Операции над векторами

Пусть векторы и принадлежат n-мерному векторному пространству Rⁿ:

Будем называть суммой векторов и вектор , координа­ты которого равны суммам соответствующих координат этих векторов:

Пусть λ — любое действительное число. Произведением вектора на число λ будем называть вектор, координаты ко­торого получаются умножением соответствующих координат вектора на это число:

Из введенных таким образом операций над векторами вы­текают следующие свойства этих операций. Пусть , и — произвольные векторы n-мерного векторного пространства. Тогда:

1) + = + — переместительное свойство;

2) ( + ) + = + ( + ) — сочетательное свойство;

3) λ( + ) = λ + λ , где λ — действительное число;

4) (λ + μ) = λ + μ , где λ и μ — действительные числа;

5) λ(μ ) = (λμ) , где λ и μ — действительные числа;

6) + = ;

7) для любого вектора существует такой вектор - , что - = (-1) , + (- ) = ;

8) 0 = для любого вектора .

47. Скалярное произведение векторов. Свойства скалярного произведения векторов.

Скалярным произведением векторов (12.3) называется число, состоящее из суммы произведений соответ­ствующих координат этих векторов:

Как мы видим, формально такое определение скалярного произведения двух векторов согласуется с аналогичным опре­делением двух- и трехмерных векторов. Из данного определе­ния следуют основные свойства скалярного произведения век­торов:

1) = ;

2) (λ ) = (λ ) = λ( ), где λ — действительное число;

3) ( + ) = + ;

4) > 0, если ≠ , и = 0, если = .

Введем понятие модуля вектора (его длины) и угла между векторами в виде обобщения на случай п > 3.

48. Ортогональные векторы.

. Векторы и бу­дем называть ортогональными, если их скалярное произведе­ние равно нулю:

Равенство (12.5) является аналогом условия перпендику­лярности векторов в двух- и трехмерном случаях, когда в ра­венстве (12.4) cosφ = 0.

49. Линейная комбинация и линейная зависимость векторов.

Линейной комбинацией векторов (12.6) назы­вается вектор вида

где λ₁, λ₂, ..., λ_k — любые действительные числа.

Например, пусть даны три вектора: ₁ = (1, 2, 0), ₂ = (2, 1, 1) и ₃ = (-1, 1, -2). Их линейной комбинацией с коэффициентами соответственно 2, 3 и 4 является вектор = (4, 11, -5).

В случае равенства (12.7) говорят также, что вектор ли­нейно выражается через векторы (12.6) или разлагается по этим векторам.

Система ненулевых векторов (12.6) называ­ется линейно зависимой, если существуют такие числа λ₁, λ₂, ..., λ_k, не равные одновременно нулю, что линейная комбина­ция данной системы с указанными числами равна нулевому вектору:

Например, система двух векторов ₁ = (1, 0) и ₂ = (0, 2) является линейно независимой; система двух векторов ₁ = (1, 2, 1) и ₂ = (2, 4, 2) является линейно зависимой, так как ₂ — 2 ₁ = .

50. п – мерное линейное векторное пространство. Метрика линейного пространства.

Векторное пространство называется n-мepным (или имеет «размерность n»), если в нём существуют n линейно независимых элементов e₁, e₂,..., e_n, а любые n + 1 элементов линейно зависимы (обобщённое условие В). Векторное пространство называются бесконечномерным, если в нём для любого натурального n существует n линейно независимых векторов. Любые n линейно независимых векторов n-мepного Векторное пространство образуют базис этого пространства. Если e₁, e₂,..., e_n — базис Векторное пространство, то любой вектор х этого пространства может быть представлен единственным образом в виде линейной комбинации базисных векторов:   x = a₁e₁ + a₂e₂ +... + a_ne_n.   При этом числа a₁, a_2,..., a_n называются координатами вектора х в данном базисе.

51. Размерность и базис линейного пространства. Разложение вектора по базису. Единичный базис.

Векторное пространство называется n-мepным (или имеет «размерность n»), если в нём существуют n линейно независимых элементов e₁, e₂,..., e_n, а любые n + 1 элементов линейно зависимы

Рассмотрим систему векторов

Максимально независимой подсистемой этой системы векто­ров называется частичный набор векторов системы, удовле­творяющий двум условиям: а) векторы этого набора линейно независимы, б) любой вектор системы линейно выражается че­рез векторы этого набора.

Справедлива теорема, утверждающая, что все максималь­но независимые подсистемы данной системы векторов содер­жат одно и то же число векторов. Максимально независимая подсистема системы векторов называется ее базисом; векторы, входящие в базис, называются базисными векторами. Будем называть рангом системы векторов число векторов ее базиса. Понятно, что если ранг системы векторов меньше числа k ее векторов, то она может иметь несколько базисов.

Понятие базиса распространяется и на пространство Rⁿ, которое является системой, содержащей всю бесконечную со­вокупность n-мерных векторов.

