线性组合(linear combinations), 生成空间(span), 基向量(basis vectors)——线性代数本质(二)

Mathematics requires a small dose, not of genius, but of an imaginative freedom which, in a larger dose, would be insanity.

​ — Angus K. Rodgers

基向量(basis vectors)

在直角坐标系中,有两个基本的向量: 和 ,它们的单位长度都为1,根据前一篇文章《向量是什么》中描述的向量的加法和乘法的意义,用这两个向量就可以表示直角坐标系中的任何向量,例如 可以表示为 ,因此,这两个向量有一个专有的名称——基向量(basis vectors)。同时,在 轴上的向量 被称为 i-hat,符号为 ;而在 轴上的向量 被称为 j-hat,符号为 。

image

线性组合(Linear combinations)

推而广之,在坐标系中,除了基向量外,任何两个向量的进行基本的加法和乘法运算后,都可以组合成一个新的向量

在线性组合中, 和 是变量,即Scalars,如果它们不断变化,则得到的新向量也可以覆盖整个直角坐标系(不包括 和 在一条直线或一个点上的情况)。

把 和 看做基本向量,它们和 、 一样,通过改变 scalars,线性变换后的向量集都可以覆盖整个坐标系,区别在于,对于同样的输出向量(方向和长度一样),它们的 scalars 的值是不同的,选取不同的向量作为基本向量,可以构建不同的坐标系

线性组合中的线性从何而来?一种说法是, 或 中,保持其中一个参数不变,则结果向量的顶点将在坐标系中画出一条直线,如下面的右图所示:

保持 a 不变,不断变换 b 的值,得出右图的向量尾部落在一条直线上

生成空间(span)

生成空间的定义:

The "span" of and is the set of all their linear combinations.

向量 和向量 的生成空间为它们线性组合和所有集合

二维空间中,生成空间(span)有三种情况

  1. 如果 和 在一条直线上,且都不是原点,则 span 将是一条直线

  2. 如果 和 都是原点,则 span 也是原点

  3. 以上都不是,则 span 覆盖整个坐标系

三维空间中,如果有 2 个 vectors,则它们的线性组合形成的 span 为该维空间中的一个平面;如果有 3 个 vectors,且每一个 vector 和另外 2 个所组成的 span 不在同一个平面上,则这 3 个 vectors 可以构造三维空间中任意一个向量。

可以想象一下,当你引入并不断变换第三个向量(拉伸、翻转、压缩),它会把前两个向量组成的平面在空间中来回移动——相当于席卷了整个空间

线性相关(Linearly dependent)

如果新增的向量和原 span 重合,则它不会给 span 带来更多的变化,例如在二维空间中,2 条 vectors 在同 1 条直线上;三维空间中,第 3 条 vector 在前 2 条 vectors 所组成的平面上,则删去最后 1 条 vector 也不会给 span 带来任何变化,这种新的 vector 是多余的,我们把它称为 Linearly dependent :其中 1 条 vector 可以用其他的 vectors 来表示,例如 3 维空间中有:

线性无关(Linearly independent)

有 Linearly dependent ,就有 Linearly independent ,意味着新增的 vector 不在原 span 上,即给原来的 span增加了一个维度。

相关文章

  • 向量是什么——线性代数本质(一)

参考:

  • Linear combinations, span, and basis vectors | Essence of linear algebra, chapter 2

  • 使用 Python 來認識向量

你可能感兴趣的:(线性组合(linear combinations), 生成空间(span), 基向量(basis vectors)——线性代数本质(二))