a495791b31ca58f266c25185fb621025.png

线性代数之——线性相关性、基和维数1. 线性相关性

矩阵
的列是
线性不相关的当且仅当
的唯一解是
。没有其它的线性组合能给出零向量。

在三维空间中,如果三个向量

不在同一个平面中,那它们就是不相关的,只有
能给出零向量。如果三个向量
位于同一个平面中,那它们就是相关的。

e1fd939459d4abc956015a7d4048828b.png
一系列向量
线性不相关的当且仅当给出零向量的唯一线性组合是

如果一个线性组合给出零向量,但不是所有的系数都为零,那么它们就是相关的。

矩阵
的列是
线性不相关的当且仅当其秩
。这时候有
个主元没有自由变量,零空间中只有一个零向量。

假设在一个矩阵有 5 列,每一列都属于

,那它们肯定是线性相关的。因为矩阵最多有 3 个主元,那就意味着至少有 5-3=2 个自由变量。
如果
,那么在
中的
个向量一定是线性相关的。

一系列向量可以扩充出(span)一个空间如果它们的线性组合填满了这个空间。列空间就是所有的列扩充出的子空间。

行空间是由矩阵的行扩充出的子空间,

的行空间称为
,它是
的列空间。

2. 基

两个向量不能扩充出

空间,即使它们是不相关的。四个向量如果只扩充出了
空间,那它们肯定是不是不相关的。我们需要足够的向量来扩充出一个空间,而
就刚刚好。
一个向量空间的基是一组向量,并且满足:它们都是线性不相关的并且它们能扩充出这个空间。

这个空间中的任何向量都可以表示为这些基的线性组合,而且是唯一的线性组合。

向量
的一个基当且仅当它们是一个
的可逆矩阵的列。因此,
可能有无穷多个基。

c7dc5abbe59fd62cdfe5b38e733752b4.png

矩阵

的行空间是一样的,主行是行空间的一个基;矩阵
的列空间是不一样的,但它们的维数是一样的。

3. 维数

一个向量空间的所有基都包含相同数量的向量,基中向量的个数,称为空间的维数

假设
都是同一个向量空间的基,那么一定有

如果

,我们假设
,因为
是其中一个基,那么
就都可以表示成它们的线性组合。

6904fff6240d606c1a6ba25fabd215db.png

我们不知道每一个系数

的值,但我们知道矩阵
的大小为
,因此
也就有非零解,也就是
有非零解,这就是说
是线性相关的,它们不可能是一个基。

同理,我们也可以证明

是不可能的,因此一定有
一个空间的 维数就是每个基中向量的个数。

3. 矩阵空间和函数空间

相关性、基和维数不仅仅局限于向量空间,也适用于矩阵空间和函数空间。

一个包含所有 2×2 矩阵的向量空间,它的维数是 4。

8058584e01d9558b3f57ee87d8777142.png

这些矩阵是线性不相关的,我们不仅仅是看它们的列,而是将整个矩阵看作是一个“向量”。

99c1dcc16edc2c7333e023481128cf4a.png

只有当

时,矩阵才全为零,这也进一步验证了它们是不相关的。

4ab82af8a1733b7ea708668f82a20c8e.png

二阶线性微分方程的解空间维数为 2。

3025785ae0d0ca711fc4c63b6c0be190.png

空间

仅仅包含零向量,它的维数为 0,不包含任何向量的空集是它的一个基。任何基中都不能包含零向量,因为这会破坏线性不相关性。