9.【线性代数】—— 线性相关性, 向量空间的基,维数

九 线性相关性, 向量空间的基,维数

    • [Ax=0 什么情况下无解(x不为零向量)](#Ax=0 什么情况下无解(x不为零向量))
    • [1. 向量组的线性无关性](#1. 向量组的线性无关性)
    • 2.向量组生成一个空间(S)
    • [3. 向量空间的一组基:都满足向量个数相同](#3. 向量空间的一组基:都满足向量个数相同)
    • [4. 空间维数 = 基向量的个数](#4. 空间维数 = 基向量的个数)

Ax=0 什么情况下无解(x不为零向量)

Ax=0无解,当且仅当,A矩阵通过消元后,转化为单位矩阵,没有自由变量。

A 的矩阵大小为 m ∗ n ,当 m < n , 可以转换为 R 矩阵, A x = 0 有解,因为存在自由变量。秩最多为 m ,自由变量为 n − m A的矩阵大小为 m*n,当 m<n,可以转换为R矩阵,Ax=0有解,因为存在自由变量。秩最多为m,自由变量为 n-m A的矩阵大小为m∗n,当m<n,可以转换为R矩阵,Ax=0有解,因为存在自由变量。秩最多为m,自由变量为n−m

1. 向量组的线性无关性

记: 有一组向量, x 1 , x 2 , x 3 . . . x n ,当不存在 c 1 x 1 + c 2 x 2 + . . . + c n x n ≠ 0 时,则称 x 1 , x 2 , x 3 . . . x n 是线性无关的。 有一组向量,x_1,x_2,x_3...x_n,当不存在 c_1x1+c_2x_2+...+c_nx_n\neq0时,则称x_1,x_2,x_3...x_n是线性无关的。 有一组向量,x1,x2,x3...xn,当不存在c1x1+c2x2+...+cnxn=0时,则称x1,x2,x3...xn是线性无关的。

如果 v 1 , v 2 . . . v n 是矩阵 A 的列向量,如果向量组线性无关,那么 A x = 0 无解, A 的秩为 n 。 如果v_1,v_2...v_n是矩阵A的列向量,如果向量组线性无关,那么Ax=0无解,A的秩为n。 如果v1,v2...vn是矩阵A的列向量,如果向量组线性无关,那么Ax=0无解,A的秩为n。

2.向量组生成一个空间(S)

等价于 空间包含向量组的线性组合 空间包含向量组的线性组合 空间包含向量组的线性组合

3. 向量空间的一组基:都满足向量个数相同

那么 向量组有两个性质, 1. 线性无关 2. 生成一整个空间 向量组有两个性质,1. 线性无关 2. 生成一整个空间 向量组有两个性质,1.线性无关2.生成一整个空间

R 3 R^3 R3的一组基

1 0 0 \] , \[ 0 1 0 \] , \[ 0 0 1 \] \\begin{bmatrix} 1\\\\0\\\\0 \\end{bmatrix}, \\begin{bmatrix} 0\\\\1\\\\0 \\end{bmatrix}, \\begin{bmatrix} 0\\\\0\\\\1 \\end{bmatrix} 100 , 010 , 001 当 A n ∗ n A_{n\*n} An∗n可逆 ⇒ \\xRightarrow{} 满秩 ⇒ \\xRightarrow{} n个向量是 R n R\^n Rn的基 ### 4. 空间维数 = 基向量的个数 例子 A = \[ 1 2 3 1 1 1 2 1 1 2 3 1 \] A = \\begin{bmatrix} 1\&2\&3\&1\\\\ 1\&1\&2\&1\\\\ 1\&2\&3\&1\\\\ \\end{bmatrix} A= 111212323111 A的基为 \[ 1 2 1 1 1 2 \] \\begin{bmatrix} 1\&2\\\\ 1\&1\\\\ 1\&2\\\\ \\end{bmatrix} 111212 N ( A ) = c \[ − 1 − 1 1 0 \] + d \[ − 1 0 0 1 \] N(A) = c\\begin{bmatrix} -1\\\\-1\\\\1\\\\0 \\end{bmatrix} + d\\begin{bmatrix} -1\\\\ 0\\\\ 0\\\\ 1 \\end{bmatrix} N(A)=c −1−110 +d −1001 ,求法详见[7.【线性代数】------求解Ax=0,主列和自由列](https://blog.csdn.net/sda42342342423/article/details/145705296) > r a n k ( A ) = 主列数 = 空间的维数 C ( A ) = r rank(A) = 主列数 = 空间的维数 C(A) = r rank(A)=主列数=空间的维数C(A)=r > d i m ( N ( A ) ) = 自由列的列数 = n − r dim(N(A)) = 自由列的列数 = n - r dim(N(A))=自由列的列数=n−r

相关推荐
斐夷所非12 小时前
线性代数 | 知识点整理 Ref 2
线性代数
努力毕业的小土博^_^1 天前
【EI/Scopus顶会矩阵】2025年5-6月涵盖统计建模、数智转型、信息工程、数字系统、自动化系统领域,硕博生执笔未来!
人工智能·深度学习·线性代数·计算机视觉·矩阵·自动化·媒体
weixin_428498492 天前
矩阵平衡(Matrix Balancing)
线性代数·矩阵
闰土_RUNTU2 天前
机器学习中的数学(PartⅡ)——线性代数:2.1线性方程组
人工智能·线性代数·机器学习
lixy5793 天前
深度学习之线性代数基础
人工智能·深度学习·线性代数
_x_w4 天前
【10】数据结构的矩阵与广义表篇章
开发语言·数据结构·笔记·python·线性代数·链表·矩阵
徐行tag4 天前
组合数学——二项式系数
线性代数·概率论
闰土_RUNTU4 天前
机器学习中的数学(PartⅡ)——线性代数:2.2矩阵
线性代数·机器学习·矩阵
爱学习的capoo5 天前
NumPy对二维矩阵中的每个元素进行加减乘除和对数运算
线性代数·矩阵·numpy
闰土_RUNTU5 天前
机器学习中的数学(PartⅡ)——线性代数:概述
人工智能·线性代数·机器学习