Определение 3. Система n векторов называется базисом про­странства Rⁿ,если:

1) векторы этой системы линейно независимы;

2) всякий вектор из Rⁿ линейно выражается через векторы данной системы.

Разложение любого вектора в базисе, если оно существует, является единственным.

52.  Евклидово векторное пространство.

Определение 2. Евклидовым векторным пространством²⁾ называется векторное пространство над полем с фиксированным скалярным произведением .

Пример 3. Пространство является евклидовым пространством. Скалярное произведение здесь можно задать формулой из примера 2.

Определение 3. Пусть — евклидово пространство. Для любого число называется длиной, или нормой вектора .

53. Решение системы линейных уравнений методом Жордана-Гаусса.

Рассмотрим систему уравнений общего вида (15.1). Пусть для определенности a₁₁ ≠ 0 (если a₁₁ = 0, то можно переста­вить на первое место ненулевое слагаемое или начать с другого уравнения). Умножим первое уравнение системы (15.1) на чис­ло a₂₁/a₁₁ и затем вычтем его из второго уравнения этой системы. Умножим обе части первого уравнения на число a₃₁/a₁₁ и затем вычтем его из третьего уравнения и так далее, т.е. процесс заключается в последовательном вычитании первого уравнения, умножаемого на числа a_i1/a₁₁, из i-го уравнения (i = 2, 3, ... , m). Таким образом, в результате элементарных преобразований мы получим эквивалентную систему, в кото­рой начиная со второго уравнения отсутствуют слагаемые, со­держащие неизвестное x₁:

где верхний индекс в скобках означает новые коэффициенты, полученные после первого шага. Для удобства записи будем оперировать расширенной матрицей системы, отделяя в ней вертикальной чертой столбец свободных членов. Итак, после первого шага, содержащего (т — 1) элементарных преобразо­ваний системы, мы переходим от расширенной матрицы (15.4) исходной системы к расширенной матрице

Второй шаг заключается в том, что теперь второе уравне­ние системы (15.7) или вторая строка матрицы (15.8) исполь­зуется для аналогичных элементарных преобразований строк с третьей по m-ю: эта строка последовательно умножается на число и вычитается из i-й строки (i = 3, 4, ... ,m). В результате этих (m - 2) элементарных преобразований полу­чаем новую расширенную матрицу, соответствующую новой эквивалентной системе уравнений. Эта матрица имеет вид

где верхний индекс означает новые коэффициенты. В случае если элемент = 0, то второе уравнение можно поменять местами с другим уравнением, у которого элемент ≠ 0.

Продолжим этот процесс аналогичным образом (т.е. на 3-м шаге преобразуются строки с 4-й по т-ю, на 4-м шаге — стро­ки с 5-й по m-ю и т.д.) до тех пор, пока не дойдем до последней m-й строки. После (r - 1)-го шага процесса последовательного исключения неизвестных мы получим следующую расширен­ную матрицу:

Последние (m - r) строк этой матрицы соответствуют урав­нениям эквивалентной системы уравнений

Эти уравнения могут появиться, если соответствующие урав­нения исходной системы (15.1) представляют собой линейные комбинации других уравнений этой системы, о чем говорилось в п. 15.1. Здесь мы не исследовали заранее систему (15.1) на совместность; поэтому если эта система несовместна, то хотя бы одно из чисел , ,..., не равно нулю. Таким образом, метод Гаусса позволяет на определенном шаге устано­вить возможную несовместность исходной системы линейных уравнений или выявить и удалить уравнения, являющиеся ли­нейными комбинациями других уравнений системы (15.1), если она совместна.

54. Определение матрицы. Линейные операции над матрицами, свойства этих операций.

Определение 1. Прямоугольная таблица чисел вида

называется матрицей. Здесь a_ij — действительные числа (i = 1, 2,..., m, j = 1, 2, ..., n), называемые элементами матрицы, i и j — соответственно индексы строки и столбца. При этом произведение m х n числа строк на число столбцов называют размером матрицы А. Часто матрицу (13.1) запи­сывают в сокращенном виде:

Матрица, все элементы которой равны нулю, называется нулевой матрицей.

В том случае, когда m = n (число строк равно числу столб­цов):

матрица А называется квадратной.

Упорядоченная совокупность элементов a₁₁, a₂₂,. …, а_пп на­зывается главной диагональю квадратной матрицы. Квадрат­ная матрица называется диагональной, если ее элементы удов­летворяют условию

т.е. ненулевыми могут быть только элементы главной диагонали; матрица в этом случае имеет вид

Единичной матрицей называется диагональная матрица, у которой все элементы главной диагонали равны единице:

Определение 2. Две матрицы А и В называются равными (А = В), если они имеют одинаковые размеры и их соответ­ствующие элементы равны: a_ij = b_ij , i = 1, 2,..., m, j = 1, 2, .... n.