文章
合集线性代数第 2 / 8 篇

Lec 09 · 线性相关、基与维数

lec09

笔记

这一讲回答三个问题:

  1. 线性无关/相关:一组向量里有没有“多余”的?

  2. 基:最少需要几个向量就能张成整个空间,且它们线性无关。

  3. 维度:基所含向量的个数,是该空间“大小”的唯一不变量。

一、线性无关与线性相关

定义:对于一组向量 v1,v2,...,vkv_1, v_2, ..., v_k,如果唯一能使得

c1v1+c2v2+...+ckvk=0c_1v_1 + c_2v_2 + ... + c_kv_k = 0

的系数就是 c1=c2=...=ck=0c_1=c_2=...=c_k=0,则它们线性无关;否则(存在不全为零的系数)为线性相关。

因为如果存在不为零的系数,就代表着 viv_{i} 可以由其他向量线性组合表示

记忆核心:无关 ⇔ 没有多余向量;相关 ⇔ 至少有一个向量可以被别人线性组合出来。

例子1(二维直观)

  • v1=(1,0),v2=(0,1)v_1=(1,0), v_2=(0,1): c1(1,0)+c2(0,1)=(0,0)c_1(1,0)+c_2(0,1)=(0,0) 直接给出 c1=0,c2=0c_1=0, c_2=0,无关。它们是坐标轴方向。
  • v1=(1,0),v2=(2,0)v_1=(1,0), v_2=(2,0): 2v1−v2=02v_1 - v_2 = 0,系数不全为零,相关。因为它们共线,一个是另一个的倍数。
  • 加入第三个向量:v1=(1,0),v2=(0,1),v3=(2,3)v_1=(1,0), v_2=(0,1), v_3=(2,3)。 在 R2\mathbb{R}^2 中任意三个向量必定线性相关(因为维数是 2,最多容纳 2 个无关向量)。事实上有 2v1+3v2−v3=02v_1+3v_2-v_3=0。

例子2(包含零向量)

  • v1=(1,2),v2=(0,0)v_1=(1,2), v_2=(0,0): 取 c1=0,c2=5c_1=0, c_2=5 即可得零,相关。任何包含零向量的向量组一定线性相关。

例子3(三维中的“平面组”)

  • v1=(1,0,0),v2=(0,1,0),v3=(1,1,0)v_1=(1,0,0), v_2=(0,1,0), v_3=(1,1,0): 这三个向量都在 xyxy 平面这个二维子空间内,因此必然相关。实际上 v1+v2−v3=0v_1+v_2-v_3=0。
  • 去掉一个:v1,v2v_1, v_2 无关,它们张成 xyxy 平面。

例子4(函数空间,拓展一下)

  • 1,sin⁡2x,cos⁡2x1, \sin^2 x, \cos^2 x:相关,因为 sin⁡2x+cos⁡2x−1=0\sin^2 x + \cos^2 x - 1 = 0。
  • 1,x,x21, x, x^2:无关,因为多项式恒为零要求所有系数为零。

二、基

定义:向量空间 VV 的一组向量 v1,...,vdv_1, ..., v_d 满足两个条件:

  1. 它们线性无关;
  2. 它们张成 VV(即 VV 中任意向量都能表示为它们的线性组合)。

记忆核心:基是“刚好够用,一个不多余”的生成集。

例子1(标准基)

  • R3\mathbb{R}^3 的标准基:e1=(1,0,0),e2=(0,1,0),e3=(0,0,1)e_1=(1,0,0), e_2=(0,1,0), e_3=(0,0,1)。
  • 标准基向量两两正交。
  • 任何向量 (a,b,c)=ae1+be2+ce3(a,b,c) = a e_1 + b e_2 + c e_3。

例子2(非标准基)

  • R2\mathbb{R}^2 的另一组基:v1=(1,1),v2=(1,−1)v_1=(1,1), v_2=(1,-1)。 它们线性无关,且能张成整个平面:比如 (3,1)=2(1,1)+1(1,−1)(3,1) = 2(1,1)+1(1,-1)。
  • 基不是唯一的,但基中向量的个数是固定的。

例子3(矩阵的列向量作为基)

  • 矩阵 A=(123014)\begin{array}{c} A = \begin{pmatrix}1 & 2 & 3 \\ 0 & 1 & 4\end{pmatrix} \end{array},其列向量组在 R2\mathbb{R}^2 中,前两列已经线性无关,所以它们构成 R2\mathbb{R}^2 的一组基(第三列是前两列的组合)。但注意原向量空间是 R2\mathbb{R}^2,所以这里的基只取前两列即可。

三、维度

定义:向量空间 VV 的维度 dim⁡(V)\dim(V) 就是它任意一组基中向量的个数。

记忆核心:维度是空间的“自由度”,是生成该空间所需的最少向量数,也是最多能容纳的线性无关向量数。

例子1(常见空间的维度)

  • dim⁡(Rn)=n\dim(\mathbb{R}^n) = n。
  • 过原点的直线:维度1。
  • 过原点的平面:维度2。
  • 零向量空间 {0}\{0\}:维度0(没有基,约定为0)。

例子2(用维度判断相关性)

  • 在 R5\mathbb{R}^5 中任意6个向量必线性相关,因为维度是5,容不下6个无关向量。
  • 若一个子空间由3个向量张成,且它们线性无关,则该子空间维度是3。

例子3(与矩阵秩的关系)

  • 矩阵 AA 的列空间维数为 rank⁡(A)\operatorname{rank}(A)。
  • 零空间的维数为 n−rank⁡(A)n-\operatorname{rank}(A)。这个关系在 Lec 10 会被反复用到。

一个把三者串起来的经典问题

假设有一组向量 v1,v2,v3v_1, v_2, v_3 张成空间 VV,且它们是线性无关的。那么:

  • 这组向量就是 VV 的一组基。
  • VV 的维度是3。
  • 任何属于 VV 的向量都能被唯一地表示为这三个向量的线性组合。

如果再塞进一个 v4∈Vv_4 \in V,那么这组向量就变成相关了,不再构成基,因为它们“过完备”了。