прямой, содержащей исходный вектор, при условии, что прямая проходит через начало координат. Такие преобразования будут рассмотрены в следующем пункте 2.4.

a 1 = { 3, 5, 1 , 4 }, a 2 = { –2, 1, -5 , -7 }, a 3 = { -1, –2, 0, –1 }.

Р е ш е н и е. Ищем общее решение системы уравнений

a 1 x 1 + a 2 x 2 + a 3 x 3 = Θ

методом Гаусса. Для этого запишем эту однородную систему по координатам:

Матрица системы

Разрешенная система имеет вид: (r A = 2, n = 3). Система совместна и неопределена. Ее общее решение (x 2 – свободная переменная): x 3 = 13x 2 ; 3x 1 – 2x 2 – 13x 2 = 0 => x 1 = 5x 2 => X o = . Наличие ненулевого частного решения, например, , говорит о том, векторы a 1 , a 2 , a 3 линейно зависимы.

Пример 2.

Выяснить, является ли данная система векторов линейно зависимой или линейно независимой:

1. a 1 = { -20, -15, - 4 }, a 2 = { –7, -2, -4 }, a 3 = { 3, –1, –2 }.

Р е ш е н и е. Рассмотрим однородную систему уравнений a 1 x 1 + a 2 x 2 + a 3 x 3 = Θ

или в развернутом виде (по координатам)

Система однородна. Если она невырождена, то она имеет единственное решение. В случае однородной системы – нулевое (тривиальное) решение. Значит, в этом случае система векторов независима. Если же система вырождена, то она имеет ненулевые решения и, следовательно, она зависима.

Проверяем систему на вырожденность:

= –80 – 28 + 180 – 48 + 80 – 210 = – 106 ≠ 0.

Система невырождена и, т.о., векторы a 1 , a 2 , a 3 линейно независимы.

Задания. Выяснить, является ли данная система векторов линейно зависимой или линейно независимой:

1. a 1 = { -4, 2, 8 }, a 2 = { 14, -7, -28 }.

2. a 1 = { 2, -1, 3, 5 }, a 2 = { 6, -3, 3, 15 }.

3. a 1 = { -7, 5, 19 }, a 2 = { -5, 7 , -7 }, a 3 = { -8, 7, 14 }.

4. a 1 = { 1, 2, -2 }, a 2 = { 0, -1, 4 }, a 3 = { 2, -3, 3 }.

5. a 1 = { 1, 8 , -1 }, a 2 = { -2, 3, 3 }, a 3 = { 4, -11, 9 }.

6. a 1 = { 1, 2 , 3 }, a 2 = { 2, -1 , 1 }, a 3 = { 1, 3, 4 }.

7. a 1 = {0, 1, 1 , 0}, a 2 = {1, 1 , 3, 1}, a 3 = {1, 3, 5, 1}, a 4 = {0, 1, 1, -2}.

8. a 1 = {-1, 7, 1 , -2}, a 2 = {2, 3 , 2, 1}, a 3 = {4, 4, 4, -3}, a 4 = {1, 6, -11, 1}.

9. Доказать, что система векторов будет линейно зависимой, если она содержит:

а) два равных вектора;

б) два пропорциональных вектора.