Компланарность и линейная зависимость
Общее представление и смысл понятий
В школьной геометрии и линейной алгебре часто встречаются понятия, которые тесно связаны между собой: компланарность точек или векторов и линейная зависимость набора векторов. Эти понятия помогают отвечать на вопросы о том, когда несколько векторов лежат в одной плоскости, как задавать плоскость векторно и как проверять, можно ли выразить один вектор через другие.
свойство нескольких точек или векторов лежать в одной плоскости.
свойство набора векторов, когда существует нетривиальная линейная комбинация этих векторов, дающая нулевой вектор: \(\exists\; (\lambda_1,\dots,\lambda_n)\neq(0,\dots,0):\; \sum_{i=1}^n \lambda_i\mathbf{v}_i=\mathbf{0}\).
Линейная комбинация и способ жазбалар векторов
Понятие линейной комбинации лежит в основе определения линейной зависимости и независимости. Под линейной комбинацией набора векторов понимают суммарное сочетание векторов с коэффициентами — скалярами. Формально это записывают так: \(\mathbf{w}=\sum_{i=1}^n \alpha_i\mathbf{v}_i\).
Если некоторый вектор можно представить в виде линейной комбинации других, то говорят, что он лежит в их линейной оболочке (span). Умение переходить от канонических координат к линейным комбинациям позволяет легко задавать плоскость через два ненулевых неколлинеарных вектора: любое векторное положение точки на плоскости относительно некоторой точки-опоры задаётся параметрически как \(\mathbf{r}=\mathbf{r}_0+s\mathbf{u}+t\mathbf{v},\quad s,t\in\mathbb{R}\).
Отметим также важный частный случай: набор из одного вектора всегда линейно зависим (если разрешается тривиальная или нетривиальная интерпретация) в смысле проверки на непрерывность размера набора, но набор из двух векторов может быть либо линейно независим (если они не коллинеарны), либо зависим (если они коллинеарны). Независимость набора часто проверяют методом решения однородной системы коэффициентов в уравнении \(\exists\; (\lambda_1,\dots,\lambda_n)\neq(0,\dots,0):\; \sum_{i=1}^n \lambda_i\mathbf{v}_i=\mathbf{0}\).
Критерии линейной зависимости в R^3 и понятие ранга
В пространстве R^3 для определения зависимости конечного набора векторов удобно использовать матрицу, составленную из их координат. В частности, набор из n векторов линейно зависим тогда и только тогда, когда ранг матрицы, составленной из их координат, меньше n: \(\operatorname{rank}A<n\).
Ранг матрицы — это максимальное число линейно независимых столбцов (или строк). Практически при небольшом количестве векторов проверку зависимости сводят либо к решению системы линейных уравнений, либо к вычислению определителя для трёх векторов в R^3. Если столбцы образуют квадратную матрицу 3×3, то её определитель равен нулю тогда и только тогда, когда столбцы линейно зависимы: \(\det\begin{pmatrix} a_x & b_x & c_x \\ a_y & b_y & c_y \\ a_z & b_z & c_z \end{pmatrix}=0\).
Для учебных задач полезно знать: если для трёх векторов в R^3 выполнено условие, что их смешанное произведение равно нулю, то они компланарны (лежат в одной плоскости через начало координат) и следовательно линейно зависимы: \((\mathbf{a}\times\mathbf{b})\cdot\mathbf{c}=0\).
Компланарность точек и векторов: геометрическая интерпретация
Компланарность точек A, B, C, D обычно формулируют через векторы, исходящие из одной точки. Точки A, B, C, D компланарны тогда и только тогда, когда векторы \\vec{AB}, \\vec{AC}, \\vec{AD} компланарны. Это эквивалентно условию нулевого смешанного произведения: \((\vec{AB}\times\vec{AC})\cdot\vec{AD}=0\).
скалярное произведение вектора и векторного (векторного) произведения двух других векторов; если смешанное произведение трёх векторов равно нулю, то векторы компланарны.
Аналогичная форма записи — через определитель матрицы, составленной из координат векторов \\vec{AB}, \\vec{AC}, \\vec{AD}. Если этот определитель равен нулю, то три вектора лежат в одной плоскости: \(\det\begin{pmatrix} a_x & b_x & c_x \\ a_y & b_y & c_y \\ a_z & b_z & c_z \end{pmatrix}=0\) (повторное указание важного критерия).
Методы проверки компланарности на практике
Существует несколько стандартных приёмов для проверки компланарности. Самый прямой — вычислить смешанное произведение или соответствующий определитель. Если он равен нулю, векторы компланарны. Другой метод — попытаться выразить один из векторов как линейную комбинацию двух других: если найдутся скаляры s и t такие, что \(\mathbf{w}=\sum_{i=1}^n \alpha_i\mathbf{v}_i\), то векторы лежат в одной плоскости.
Для вычислений часто используют операции с матрицами: составляют матрицу из координат векторов и приводят её к ступенчатому виду, сравнивая количество ненулевых строк — это даёт ранг. Если ранг меньше числа векторов, то набор зависим, а значит векторы компланарны в случае трёх векторов в R^3.
Замечание: любые два вектора в R^3 всегда лежат в некоторой плоскости (в частности, в плоскости, которую они натягивают), поэтому понятие компланарности становится существенным только при трёх и более векторах.
Примеры и разбор тапсырма
Пример 1. Рассмотрим векторы \(\mathbf{a}=(1,2,3),\;\mathbf{b}=(2,4,6),\;\mathbf{c}=(0,1,1)\). Вычислим их векторное произведение и смешанное произведение. Сначала находим \(\mathbf{a}\times\mathbf{b}=(0,0,0)\). Затем считаем смешанное произведение: \((\mathbf{a}\times\mathbf{b})\cdot\mathbf{c}=0\). Поскольку результат равен нулю, векторы компланарны и линейно зависимы.
Пример 2. Возьмём стандартные базисные векторы пространства R^3: \(\mathbf{u}=(1,0,0),\;\mathbf{v}=(0,1,0),\;\mathbf{w}=(0,0,1)\). Составим матрицу из их координат и найдём определитель: \(\det\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}=1\). Он не равен нулю, значит векторы линейно независимы и не компланарны в том смысле, что они не лежат в одной плоскости — они образуют базис пространства.
Пример 3. Проверка компланарности четырёх точек A, B, C, D: составим векторы и вычислим смешанное произведение \(\vec{AB}=\mathbf{B}-\mathbf{A}\). Если оно равно нулю, то точки компланарны. На практике сначала вычисляют координаты векторов, затем подставляют в формулу смешанного произведения и вычисляют определитель 3×3.
Подведём итоги: концепции компланарности и линейной зависимости тесно связаны через понятие линейной оболочки и ранга. Для практических задач удобно использовать смешанное произведение, определители 3×3 и приведение матриц к ступенчатому виду. Освоение этих методов упрощает решение задач на исследование взаимного расположения точек и векторов в пространстве.