title: 【线性代数】3-5:独立性,基和维度(Independence,Basis and Dimension)

categories:

  • Mathematic
  • Linear Algebra

    keywords:
  • Independence
  • Basis
  • Dimension
  • Span

    toc: true

    date: 2017-09-25 15:20:46

Abstract: 本文是本章最重要的知识点,也是整个线性代数中非常核心的内容,包括independence ,basis和dimension等多个概念

Keywords: Independence,Basis,Dimension,Span

开篇废话

在没有系统学习线性代数之前,对很多里面的名词有所畏惧,现在思考发现,很多听不懂的名词都是因为不明白背后的原理和知识才会产生畏惧,也有可能这个名词背后真的蕴藏的一个非常深奥的系统知识,但是如果我们慢慢的从头开始抽丝剥茧的把每一个知识点都掌握了,最后听到这个名词就会觉得这是个很平常的词汇而已,但是没有学习之前就会一头雾水,还有一个感觉就是,如果这些基础知识不掌握,论文种可能是个很简单的过程,作者略过了,如果基础不牢就会迷惑,或者自己瞎猜,其实迷惑不可怕,起码自己知道这里有问题,但是瞎猜就有问题了,而且还猜的理直气壮,觉得自己猜的都对,这种人是永远不会进步的。

今天我们就逐个解释线性代数中比较常出现的几个非常重要的概念。

Linear Independence

Linear Independence可以拆开看,Linear就是我们的基础关系,线性,满足线性组合的基本要求1-1:Linear Combinations有详细说明,就是满足add 和scalar的组合;Independence表示独立,谁和谁也不相关,其实不相关的这个概念在概率论中让我记忆深刻的,而且一直也不懂到底是啥意思(现在也不懂),不相关就是没办法关联起来。

现在抛弃上面的所有思路,从矩阵角度来看,矩阵角度也就是向量角度,因为Linear Independence是针对***向量***矩阵是向量合起来写的一种方式:

Definition: The columns of A are linearly independent when the only solution to Ax=0Ax=0Ax=0 is x=0x=0x=0 No other combination AxAxAx of the columns gives the zero vector

定义是说,当向量汇聚成矩阵后,矩阵的nullspace只有0向量的时候,这些向量线性独立,nullspace只有0,说明elimination后的rank=column number。这样nullspace就只有0了

另一个定义:

Definition: The sequence of vectors v1,…,vnv_1,\dots,v_nv1​,…,vn​ is linearly Independence if the only combination that gives the zero vector is 0v1+0v2+⋯+0vn0v_1+0v_2+ \dots +0v_n0v1​+0v2​+⋯+0vn​

x1v1+x2v2+⋯+xnvn=0x_1v_1+x_2v_2+\dots+x_nv_n=0x1​v1​+x2​v2​+⋯+xn​vn​=0 only happens when all x’s are zero

只有当x全是0的时候,组合向量v才能得到0,其他x不能完成这个任务,就说这些v线性独立。

注意,只有向量有线性独立的说法,一个矩阵不能线性独立,当然entry是矩阵的向量也可以线性独立,那就有点复杂了,不过也是一样的道理,满足条件就可以。

如果向量sequence中包含0向量,那么这个他们不会Linear Independence。

上面提到了rank和矩阵大小的关系对是否线性相关有影响,当r=n≤mr=n\leq mr=n≤m时,线性独立,但是当r≤m&lt;nr\leq m &lt; nr≤m<n时,必然线性相关。

在另一本书上《Linear algebra done right》上说当一个向量sequence里其中一个可以被其他线性组合出来,那么他们线性相关,否则线性无关,这个和上面的nullspace的说法含以上是一致的,但是感觉更形象。

Vectors that Span a Subspace(Row Space)

本来想写span但是总记得已经写过了,回去一查果然有说明,span的概念比较好理解,就是若干个向量通过线性组合得到的一个向量空间(满足向量空间的所有要求),具体的说明可以复习下:Span.列向量是矩阵中所有的列span成的空间。

举个

【线性代数】3-5:独立性,基和维度(Independence,Basis and Dimension)的更多相关文章

  1. 【读书笔记】:MIT线性代数(4):Independence, Basis and Dimension

    Independence: The columns of A are independent when the nullspace N (A) contains only the zero vecto ...

  2. 【线性代数】3-6:四个子空间的维度(Dimensions of the Four Subspaces)

    title: [线性代数]3-6:四个子空间的维度(Dimensions of the Four Subspaces) categories: Mathematic Linear Algebra ke ...

