MIT 18.06 linear algebra 第九课笔记

MIT 18.06 linear algebra 第九课笔记

---

第九课课程要点：

• linear independent
• sapnning a space
• BASIC and dimension

---

假设有一个矩阵$A$是$m\times n$大小的，且$m<n$。那么$Ax=0$有无限多个非零解（non-zero）。因为这个矩阵中对应的线性方程组中存在着自由变量。

假设有向量$x_1,x_2,x_3....x_n$是相互独立的。那么就不存在参数$c_i$使得$c_1x_1+c_2x_2+....c_nx_n=0$,当然这里$c_i$是除0以外的。也就是说如果这些向量相互独立，要想使得等于0成立，那么必须要求$c_i$等于0。如果存在不全为0的$c_i$使得$c_1x_1+c_2x_2+....c_nx_n=0$成立，那么向量$x_1,x_2,x_3....x_n$是线性相关的。

需要记住一点的就是零向量与任何向量都是线性相关的，也就是说零向量的方向是任意的。

$v_1,v_2,v_3,....v_n$是$A$矩阵中的列向量，如果矩阵$A$的零空间(Nullspace)是零向量，那么这些列向量时独立的。即矩阵$A$的秩等于$n$。但如果矩阵$A$的零空间不只有零向量的话，那么列向量时线性相关的，即矩阵$A$的秩是小于$n$的。

---

由列向量$v_1,v_2,v_3,....v_t$生成一个空间，意味着这个空间中包含着这些列向量的所有可能的线性组合。

一个空间的基是一系列具有两大性质的向量组。

1. 它们是相互独立的。
2. 它们能够生成这个空间。

$R^n$中$n$个向量构成一组基，那么由这$n$个列向量构成的$n\times n$矩阵必定是可逆的。
每个特定空间的基中拥有的向量数目是相同的，它们的数目代表着这个空间的维度。
$Rank(A)=$主列的数目=矩阵列空间$C(A)$的维度
矩阵$A$零空间$N(A)$的维度 = 自由变量的数目=$n-r$