　向量空间又称线性空间，是线性代数的中心内容和基本概念之一。在解析几何里引入向量概念后，使许多问题的处理变得更为简洁和清晰，在此基础上的进一步抽象化，形成了与域相联系的向量空间概念。

线性组合

　　线性组合（liner combinations）这个概念曾经被多次提到，如果v1,v2…vn是n维向量，即vi∈Rn，那么t1v1 + t2v2 + … + tnvn就是v1,v2…vn 的线性组合，ti∈R。从定义可以看出，线性组合仅包括乘法和加法，只有同阶向量才涉及到线性组合。

　　如果有两个二维向量：

　　下面是可能存在的线性组合：

　　最后一个组合最终得到零向量，零向量也是一个线性组合。此外，按照惯例，单个向量用列向量表示。

　　单个向量同样存在线性组合。下面是a可能存在的线性组合：

向量空间

　　概念没什么好解释的，经常提到二维空间R2，三维空间R3，n维空间Rn，这些就是向量空间。

　　以R2空间为例，如果有两个指向不同方向的非零向量a和b，那么R2空间的所有向量都可以用a和b的线性组合得出；a和b的所有线性组合都在R2空间内。这也意味着，向量空间对向量的所有线性组合封闭。下面是一个不封闭的例子，如果定义R2的第一象限是向量a(1,1)的向量空间，那么a的所有线性组合应该全部在第一象限内，但是 –a却落在了其它象限，所以第一象限不对a封闭，也不是a的向量空间。

向量张成的空间

　　如果几个向量的线性组合在某一个向量空间中，并且该向量空间仅包括这几个向量的线性组合，那么这个向量空间就叫做这几个向量张成的空间。简单地说，N个向量张成的空间就是N个向量的线性组合。

　　以R2空间为例，如果有两个指向不同方向的非零向量a和b，那么a,b张成的空间就是R2，用span(a, b) = R2 表示。如果是两个平行的向量，a’ = <1, 1>，b’ = <-1, -1>，那么它们无法张成R2，因为无论怎样线性组合，也不可能得到<1, -1>，实际上，a’b’ 张成的空间是一条直线：

　　同样，span(a)张成的空间也仅仅是a的伸缩，所以span(a)也是一条直线。很明显，0向量张成的向量空间还是0向量。

　　需要注意的是，a是经过原点的，如果很不幸地将a画在了别的地方，它张成的空间就不是直线了，因为其中一个线性组合0a并不在直线上：

线性相关和线性无关

　　如果有两个向量<2,3>和<4, 6>，它们张成的空间是什么呢？

　　根据定义，这两个向量的线性组合是：

　　这相当于单个向量<2, 3>的线性组合，是一条直线。实际上，这正是过原点的直线参数方程（直线的参数方程可参考《线性代数笔记6——直线和曲线的参数方程》）。

　　上面的两个向量就是线性相关的，这意味着它们中的一个可以用另一个的线性组合表示，也就是说其中一个向量是多余的，或者说它们不是独立向量（对同一种现象，线性代数从不同的角度会有多种叫法，这多少令人迷惑）。与之相反，就是线性无关。

　　再来一组向量，看看它们是线性相关还是线性无关？

　　看起来是线性无关的，其中一个向量无论再怎么增大，都无法表示另一个，但是线性组合不仅仅包括数乘：

　　v3是v1v2的线性组合，所以这三个向量是线性相关的。换个角度看，v1v2是线性无关的，span(v1, v2) = R2，R2中的每个向量都可以由v1, v2的线性组合表示，而v3∈R2，所以v3也可以由v1, v2的线性组合表示，它是个多余向量（当然，也可以说v1或v2是多余的，因为三者中的任意一个都可以由另外两个表示，所以三者等价），对张成空间没有任何贡献，因此v1v2 v3是线性相关的。span(v1, v2, , v2) = R2

　　有了上面的铺垫，可以用数学语言描述线性相关的定理：如果存在一个集合S = {v1, v2,…,vn}，当这个集合满足t1v1 + t2v + … + tnvn= Z 时，S中的向量是线性相关的，其中Z是0向量，ti∈R，ti 不全为0。

