线性基

介绍一些基本概念

向量组

例如：$x_1,x_2,\dots ,x_k$这么一组向量就可以称之为一个向量组。

相关概念

线性相关

如果一个向量组当中，某个向量可以被该向量组中的其他向量表示出来，那么称这个向量组是线性相关的。

线性无关

如果一个向量组当中，任何一个向量不可以被该向量组中的其他向量表示出来，那么称这个向量组是线性无关的。

线性空间
形如 { a 1 x 1 + a 2 x 2 + ⋯ + a k x k ∣ a i ∈ R } \{a_1x_1+a_2x_2+\dots+a_kx_k|a_i\in R\} {a1​x1​+a2​x2​+⋯+ak​xk​∣ai​∈R}，这样一组由向量组构成的集合称之为线性空间。

与向量组的关系：

1. { a 1 x 1 + a 2 x 2 + ⋯ + a k x k ∣ a i ∈ R } \{a_1x_1+a_2x_2+\dots+a_kx_k|a_i\in R\} {a1​x1​+a2​x2​+⋯+ak​xk​∣ai​∈R}可以被称为由向量组$x_1,x_2,\dots ,x_k$生成的子空间。
2. $x_1,x_2,\dots ,x_k$被称为 { a 1 x 1 + a 2 x 2 + ⋯ + a k x k ∣ a i ∈ R } \{a_1x_1+a_2x_2+\dots+a_kx_k|a_i\in R\} {a1​x1​+a2​x2​+⋯+ak​xk​∣ai​∈R}的生成子集。
3. 如果向量组 $x_1,x_2,\dots ,x_k$是线性无关的，那么可以将其称为 { a 1 x 1 + a 2 x 2 + ⋯ + a k x k ∣ a i ∈ R } \{a_1x_1+a_2x_2+\dots+a_kx_k|a_i\in R\} {a1​x1​+a2​x2​+⋯+ak​xk​∣ai​∈R}的一个基底。这个向量组的向量数量称为该线性空间的维度或维数。（维数可以借助进制位数进行理解）

性质

1. 等价

假设现在存在向量组 { x 1 , x 2 , … , x n } \{x_1,x_2,\dots,x_n\} {x1​,x2​,…,xn​}和 { y 1 , y 2 , … , y m } \{y_1,y_2,\dots,y_m\} {y1​,y2​,…,ym​}，如果前者当中的所有向量都可以由后者表示出来，同时后者当中的所有向量都可以由前者表示出来，那么我们称这两个向量组等价。

比如：$x_i=b_1{y}_1+b_2{y}_2+\dots ,b_m{y}_m$

2. 子空间的任意两个基底一定等价且维数相同。
3. 基底的维度一定小于等于向量组中向量的维度
4. 找一个向量组的极大线性无关组(基底)可以使用高斯消元。
5. 极大线性无关组表示的空间和原向量组所能表示的空间一定等价。因此，线性基可将需要处理的数据范围极大地缩小。

例题

P3812 线性基 (题目和题解链接)

hdu 3949 XOR (题目和题解链接)