本文主要是介绍MIT18.06线性代数课程笔记9:线性无关、向量拓展空间、空间的基、空间维度,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
课程简介
18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。
课程笔记
1. 线性无关
Strang给出的定义和矩阵以及 Ax=0 直接相关,如下:
v1,v2,⋯,vl are dependent ⇔∃c1,c2,⋯,cl , such that c1v1+c2v2+⋯+clvl=0 , where [c1,c2,⋯,cl]T≠0 。Otherwise, v1,v2,⋯,vl are independent
简单的说就是存在 v1,v2,⋯,vl 的某种非全零系数线性组合为零向量。
这个定义和 Ax=0 直接相关,即 ∃c≠0,[v1,v2,⋯,vl]c=0 ,其中 [v1,v2,⋯,vl] 共同组成 n×l 维矩阵 A 。所以向量线性无关等价于
笔者之前使用的线性相关定义如下: v1,v2,⋯,vl are dependent ⇔∃c1,c2,⋯,cl−1 , such that c1v1+c2v2+⋯+cl−1vl−1=vl 。其中 vl 的选取是任意的,即某一向量可以表示为其他向量的线性组合,那么所有向量线性相关。否则线性无关。两个定义明显是等价的,之间只差了一个 cl 的系数。
注意零向量的特殊性,零向量可以表示为任意向量的线性组合,所以包含零向量的size大于1的向量集合都是线性相关的。
从 r(A)==l 的限制还可以得到 n≥l ,以及 A 存在左逆元。即
2. span of vector
这个定义非常简单,即包含该向量的最小向量空间。其实就是 A 的column space。
具体地,任意空间
3. 空间的基
给定向量空间 S ,
span是
举个例子: In 的列向量集合即为 Rn 的基。容易证明 ∀x∈Rn,Ix=x ,即 x∈C(I) 。同时 r(I)==n⇒ I 的列向量之间线性无关。
因为基向量线性无关,所以其组成的矩阵
一个空间可以有无数组基。具体地,任意左可逆方阵 B ,都满足
4. 空间维度
空间的基的个数即为空间维度。如上所述,一个空间的基可以有很多组,而空间维度是个固定的整数。这是因为一个空间的所有基都具有相同的向量数。证明如下:
回顾基的定义:满足span是 S 的线性无关向量集合。其中span是
假设存在数量小于 m 的向量集合
假设存在数量大于 m 的线性无关向量集合
因为两者确定的上界和下界都是 m ,所以得证任意基的向量数为
这篇关于MIT18.06线性代数课程笔记9:线性无关、向量拓展空间、空间的基、空间维度的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!