线性代数基本概念

n维空间（$R^n$）中的一个向量$v$由n个部分组成：$v=\left[\begin{array}{c}{v}_1\\ v_2\\ ⋮\\ v_n\end{array}\right]$

空间$R^n$是由所有具有n个分量的列向量$v$组成的。

向量空间的子空间是由一组满足下面两个条件的向量（包括零向量）组成的：如果$v$和$w$是子空间中的向量，$c$是一个实数，那么：

• $v+w$也在子空间中
• $cv$也在子空间中

向量$v$和$w$的一个线性组合是$cv+dw$。

由向量$v_1,v_2,\dots ,v_n$的所有线性组合$c_1{v}_1+c_2{v}_2+\cdots +c_n{v}_n$可以扩展(span)为一个子空间。

如果$v_1,v_2,...,v_n$是线性无关的，那么只有$c_i(i=1,...,n)$全部为0时，才能使下式成立$c_1{v}_1+c_2{v}_2+...+c_n{v}_n=0$。

向量空间的基（通俗的说时坐标系）是一组满足下面两个条件的向量：这组向量是线性无关的，并且他们可以span整个空间。

基的个数就是子空间的秩(rank)

参考：Introduction to Linear Algebra, Gibert Strang

---

下面说一下“基变换”：
可以在向量空间中选择几个列向量$x_1,x_2,...,x_n$作为它的基，可以把它们放到一个矩阵中，$X=[x_1{x}_2...x_n]$。它们线性无关，并且它们的线性组合$c_1{x}_1+c_2{x}_2+...+c_n{x}_n=X\vec{c}$可以表示空间中的任何向量，那么空间中的任何一个向量就可以用这$n$个系数表示，$\vec{c}=\left[\begin{array}{c}{c}_1\\ c_2\\ ⋮\\ c_n\end{array}\right]$。
如果选择另外一组基，$\left[\begin{array}{c}{w}_1{w}_2...w_n\end{array}\right]=W$，它的线性组合$d_1{w}_1+d_2{w}_2+...+d_n{w}_n=W\vec{d}$，空间中一个点可以表示为$\vec{d}=\left[\begin{array}{c}{d}_1\\ d_2\\ ⋮\\ d_n\end{array}\right]$。

同一个点在不同的基中表示不同。如果是同一个点，下式成立：
$$\begin{gathered} c_1{x}_1+c_2{x}_2+...+c_n{x}_n=d_1{w}_1+d_2{w}_2+...+d_n{w}_n \\ \left[\begin{array}{c}{x}_1{x}_2...x_n\end{array}\right]\left[\begin{array}{c}{c}_1\\ c_2\\ ⋮\\ c_n\end{array}\right]=\left[\begin{array}{c}{w}_1,w_2,...,w_n\end{array}\right]\left[\begin{array}{c}{d}_1\\ d_2\\ ⋮\\ d_n\end{array}\right] \\ X\vec{c}=W\vec{d} \end{gathered}$$
上面最后一个等式的意思是，同一个点选择不同的基($X,W$)可以有不同的表示（$\vec{c},\vec{d}$）。
$\vec{d}=W^{-1}X\vec{c}$这个就是基变换。

说的比较抽象，举个简单的例子：

上面的直线可以看作一维空间$R^1$，可以选择任意一个向量作为基，因为一个常数乘以这个向量可以表示直线上任意一个点。可以选$[1]$作基，也可以选$[-1]$做基。如图中坐标为2的点，$[1]\ast 2=[-1]\ast (-2)$。