【线性代数】线性相关性、基和维数

简介: 一、线性相关性       什么情况下,向量X1,X2,……,Xn是线性无关的?       答:当向量X1,X2,……,Xn的线性组合(线性组合时系数不能全为0)不为零向量时,它们是线性无关的。
一、线性相关性
      什么情况下,向量X1,X2,……,Xn是线性无关的?

      答:当向量X1,X2,……,Xn的线性组合(线性组合时系数不能全为0)不为零向量时,它们是线性无关的。即方程

不存在非零解。

       对于一个矩阵A来说,当A总各列向量是线性无关时,则Ax=0的解只有0向量,即矩阵A的零空间只有零向量。 如果各列向量是相关的,则矩阵A的零空间中还存在一些其他的向量。
        当矩阵A各列是线性无关的,则矩阵A各列都有主元,自由变量的个数为0。
二、空间的基
        我们知道,矩阵各列的线性组合生成矩阵的列向量。但是,矩阵的各列有可能不是线性相关的。我们关心的是这样的一组向量:既能生成空间,又是线性无关的。这样的向量我们称为空间的基。
        如果要确定一个空间,我们只需要知道该空间的基,就了解了该空间的所有信息。例如:在三维空间中,向量的一个基是:

 当然,我们还可以写出其他的基,只需要满足基的两个性质:1、生成空间;2、线性无关。但是基中向量的个数是一样的。
        对于一个n阶的方阵A的各列想要成为n维空间的基的话,该方阵必须是可逆的。

三、空间的维数
        维数的定义:空间内任意基内向量个数称为空间的维数。
        
        空间内所有的基内向量个数是相同的,都指空间的维数。        

下面我们来举例说明上述概念:假设矩阵为A:

 矩阵A的各列生成矩阵A的列空间。
 矩阵A的各列不是A的列空间的基,因为它们线性相关,列空间的一个基是矩阵的第一、二列。
我们可以通过消元知道,该矩阵的秩为2,该列空间的维数为2。即矩阵的秩是列空间的维数!

原文:http://blog.csdn.net/tengweitw/article/details/40921209

作者:nineheadedbird




目录
相关文章
|
6月前
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享(上)
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享
|
6月前
R语言分布滞后线性和非线性模型DLM和DLNM建模应用| 系列文章
R语言分布滞后线性和非线性模型DLM和DLNM建模应用| 系列文章
|
6月前
|
机器学习/深度学习 搜索推荐 数据挖掘
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
|
6月前
|
数据可视化
R语言多项式回归拟合非线性关系
R语言多项式回归拟合非线性关系
R语言多项式回归拟合非线性关系
|
6月前
|
数据可视化
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
|
6月前
|
数据可视化
R语言lasso惩罚稀疏加法(相加)模型SPAM拟合非线性数据和可视化
R语言lasso惩罚稀疏加法(相加)模型SPAM拟合非线性数据和可视化
|
6月前
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享(下)
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享
|
6月前
|
存储 机器学习/深度学习 数据挖掘
R语言分布滞后线性和非线性模型(DLM和DLNM)建模
R语言分布滞后线性和非线性模型(DLM和DLNM)建模
|
6月前
|
人工智能
R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归
R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归
|
6月前
|
数据可视化
R语言中GLM(广义线性模型),非线性和异方差可视化分析
R语言中GLM(广义线性模型),非线性和异方差可视化分析