mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-10 05:45:40 +08:00
47 lines
1.2 KiB
Markdown
47 lines
1.2 KiB
Markdown
|
||
# 第九讲：线性相关性、基、维数
|
||
|
||
$v_1,\ v_2,\ \cdots,\ v_n$是$m\times n$矩阵$A$的列向量：
|
||
|
||
如果$A$零空间中有且仅有$0$向量，则各向量线性无关，$rank(A)=n$。
|
||
|
||
如果存在非零向量$c$使得$Ac=0$，则存在线性相关向量，$rank(A)\lt n$。
|
||
|
||
向量空间$S$中的一组基（basis），具有两个性质：
|
||
|
||
1. 他们线性无关；
|
||
2. 他们可以生成$S$。
|
||
|
||
对于向量空间$\mathbb{R}^n$，如果$n$个向量组成的矩阵为可逆矩阵，则这$n$个向量为该空间的一组基，而数字$n$就是该空间的维数（dimension）。
|
||
|
||
举例：
|
||
$
|
||
A=
|
||
\begin{bmatrix}
|
||
1 & 2 & 3 & 1 \\
|
||
1 & 1 & 2 & 1 \\
|
||
1 & 2 & 3 & 1 \\
|
||
\end{bmatrix}
|
||
$
|
||
，A的列向量线性相关，其零空间中有非零向量，所以$rank(A)=2=主元存在的列数=列空间维数$。
|
||
|
||
可以很容易的求得$Ax=0$的两个解，如
|
||
$
|
||
x_1=
|
||
\begin{bmatrix}
|
||
-1 \\
|
||
-1 \\
|
||
1 \\
|
||
0 \\
|
||
\end{bmatrix},
|
||
x_2=
|
||
\begin{bmatrix}
|
||
-1 \\
|
||
0 \\
|
||
0 \\
|
||
1 \\
|
||
\end{bmatrix}
|
||
$，根据前几讲，我们知道特解的个数就是自由变量的个数，所以$n-rank(A)=2=自由变量存在的列数=零空间维数$
|
||
|
||
我们得到：列空间维数$dim C(A)=rank(A)$，零空间维数$dim N(A)=n-rank(A)$
|