线性无关的几何意义

写在前面:线性空间是通过基向量线性组合张成的。
V = k 1 a 1 + k 2 a 2 + . . . + k n a n ; a 1 , a 2 , . . . , a n 是 V 的 一 个 基 , k 1 , . . . , k n 取 遍 一 切 实 数 V=k_1a_1+k_2a_2+...+k_na_n;a_1,a_2,...,a_n是V的一个基,k_1,...,k_n取遍一切实数 V=k1a1+k2a2+...+knana1,a2,...,anVk1,...,kn


前言

初学线性代数时,看到线性无关的定义,可能会一脸茫然,线性无关为什么是这样定义的?
当时可能没多想,记下了就行,碰到相关问题按定义来套就行。
接下来和大家分享下自己在几何上如何理解线性无关的定义的一些想法。


一、线性无关的定义

首先,引入数学上关于线性无关的定义。设有 m m m n n n 维向量 a 1 , a 2 , . . . , a m a_1,a_2,...,a_m a1,a2,...,am,使得 a 1 , a 2 , . . . , a m a_1,a_2,...,a_m a1,a2,...,am 的线性组合 k 1 a 1 + k 2 a 2 + . . . + k m a m = 0 k_1a_1+k_2a_2+...+k_ma_m= \boldsymbol0 k1a1+k2a2+...+kmam=0成立,
当且仅当
k 1 = k 2 = . . . = k m = 0 k_1=k_2=...=k_m=0 k1=k2=...=km=0
称向量组 a 1 , a 2 , . . . , a m a_1,a_2,...,a_m a1,a2,...,am线性无关。

二、线性无关几何上的理解

1. 基

什么叫线性空间的基呢?如果把线性空间理解为房子,基就是撑起房子的柱子。比如,三维几何空间的基
e 1 = [ 1 , 0 , 0 ] T     e 2 = [ 0 , 1 , 0 ] T      e 3 = [ 0 , 0 , 1 ] T e_1=[1,0,0]^T \ \ \ e_2=[0,1,0]^T \ \ \ \ e_3=[0,0,1]^T e1=[1,0,0]T   e2=[0,1,0]T    e3=[0,0,1]T
如下图1.1,这里的 e 1 , e 2 , e 3 e_1,e_2,e_3 e1e2e3 就是撑起三维几何空间的柱子,缺一不可。房子里面的每一块砖头,都可以通过 e 1 , e 2 , e 3 e_1,e_2,e_3 e1e2e3 定位得到。比如那块砖头 b b b 砖头 ( 2 , 3 , 7 ) (2,3,7) 237,就是 b = 2 e 1 + 3 e 2 + 7 e 3 b = 2e_1+3e_2+7e_3 b=2e1+3e2+7e3
在这里插入图片描述

  1. 怎么理解 e 1 , e 2 , e 3 e_1,e_2,e_3 e1,e2,e3是三维空间的基呢?还缺一不可呢?因为三位空间任何一个向量都可以用 e 1 , e 2 , e 3 e_1,e_2,e_3 e1e2e3的线性组合来表示。例如任取两点
    α = [ 1 , 2 , 3 ] , β = [ − 3 , 2 , − 7 ] \alpha=[1,2,3],\beta=[-3,2,-7] α=[1,2,3]β=[3,2,7]就是三位空间的两个点,容易看出 α = 1 e 1 + 2 e 2 + 3 e 3 , β = − 3 e 1 + 2 e 2 + − 7 e 3 \alpha=1e_1+2e_2+3e_3,\beta = -3e_1+2e_2+-7e_3 α=1e1+2e2+3e3β=3e1+2e2+7e3于是,对于三维空间的点 η = k 1 a 1 + k 2 a 2 + k 3 a 3 \eta=k_1a_1+k_2a_2+k_3a_3 η=k1a1+k2a2+k3a3
    k 1 , k 2 , k 3 k_1,k_2,k_3 k1,k2,k3取遍所有的实数,就能填满整个三维空间,如图1.3。
    在这里插入图片描述在这里插入图片描述

  2. 三维空间通过 e 1 , e 2 , e 3 e_1,e_2,e_3 e1,e2,e3 的线性组合生成,两个可以吗?比如 e 1 , e 2 e_1,e_2 e1,e2,答案肯定是不能的, e 1 , e 2 e_1,e_2 e1,e2的线性组合只能生成一个平面,如下图所示。
    在这里插入图片描述

  3. 三维空间任意一个点,都可以用 e 1 , e 2 , e 3 e_1,e_2,e_3 e1,e2,e3的线性组合表示,这多好的一件事情呀。对于三维空间大家都很熟悉,可是四维,五维,n维呢,看不见摸不着,怎么研究呢,同样的方法取一个基,用基向量进行线性组合张成高维空间。就把难以想象的空间通过具体的基给描述出来了。

  4. 所以呢,基就是可以把线性空间的所有向量通过基向量的线性组合表示出来的向量组。

2.什么样的向量组能看作线性空间的基呢?

