本节内容都是一些定义,实际上我们之前已经接触过了。让我们总结一下:
给定一组向量 { v 1 , v 2 , . . . , v n } \{\bm{v_1,v_2,...,v_n}\} {v1,v2,...,vn},若 c 1 v 1 + c 2 v 2 + . . . + c n v n = 0 c_1\bm{v_1}+c_2\bm{v_2}+...+c_n\bm{v_n}=0 c1v1+c2v2+...+cnvn=0
仅有零解 c 1 = c 2 = . . . = c n = 0 c_1=c_2=...=c_n=0 c1=c2=...=cn=0, 则我们称 { v 1 , v 2 , . . . , v n } \{\bm{v_1,v_2,...,v_n}\} {v1,v2,...,vn} 线性独立。否则,线性相关。
给定一组向量 { v 1 , v 2 , . . . , v n } \{\bm{v_1,v_2,...,v_n}\} {v1,v2,...,vn},他们张成(span)的空间即为它们线性组合后的向量构成的空间。
一个vector space的basis是一组满足以下两个条件的向量 { v 1 , v 2 , . . . , v n } \{\bm{v_1,v_2,...,v_n}\} {v1,v2,...,vn}
linear independent.span the vector space.换句话说, n n n 是这个空间内最大的线性无关的向量组中向量的个数。
我们经常使用的basis是standard basis, e.g., [ 1 , 0 , 0 ] ⊤ , [ 0 , 1 , 0 ] ⊤ , [ 0 , 0 , 1 ] ⊤ [1,0,0]^\top,[0,1,0]^\top,[0,0,1]^\top [1,0,0]⊤,[0,1,0]⊤,[0,0,1]⊤.
就是上面的 n n n了,通常写作 dim ( V ) = n \text{dim}(V)=n dim(V)=n, 其中 V V V 是一个vector space.
over,这节课就是这么简单~~