Linear Algebra-线性无关,基和维数-09

引言

向量的线性无关意味着什么?如何用线性无关的概念来帮助我们描述包括零空间在内的子空间。

线性无关(Linear Independence)

矩阵A为 mxn 矩阵,其中 m<n(未知数个数多于方程数)。则A中具有至少一个自由变量,那么A_x=0 一定具有非零解。_A的列向量可以线性组合得到零向量,所以A的列向量是线性相关的。

仅在时才成立,则称是线性无关的。若这些向量作为列向量构成矩阵A,则方程Ax=0 只有零解 x=0,或称矩阵A的零空间只有零向量。换而言之,若存在非零向量 c,使得Ac=0,则这个矩阵A的列向量线性相关。

空间中,两个向量只要不在一条直线上就是线性无关的。(在中,三个向量线性无关的条件是它们不在一个平面上。)若选定空间中的三个向量,则他们必然是线性相关的。例如,如下的三个列向量是线性相关的。

此矩阵构成的方程_Ax=0 必有非零解,即三个向量线性相关。

如果矩阵A的列向量为线性无关,则A所有的列均为主元列,没有自由列,矩阵的秩为 n。若A的列向量为线性相关,则矩阵的秩小于 n,并且存在自由列。

张成空间(Spanning Space)

当一个空间是由向量的所有线性组合组成时,我们称这些向量张成了这个空间。例如矩阵的列向量张成了该矩阵的列空间。

如果向量张成空间 S,则 S 是包含这些向量的最小空间。

基与维数(Basis and Dimension)

向量空间的基是具有如下两个性质的一组向量:

  • 线性无关
  • 张成该向量空间

因此空间的基告诉我们关于该空间的一切信息。

[例]空间有一组基,因为它们满足只有零解,并且这三个向量线性无关,可以张成空间。

则不能构成一组基,因为以它们为列向量组成的矩阵,有两个相同的行,消元肯定有自由列存在,因此这三个向量并非线性无关。

当判定线性相关性时,可以随时在矩阵、空间和方程组的概念之间切换,哪个判据更容易判定就用哪个,这里显然矩阵不可逆更容易看出来,因为存在行向量重复的情况。从这里也可以看到行向量线性相关则列向量不可能线性无关。

若以空间中的 n 个向量为列向量构成的矩阵为可逆矩阵,则这些向量可以构成空间中的一组基。

子空间的基(Basis for a subspace)

向量可以张成中的一个平面,但是它们无法成为空间的一组基。

空间的每一组基都具有相同的向量数,这个数值就是空间的维数(dimension)。所以空间的每组基都包含 n 个向量。

列空间和零空间的基(Basis of a column space and nullspace)

讨论列空间:矩阵A的四个列向量张成了矩阵A的列空间,其中第 3 列和第 4 列与前两列线性相关,而前两个列向量线性无关。因此前两列为主元列。他们组成了列空间 C(A)的一组基。矩阵的秩为 2。

实际上对于任何矩阵A均有:矩阵的秩 r=矩阵主元列的数目=列空间的维数

注意:矩阵具有秩 rank 而不是维数 dimension,而空间有维数而不是秩。

当知道了列空间的维数,可以从矩阵列向量中随意选取足够数量的线性无关的向量,它们每一组都可以构成列空间的一组基。

讨论下零空间

本例中矩阵的列向量不是线性无关的,因此其零空间 N(A)不止包含零向量。因为可以看出第 3 列是第 1 列和第 2 列的加和。所以向量必然在零空间 N(A)之内。同样还可以对赋值为 1,从而得到也在零空间之内。它们就是_A_x=0 的两个特解。

零空间的维数=自由列的数目=n-r,因此本例中 N(A)的维数为 4-2=2。这两个特解就构成了零空间的一组基。