  3. 【线性代数】Linear Algebra Big Picture

    Abstract: 通过学习MIT 18.06课程,总结出的线性代数的知识点相互依赖关系,后续博客将会按照相应的依赖关系进行介绍.(2017-08-18 16:28:36) Keywords: Lin ...

  4. 线性代数导论 | Linear Algebra 课程

    搞统计的线性代数和概率论必须精通,最好要能锻炼出直觉,再学机器学习才会事半功倍. 线性代数只推荐Prof. Gilbert Strang的MIT课程,有视频,有教材,有习题,有考试,一套学下来基本就入 ...

  5. Codeforces1101G (Zero XOR Subset)-less 【线性基】【贪心】

    题目分析: 考虑到这是一个区间的异或问题,不妨求出前缀和,令$sum[i] = Xor_{j=1}^{i}a[j]$. 对于区间$[l,r]$的异或结果,等于$sum[r] \oplus sum[l- ...

  6. NPOI扩展--判断指定单元格是否为合并单元格和输出该单元格的行列跨度(维度)

    因工作需要用到跨合并单元格获取数据,所以写了个NPOI扩展类. 主要方法如下: 1.判断指定行/列索引(单元格)是否为合并单元格. 2.获取指定列索引的实际含有数据的单元格. 3.返回指定行/列索引的 ...

  7. DAX/PowerBI系列 - 关于时间系列 - 如何用脚本生成时间维度 (Generate Date Dimension)

    跟大家的交流是我的动力. :) DAX/PowerBI系列 - 关于时间系列 - 如何用脚本生成时间维度 (Generate Date Dimension) 难度: ★☆☆☆☆(1星) 适用范围: ★ ...

  8. 微软BI 之SSAS 系列 - 多维数据集维度用法之一 引用维度 Referenced Dimension

    在 CUBE 设计过程中有一个非常重要的点就是定义维度与度量值组关系,维度的创建一般在前,而度量值组一般来源于一个事实表.当维度和度量值组在 CUBE 中定义完成之后,下一个最重要的动作就是定义两者之 ...

  9. 小波变换和motion信号处理(一)(转)

    写的太好,不得不转:http://www.kunli.info/2011/02/15/fourier-wavelet-motion-signal-1/ 这是<小波变换和motion信号处理> ...

随机推荐

  1. .Net C# Dictionary 和参数字符串互转

    #region Parse #region Dictionary Parse To String /// <summary> /// Dictionary Parse To String ...

  2. codeforce B. Petya and Exam

    wa一万次难受. #include<cstdio> #include<cstring> #include<cmath> #include<algorithm& ...

  3. 计算两个坐标点的距离(高德or百度)

    /// <summary> /// 获取两个坐标之间的距离 /// </summary> /// <param name="lat1">第一个坐 ...

  4. [NOIP10.6模拟赛]1.merchant题解--思维+二分

    题目链接: while(1)gugu(while(1)) 闲扯 考场上怕T2正解写挂其他两题没管只打了暴力,晚上发现这题思维挺妙的 同时想吐槽出题人似乎热衷卡常...我的巨大常数现在显露无疑QAQ 分 ...

  5. JDK + Tomcat 安装 + 制作自定义镜像【第 3 篇 系统镜像】

    [第 1 篇 JDK]:https://www.cnblogs.com/del88/p/11842387.html[第 2 篇 Tomcat]:https://www.cnblogs.com/del8 ...

  6. scala的泛型浅析

    1. scala泛型浅析 package com.dtspark.scala.basics /** * 1,scala的类和方法.函数都可以是泛型. * * 2,关于对类型边界的限定分为上边界和下边界 ...

  7. 关于阮一峰老师es6(第三版)中管道机制代码的理解浅析

    最近正在学习阮一峰老师的es6(第三版)教材,在学到第七章<函数的扩展>中的箭头函数嵌套时,文中提到了一个关于“管道机制”的示例,文中源代码如下: //es6(第三版)教材中的管道机制源代 ...

  8. docker启动 elasticsearch 修改 xmx xms 堆内存大小修改

    用docker 安装的elasticsearch 5.6版本默认堆内存最大设置的2G 可以通过如下方法修改 [root@nova-92 logs]# find /var/lib/docker/ -na ...

  9. 微信小程序wxs如何使用

    新建一个.wxs文件 <!-- 引入.wxs文件 src为相对路径,module指定当前模块的名称 --> <wxs module="filter" src=&q ...

  10. vue项目,子页面刷新404问题

    翻车事故分析: 因需对项目整体优化,调整过程,采用了路由的history模式,本地项目运行,刷新子页面都是OK的. 部署到测试服务器,正常跳转都ok,但刷新子页面就会出现404,请求变成了get,没有 ...