本系列筆記爲方便日後自己查閱而寫,更多的是個人見解,也算一種學習的複習與總結,望善始善終吧~
線性無關(independence)
對於一堆向量(向量組)
v1,v2,v3...vn ,若他們的線性組合(linear combination)不爲零向量,則稱他們線性無關
注意,線性組合時不能讓 所有的 係數(scalar)取零,換個角度理解就是任取其中一個向量,該向量無法由其他向量線性組合得到。話已至此,向量組的線性無關就與之前我們學習的矩陣有了聯繫。
基(basics)
基,basics,強調英文的原因在於複數形式代表基是 一組 向量,其有兩個性質:
1. 線性無關(independence)
2. 他們所有的線性組合構成一個space(像之前介紹的column space)
我們最熟悉的基:xyz,基的數量就是其組成space的維數dimension
(
從向量組到矩陣
我們把向量組中的向量當做矩陣的column vector寫成一個矩陣的形式,觀察我們的column space,利用上一節課的內容我們可以找到pivot column,而free column可以由pivot column線性組合得到,有沒有很眼熟?
pivot column原始的vector 就是組成的column space的basics,在矩陣中我們把pivot column的數目叫做rank(秩),在向量中我們叫basics中vector的數量dimension 維度,即
dim(C(A))=rank(A)
(A 爲矩陣,C(A) 爲其column space)
目前所學還差一個space沒有和向量掛上鉤,null space,
組成null space的這些vector就是null space的basics
也寫一個關於null space的結論:
(
PS:更詳細的課堂筆記見另一位仁兄的筆記
http://blog.csdn.net/suqier1314520/article/details/12584479
PS2:文中各種英文的原因在於我急於熟悉這些概念的英文名稱,而一直重複記錄和理解是我目前能想到的一個笨辦法