VectorLab šipky, které umí počítat

Tohle je statická kopie kapitoly pro vyhledávače. Interaktivní verze má animované obrázky, kontrolní otázky a tlačítka, která příklad načtou do kalkulačky.

Nezávislost, báze a souřadnice

Tahle kapitola doplácí slib z kapitoly 1: vektor není trojice čísel. Teď se ukáže, odkud přesně ta čísla pocházejí a proč se dají změnit, aniž by se vektor pohnul.

Kam všude se dá dosáhnout

xyzabchodnost {a, b}2hodnost {a, b, 2a−b}2hodnost {a, b, c}3
  1. { s·a } → přímka

    Všechny násobky jednoho vektoru tvoří přímku. Ať se s ním dělá cokoli, z té přímky se nedostane.

  2. { s·a + t·b } → rovina

    Druhý vektor, který na té přímce neleží, otevře celou rovinu. Té množině všeho dosažitelného se říká lineární obal (span).

  3. c = a b → pořád jen rovina

    Když třetí vektor leží v té rovině, nepřidá nic — dá se totiž složit z prvních dvou. Takové trojici se říká lineárně závislá.

  4. c mimo rovinu → celý prostor

    Teprve vektor, který z roviny vystoupí, otevře třetí rozměr. To je ten okamžik, kdy smíšený součin z kapitoly 7 přestane být nula.

  5. hodnost = kolik rozměrů opravdu pokryjí

    Počet vektorů a počet rozměrů, na které dosáhnou, není totéž. Ten druhý se jmenuje hodnost — a v robotice je to počet směrů, kterými se rameno v dané poloze umí rozjet. Když hodnost klesne, je to singularita.

Pět kroků: přímka → rovina → třetí vektor, který nic nepřidá → třetí, který přidá → hodnost.

Množina všeho, na co se lineárními kombinacemi dosáhne, se jmenuje lineární obal (anglicky span). Vektory jsou lineárně nezávislé, když každý z nich obal zvětší — tedy když se žádný nedá poskládat z ostatních. Hodnost je počet rozměrů, na které skutečně dosáhnou.

Σ kᵢ·vᵢ = 0  ⟹  všechna kᵢ = 0definice lineární nezávislosti

V robotice se tomu říká singularita. Sloupce Jakobiánu jsou vektory: každý říká, kterým směrem se chapadlo rozjede, když se pohne příslušným kloubem. Dokud jsou nezávislé, jde jet kamkoli. Když si dva lehnou na sebe, hodnost klesne a jeden směr zmizí — rameno se v něm nedokáže pohnout, ať se motory snaží jak chtějí. Viz KineLab a ParallelLab.

Báze: souřadnice nejsou vlastnost vektoru

Báze je nezávislá množina, jejíž obal je celý prostor. V rovině stačí dva vektory, v prostoru tři. Souřadnice vektoru vzhledem k bázi jsou ta čísla, kterými se z báze poskládá.

xye₁e₂vten vektor se nehnulv = (2, 1,4)souřadnice v bázi {e₁, e₂}(1,250, 0,875)v = c₁·e₁ + c₂·e₂úhel báze90° (ortogonální)čím ostřejší úhel,tím větší čísla
šipka je pořád stejná, čísla ne: (1,2500, 0,8750)
Šipka „v“ se ani nehne. Táhni bází a dívej se na čísla vedle — mění se pořád, a přitom popisují tutéž šipku. Přesně tohle znamenala věta z první kapitoly.

Standardní báze — x̂, ŷ, ẑ — je jenom jedna z nekonečně mnoha. Je pohodlná, protože je ortonormální (kolmá a jednotková), takže se souřadnice získají prostým skalárním součinem. V neortogonální bázi se musí řešit soustava — kalkulačka to dělá Cramerovým pravidlem.

Čím ostřejší úhel, tím horší čísla

Když se dva bázové vektory k sobě přiblíží, souřadnice rostou jako 1/sin θ. Při 5° mezi nimi je faktor 11,5; při 1° už 57. Prakticky to znamená, že malá chyba ve vstupu udělá velkou chybu v souřadnicích — a přitom báze pořád formálně existuje.

Tomuhle se říká špatná podmíněnost a je to jedno z nejdůležitějších slov v numerické matematice: rozdíl mezi „nejde to“ a „jde to, ale výsledku nevěř“. Vrátí se to v OptiLabu u čísla podmíněnosti a v ParallelLabu u singularit.

Dimenze

Každá báze téhož prostoru má stejný počet prvků — a tomu číslu se říká dimenze. Rovina má dva, prostor tři, konfigurační prostor šestiosého ramene šest. Že to musí vyjít vždycky stejně, není samozřejmé; je to věta, a je to důvod, proč má otázka „kolik stupňů volnosti“ vůbec jednoznačnou odpověď.

Vzorce v této kapitole

span — lineární obal
span{v₁…vₙ} = { Σ kᵢvᵢ : kᵢ ∈ ℝ } [—] kap. 8
rank — hodnost — počet dosažených rozměrů
rank = dim span{v₁…vₙ} [—] kap. 8
c — souřadnice v bázi B
B·c = v, c = B⁻¹v (Cramer) [—] kap. 8