  1. 我们用过原点的二维平面来举例, a 1 = [ 1 , 2 ] T , a 2 = [ 1 , 3 ] T a_1=[1,2]^T,a_2=[1,3]^T a1=[1,2]T,a2=[1,3]T这个能作为二维平面的基吗?答案是可以的。根据向量的平行四边形法则,通过 k 1 a 1 + k 2 a 2 k_1a_1+k_2a_2 k1a1+k2a2 的线性组合( k 1 , k 2 k_1,k_2 k1,k2取遍一切实数)可以把平面中任意一点表示出来。

  2. 那么取 α 1 = [ 1 , 1 ] T , α 2 = [ 2 , 2 ] T \alpha_1 = [1,1]^T,\alpha_2=[2,2]^T α1=[1,1]Tα2=[2,2]T可不可以将平面中任意点线性表出呢,显然是不行的,通过 k 1 α 1 + k 2 α 2 k_1\alpha_1+k_2\alpha_2 k1α1+k2α2的线性组合( k 1 , k 2 k_1,k_2 k1,k2取遍一切实数)只能生成一条 y = x y=x y=x的直线。并不能生成整个二维平面。
    如图1.5所示。
    在这里插入图片描述

  3. 通过两个例子看出,能作为二维平面的一个基,只能是不在同一直线上的两个向量。

  4. 那么三维空间呢?就是,两个基向量能够生成一个平面,另外一个基向量起始点在原点方向朝上。这三个向量就能生成三维空间,如图1.6所示。
    在这里插入图片描述

  5. 线性组合 k 1 a 1 + k 2 a 2 + . . . + k m a m = 0 k_1a_1+k_2a_2+...+k_ma_m= \boldsymbol0 k1a1+k2a2+...+kmam=0成立,当且仅当 k 1 = k 2 = . . . = k m = 0 k_1=k_2=...=k_m=0 k1=k2=...=km=0那么我们可以说 a 1 , a 2 , … , a m a_1,a_2,\dots,a_m a1,a2,,am 它们就是能生成m维线性空间的一个基!


3.几何上理解线性无关

  1. 通过前面的铺垫,我们观察到。要使得向量的线性组合 k 1 e 1 + k 2 e 2 + k 3 e 3 = 0 k_1e_1+k_2e_2+k_3e_3=\boldsymbol0 k1e1+k2e2+k3e3=0成立,只有 k 1 = k 2 = k 3 = 0 k_1=k_2=k_3=0 k1=k2=k3=0,这不就是前面的线性提到的线性无关的定义嘛。而通过 k 1 e 1 + k 2 e 2 + k 3 e 3 k_1e_1+k_2e_2+k_3e_3 k1e1+k2e2+k3e3的任意线性组合可以生成三维几何空间。
  2. 接下来看看m维线性空间。 k 1 a 1 + k 2 a 2 + . . . + k m a m = 0 k_1a_1+k_2a_2+...+k_ma_m= \boldsymbol0 k1a1+k2a2+...+kmam=0成立,当且仅当 k 1 = k 2 = . . . = k m = 0 k_1=k_2=...=k_m=0 k1=k2=...=km=0,那么我们可以说 a 1 , a 2 , . . . , a m a_1,a_2,...,a_m a1,a2,...,am它们不是普通的向量,他们是能生成m维线性空间的一个基!
  3. 那么这和在几何上理解线性无关有什么关联呢?
    我们来举1,2,3维几何空间例子说明,首先在一维上(一维可以想象成坐标轴的x轴),一个向量只要不是零向量,它就是线性无关的。而且,它是线性无关的,就可以把一维空间的任意向量线性表出。
  • 一维空间举例

    取向量 a 1 = ( 8 ) a_1=(8) a1=(8)显然它的线性组合 k 1 a 1 = 0 k_1a_1=\boldsymbol0 k1a1=0要成立,只有 k 1 = 0 k_1=0 k1=0。并且通过取 k 1 k_1 k1为任意实数,就可以把x轴的所有数线性表出。
    例如 3 , 5 , 18 , 2 3 , 2 3,5,18, \frac{2}{3},\sqrt2 3518322 显然有 3 8 a 1 = 3 , 5 8 a 1 = 5 , 9 4 a 1 = 18 , 1 12 a 1 = 2 3 , 2 8 a 1 = 2 \frac{3}{8}a_1=3,\frac{5}{8}a_1=5,\frac{9}{4}a_1=18,\frac{1}{12}a_1=\frac{2}{3},\frac{\sqrt2}{8}a_1=\sqrt2 83a1=385a1=549a1=18121a1=3282 a1=2
    所以我们在一维上理解线性无关,想象一下x轴,上面有一个基向量(一个数),它的线性组合要是零向量,只能是它的组合系数为0。

  • 二维平面举例

    接下来,举一个经过原点的二维平面的例子。找两个不共线的向量 a 1 , a 2 a_1,a_2 a1,a2,它们不共线,表明它们可以生成整个二维平面,那么他们的线性组合( k 1 a 1 + k 2 a 2 k_1a_1+k_2a_2 k1a1+k2a2)什么时候为零向量呢?根据平行四边形法则,大家想象一下, k 1 , k 2 k_1,k_2 k1,k2取一对实数,就生成一个向量,只有 k 1 , k 2 k_1,k_2 k1,k2同时为0时,才能生成零向量。

