向量空間的維數是不是就是對應矩陣的秩?向量空間的基是不是就是對應列向量組的最大線性無關向量組?

感覺線代課本里翻來覆去說的都是同一個東西…矩陣 向量組 向量空間 性質都是一樣的 是我的錯覺嗎?


問題的答案是正確的。其實從定義上就能知道結果,下面結合坤博的筆記回答一下:

可能知識點不止問題問的,但是已經包含了。

一、線性無關與線性相關

1.1背景知識

首先強調,接下來我們談論的概念都是基於向量組的,而不是基於矩陣。線 性無關,線性相關是向量組內的關係,基也是一個向量組,不要與矩陣概念混淆。

首先從之前學習的 Ax = 0 方程談起。

假設 m*n 的矩陣 A:

1.2 線性無關與線性相關

我們之前也接觸了線性無關與線性相關的相關概念。接下來直接給出定義:

·線性無關:

除係數全為 0 的情況外,沒有其他線性組合方式能得到零向量,則這組向量 線性無關。

設向量組為 1 , 2 , 3 … 。即 c 不全為 0 時,任何 1 1 + 2 2 + …… 線性組合的結果都不為零,則此向量組線性無關。

·線性相關:

除了零組合之外還有其他的線性組合方式能得到零向量,則這組向量線性 相關。

註:如果一個向量組中有零向量存在,那麼這個向量組一定是線性相關的。 舉幾個例子感受一下上面的概念:

1.3零空間的作用

根據上面的例題 4,我們再從矩陣的零空間與矩陣列向量角度重新定義 向量組的線性相關/無關。假設現有一 m*n 矩陣 A:

·如果 A 各列向量構成的向量組是線性無關的,那麼矩陣 A 的零空間中只有零 向量。

·如果 A 各列向量構成的向量組是線性相關的,那麼矩陣 A 零空間中除零向 量之外還一定有其他向量。

很好理解上面零空間角度的定義。因為零空間反映的就是 A 各列向量的線性 組合。

從秩的角度看來:

·線性無關對應向量組構成的矩陣,秩為 n,此時沒有自由變數,零空間中 只有零向量存在。

·線性相關對應向量組構成的矩陣,秩小於 n,有 n-r 個自由變數,零空間 中有很多向量。

1.4 生成空間

二、基

三、維數

四、總結

這個總結筆記已經回答了題主的問題,希望能夠幫到大家。


的確是一樣的。

向量空間的維數就是對應矩陣的秩。

(從計算的角度來理解是這樣的,但是從概念來講,是不一樣的。向量空間的維數就像是空間的維數,例如立體空間的三維。而矩陣的秩表示的其他的概念)

向量空間的基就是對應列向量組的最大線性無關向量組.

(向量空間的基是向量空間維度的表示,三維就有三個基本量。而最大線性無關組是向量組的簡化。理解好矩陣和向量組的關係很重要。矩陣的意義就在於將空間問題,多維問題轉化為方程組,利用已知的方程組的性質,來求解矩陣問題,進而解決空間問題)

這也正是數學的意思所在。


沒有人回答……然而我也不知道,反正是一坨漿糊


不對吧,對於齊次線性方程組的解空間來說,他的維數是未知量個數減去對應矩陣的秩


正解,對噠。


沒錯 看定義不就知道了


推薦閱讀:

可以找一個和已知正交矩陣乘法可交換的正交矩陣嗎?
初學線性代數的人可以看哪些完全採用向量觀點的書?
你覺得比較好的線性代數學習路徑是什麼?
如何直觀地理解 西爾維斯特「慣性定律」?
如何理解主成分分析中的協方差矩陣的特徵值的幾何含義?

TAG:數學 | 線性代數 |