【基底 / 線性組合 / 線性無關(相關)】- 圖解線性代數 02
上一次圖解微文中, 介紹了向量的概念以及加法和數乘運算, 這樣就構成了線性空間.
基底
在二維線性空間中, 只要用兩個特殊的向量就可以來用定位(表示)出任意向量:
空間中的任何向量都是可以通過縮放著兩個向量求和表示出來, 現在想象, 譬如向量 (3,2) 是沿著 i 的方向拉伸 3 倍, 再沿著 j 方向 拉伸 2 倍的向量相加結果.
這樣特殊的向量稱之為基底, 任何二維向量都可以由這兩個向量的線性組合表示出來, 其中 a, b 為標量.
觀察下面動圖顯示, 當兩個標量同時自由變化,
基底的選取有各種各樣的方式, 比如觀察下面動圖中 i 和 j 作為基底, 可能會有 3 種情況:
也可以線性表示出空間中任意的二維向量;
如果兩個初始向量恰好共線時候, 所產生的的向量的終點被限制在一條過原點的直線上;
兩個向量都是 0 向量, 其組合也是 0 向量.
所有由向量 i 和 j 線性組合而獲得所有可能的向量集合, 稱之為兩個向量張成的空間(Span).
用上面的圖形來說明: 對大部分二維向量來說, 兩個向量所張成的空間是所有二維向量的集合, 可以稱之為基底; 但當共線時, 張成的空間就是一條直線, 不能構成基底.
三維空間的基底
再來看看三維空間中的兩個方向不同的向量所張成的空間就是兩者所有的線性組合, 張成了一個過原點的平面 .
如果在加上第三個向量, 那麼線性組合為下面的形式:
對三個向量分別進行縮放, 然後把結果相加, 而這三個向量所有可能的線性組合構成了他們張成的空間:
線性相關
考慮 三維中第三個向量已經落在前兩個向量所張成的平面之中, 那麼就可以被這兩個向量線性表示; 或者二維中兩個向量共線, 那麼可以由另一個線性表示出來.
這種情況稱之為線性相關(Linearly Dependent), 也就是說存在向量對張成空間而言上多餘的, 即便刪除掉也不會對張成的空間有任何影響.
反之稱為線性無關, 也就是線性空間中, 沒有任何向量可以由其他向量經過線性組合表示出來, 每個向量對張成的空間都做出了"貢獻".
上面就是圖解線性代數例子. 好了, 現在讓我們在下一篇的中來看一看非常實用的向量數量積, 外積與混合積.
因為本人水平有限, 疏忽錯誤在所難免, 希望各位老師和朋友多提寶貴意見, 幫助我改進這個系列, 感謝感謝啦!
感謝關注!
相關文章
- 線性代數中的線性方程組方法
- MATLAB版線性代數-線性方程組1Matlab
- 【線性變換/矩陣及乘法】- 圖解線性代數 03矩陣圖解
- 線性代數
- 【行列式】- 圖解線性代數 04圖解
- 線性代數學習
- 線性代數基礎
- 線性代數--矩陣矩陣
- 【特徵值 / 特徵向量】- 圖解線性代數 11特徵圖解
- 高等代數理論基礎22:線性相關性
- 【scipy 基礎】--線性代數
- 【矩陣的乘積/複合變換】- 圖解線性代數 05矩陣圖解
- 線性方程組
- 關於非線性和線性是什麼的理解
- 高等代數:3 線性方程組的解集的結構
- [譯] JavaScript 線性代數:使用 ThreeJS 製作線性變換動畫JavaScriptJS動畫
- 程式設計與線性代數程式設計
- 線性代數--二次型
- 數學與Python有機結合及統計學、微積分、線性代數相關資源、圖形軟體Python
- 數學基礎之線性代數
- 如何入門線性代數?這裡有一份Python線性代數講義Python
- 關於 線性規劃 非線性規劃 與 凸優化優化
- 線性結構-線性表
- 線性代數常用基本知識整理
- 實驗五 迭代法解線性方程組與非線性方程(android)Android
- 《線性代數的本質》筆記10筆記
- 《線性代數的本質》筆記(09)筆記
- 線性表的相關操作-初始化、增添、刪除
- 不止卡方檢驗和線性相關係數,相關性分析有6種方法
- Java 使用 Apache commons-math3 線性擬合、非線性擬合例項(帶效果圖)JavaApache
- 嘗試討論線性方程組相關數學原理、機器學習模型引數求解的數學本質機器學習模型
- 線性方程組 入門概念
- [心得]機器學習基礎之線性代數筆記機器學習筆記
- 線性表
- 線性dp
- 線性基
- 10個例子帶你瞭解機器學習中的線性代數機器學習
- 高等代數理論基礎24:線性方程組有解判別定理