介绍一些基本概念
向量组
例如: x 1 , x 2 , … , x k x_1,x_2,\dots,x_k x1,x2,…,xk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\}
{a1x1+a2x2+⋯+akxk∣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:
- { 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\} {a1x1+a2x2+⋯+akxk∣ai∈R}可以被称为由向量组 x 1 , x 2 , … , x k x_1,x_2,\dots,x_k x1,x2,…,xk生成的子空间。
- x 1 , x 2 , … , x k x_1,x_2,\dots,x_k x1,x2,…,xk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\} {a1x1+a2x2+⋯+akxk∣ai∈R}的生成子集。
- 如果向量组 x 1 , x 2 , … , x k x_1,x_2,\dots,x_k x1,x2,…,xk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\} {a1x1+a2x2+⋯+akxk∣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
- 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 + … , b m y m x_i=b_1y_1+b_2y_2+\dots,b_ my_m xi=b1y1+b2y2+…,bmym
- 子空间的任意两个基底一定等价且维数相同。
- 基底的维度一定小于等于向量组中向量的维度
- 找一个向量组的极大线性无关组(基底)可以使用高斯消元。
- 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)