线性代数导论9——线性相关性、基、维数

本文是Gilbert Strang的线性代数导论课程笔记。课程地址： http://v.163.com/special/opencourse/daishu.html  

第九课时：线性相关性、基、维数

学习什么是”线性相关性“，“线性无关”，什么是由向量组所“生成”的空间，什么是向量空间的“基”，什么是子空间的“维数”。

一、知识背景

Ax=b，Am×n，其中m<n，未知数的个数大于方程的个数，由此可推断：Ax=0存在非0解，解存在的原因是矩阵消元后存在自由列。

二、向量组线性相关性

什么条件下，x1,x2...xn是线性无关的？

抽象定义：如果不存在结果为零向量的组合，向量组线性无关，去掉系数全部为零的情况。

假设二维空间中，任意三个不共线的向量必是线性相关的，因为由上面的背景知识可知，这三个向量组成的矩阵A是m<n的。

对于矩阵中个列的线性相关性，如果零空间N(A)里存在非零向量，那么各列相关。

假设在一个m维空间里面，矩阵A的列有V1，V2....Vn，如果他们是无关的，那么矩阵A的零空间中只有零向量，那么秩Rank(A)=n，无自由变量；如果这些列向量相关，则表示零空间中存在非零向量，Rank(A)<n，有自由变量。

（注意说线性无关相关都是针对向量组而非矩阵，我们只是把它放在矩阵里并与零空间联系在一起来研究线性相关性）

三、向量组“生成”一个空间

以前见过的：矩阵中列向量的所有线性组合将生成一个“列空间”。。。。

设向量组：v1...vl，生成了一个空间的意思是这个空间包含这些向量的所有线性组合。我们可以简单的说，比如，矩阵的所有列生成列空间。对于一个向量组，他们能够生成一个空间。令S是向量组生成的空间，这表示S包含向量组所有的线性组合，S是包含这些向量的空间中最小的一个。

四、基

从三的概念中可以带出基的概念，它包含向量的个数不多不少， 向量空间的一组基是指：一系列的向量，v1,v2...vd，这些向量具有两大性质：1）他们是线性无关的，可逆；2）他们生成整个空间；

比如三维空间中，单位阵是最明显的一个基，除此之外，还有很多其他的基，比如向量[1,1,2],[2,2,5]是生成二维平面的一组基，再加上一个向量[3,4,8]就是三维空间的一组基。

这些基有一个共同的特点，即对于给定N维空间，那么基向量的个数就是N个（即不管是3维空间，列空间，还是零空间，空间中任意基都满足：基向量的个数相等）。

五、维数

维数，即基向量的个数，空间的大小(维数)。

比如上面这个列向量，他们能生成列空间，但这些列向量不是基，但我们可以得到第一列和第二列是列空间的一组基，2是基的维数。

即上面： 矩阵的秩Rank(A)=2为列空间的维数（注意不是矩阵A的维数，是A的列空间的维数，同样，不能说子空间的秩，矩阵才有秩）。

考虑零空间N(A)，求解Ax=0，[-1,-1,1,0]就是一个解，令一个特殊解为[-1,0,0,1]。零空间是的维数是多少？

选择自由变量赋予特殊值，得到的向量组合就是0空间，零空间中的向量告诉我们，这样组合列向量会得到零空间，怎样这些列才会线性相关。

零空间的维数是自由变量的数目。 已知矩阵Am×n，秩为r，那么自由变量为n-r，即dim(N(A))=n-r