  • 三维空间举例
    接下来举个三维空间的例子,大家想象一下三维坐标系xy0z,这里面的零向量就是那个坐标原点,那这个零向量从哪里呢,我们用基向量线性组合的思想,只能是 0 e 1 + 0 e 2 + 0 e 3 = 0 0e_1+0e_2+0e_3=\boldsymbol0 0e1+0e2+0e3=0实际上三维坐标轴x,y,z上的三个向量 e 1 , e 2 , e 3 e_1,e_2,e_3 e1,e2,e3是非常特俗的一个基。
    我们也可以取非常普通的一个基,x0y平面取两个不共线向量 a 1 , a 2 a_1,a_2 a1,a2,起始点在坐标原点,朝向z轴正方向取一个向量 a 3 a_3 a3,通过 k 1 a 1 + k 2 a 2 k_1a_1+k_2a_2 k1a1+k2a2 的线性组合, k 1 , k 2 k_1,k_2 k1k2取特定的一对实数,使得 β 3 = k 1 a 1 + k 2 a 2 \beta_3 = k_1a_1+k_2a_2 β3=k1a1+k2a2那么 β 3 , a 3 \beta_3,a_3 β3a3就在一个平面内且不共线。如图1.7,就回到二维平面情形,它们的组合要生成零向量,只能 β 3 , a 3 \beta_3,a_3 β3a3的组合系数为零。
    在这里插入图片描述

总结

  1. 线性组合 k 1 a 1 + k 2 a 2 + . . . + k m a m = 0 k_1a_1+k_2a_2+...+k_ma_m= \boldsymbol0 k1a1+k2a2+...+kmam=0成立,当且仅当 k 1 = k 2 = . . . = k m = 0 k_1=k_2=...=k_m=0 k1=k2=...=km=0那么我们可以说 a 1 , a 2 , . . . , a m a_1,a_2,...,a_m a1,a2,...,am它们不是普通的向量,他们是能生成m维线性空间的一个基!
  2. 鼓励大家通过线性组合的思想,理解线性空间。即线性空间的向量,是通过基向量的特定线性组合合成的, k 1 a 1 + k 2 a 2 + . . . + k m a m k_1a_1+k_2a_2+...+k_ma_m k1a1+k2a2+...+kmam k 1 , k 2 , . . . , k m k_1,k_2,...,k_m k1k2...km通过取任意不同的数,取无穷次,就能把线性空间的向量一扫而过。
  3. 大家想象线性无关的时候,可以在脑海里有一个二维平面x0y,就想象分别位于x,y轴的一个向量,它们之间的线性组合,想要生成零向量,只能组合系数都为0。而这两个向量就是能生成整个二维平面的基向量。
  • 17
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: 线性代数是现代数学基础之一,它是研究向量空间(或线性空间)及其变换的代数理论。线性代数涉及到很多的概念和算法,如矩阵、行列式、向量、向量空间、基、线性变换等。 其中,线性代数中的几何意义是指在空间中通过向量的方法来描述几何图形,通过矩阵和向量的变换来描述不同坐标系之间的关系。这种方法是在欧几里得几何的基础上推广而来的。 具体来说,线性代数几何意义应用很广泛,如计算机图形学、机器学习等,都是基于线性代数几何意义来进行计算和预测的。在计算机图形学中,矩阵和向量的变换可以用来描述2D或3D图形的旋转、平移和缩放等。而机器学习中,线性回归、主成分分析等算法则是利用向量的计算和矩阵的运算来进行数据处理和预测。 因此,掌握线性代数几何意义,对于计算机科学的学习和应用都是极其重要的。无论是在图形处理、数据挖掘、机器学习等方向,对于线性代数的深入理解都会大大提高计算机科学的水平和应用创新。 ### 回答2: 线性代数几何意义是指将线性代数的概念和理论应用于几何问题的方法和思想。线性代数几何密切相关,其中许多定义和定理都可以用几何的方式解释和理解。这种几何意义的应用一方面可以为线性代数提供更直观的理解和说明,另一方面也可以为几何学提供更精确严谨的工具和方法。 在线性代数中,向量和矩阵是最基本和重要的概念之一。在几何意义上,向量可以表示为一个有方向的线段,可以用来描述物体在空间中的位置和移动。矩阵则可以看作是一系列向量的组合,在几何中可以表示为一个坐标系或者描述变换的矩阵。矩阵的特征值和特征向量也有重要的几何意义,可以用来描述变换的方向和大小。 线性代数的一些重要定理和方法也可以应用于几何问题。例如,矩阵的秩可以用来描述坐标系中向量的线性相关性和平面的维数;矩阵的行列式可以用来判断坐标系中向量的方向和面积;矩阵的逆可以用来表示空间中的逆变换等。 总之,线性代数几何意义的应用可以极大地丰富几何学的内容和方法,同时也为线性代数的学习提供更为具体和形象的例证和解释。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值