　　这似乎有些让人困惑，如果换一种写法就很清晰了。假设t1 ≠ 0：

　　现在可以看出，定理描述的是，v1可以用其它向量的线性组合表示。在判断线性相关的时候，定理提供了一种有效的方案。

　　现在有两个向量：

　　或许很容易看出它们是线性无关的，现在根据上面数学描述看一种新方案：

　　现在判断线性相关变成了解方程组的问题，因为这个方程组解得t1 = 0, t2 = 0，所以两个向量是线性无关的，t1t2至少有一个不为0才是线性相关。

子空间

　　设V是 Rn的一个非空子集，若V中的任意N个向量的线性组合依然属于V，则称V是 Rn的一个线性子空间，简称子空间。

　　根据概念，如果V是Rn的线性子空间，则V一定满足三个条件，

包含0向量；
x是V中的一个向量，x和一个标量的乘积也在V中，即数乘封闭性；
a和b是V中的向量，a+b也在V中，即加法封闭性。

　　上面的2、3可以看作是V中任意两个向量的线性组合。

　　对于R2来说，它的子空间有三个， R2本身、Z、所有经过原点的直线。

　　对于R3来说，它的子空间有四个， R3本身、Z、所有经过原点的直线、所有经过原点的平面。

　　来看一个例子，下面的V是否是R2的子空间？

　　可以通过分量的取值范围得知，V是直角坐标系的一、四象限：

　　可以根据子空间的条件逐一检验，首先0向量在V内；再看加法封闭性，这样定义V中的任意两个向量：

　　由于a1+a2 ≥ 0，所以满足加法封闭性。最后看乘法封闭性，当标量为负数时，其结果已经超出了一、四象限，不在V中，所以不满足乘法封闭性，V不是R2的子空间。

　　最后，向量集合张成的空间一定是子空间，所以也经常说“向量张成的子空间”。

子空间的基

　　简单地说，基就是张成子空间所需要的最小向量集。

　　如果一个向量集S={v1, v2 … vn}中的向量是线性无关的，S张成了一个子空间V，S就叫做V的一组基，{v1, 2v2, 3v3 … nvn} 是另一组基，但是它和第一组没什么本质区别。

　　下面的集合S1和S2都是R2的一组基：

　　因为S2中的两个向量是R2空间两个维度上的单位向量，所以S2也叫做R2的标准基。

　　作者：我是8位的

　　出处：http://www.cnblogs.com/bigmonkey

　　本文以学习、研究和分享为主，如需转载，请联系本人，标明作者和出处，非商业用途！

　　扫描二维码关注公众号“我是8位的”

线性代数笔记11——向量空间相关推荐

线性代数笔记（1）：线性方程组
线性代数笔记(1):线性方程组 2019-10-14 这部分的笔记依据David C. Lay 的<线性代数及其应用>第一章内容. ♡1\heartsuit 1♡1 线性方程组 1.1 线 ...
线性代数笔记：概率矩阵分解 Probabilistic Matrix Factorization （PMF）
概率矩阵分解模型可以解决大规模.稀疏且不平衡的数据. 1 PMF的两点假设 1.1.观测噪声(观测评分矩阵和近似评分矩阵之差)服从高斯噪声的正态分布观测评分矩阵是ground truth的矩阵,我们 ...
【线性代数笔记】线性代数知识点总结、概念之间关系总结
文章目录矩阵的秩 1. 基础 2. 秩与行列式的关系 3. 秩与伴随矩阵的关系 4. 秩标准型 5. 秩与分块矩阵的关系 6. 秩与向量组的关系 7. 秩与线性方程组的关系 8. 秩与特征值的关系 ...
SpringMVC:学习笔记(11)——依赖注入与@Autowired
SpringMVC:学习笔记(11)--依赖注入与@Autowired 使用@Autowired 从Spring2.5开始,它引入了一种全新的依赖注入方式,即通过@Autowired注解.这个注解允许 ...
操作系统概念学习笔记 11 进程同步（一）
操作系统概念学习笔记 11 进程同步(一) 互相协作的进程之间有共享的数据,于是这里就有一个并发情况下,如何确保有序操作这些数据.维护一致性的问题,即进程同步. 从底层到高级应用,同步机制依次有临界区 ...
线性代数笔记：Khatri-Rao积
1 介绍 Khatri-Rao积的定义是两个具有相同列数的矩阵与矩阵的对应列向量的克罗内克积(线性代数笔记:Kronecker积_UQI-LIUWJ的博客-CSDN博客) 排列而成的,其生成的矩阵大小 ...
李宏毅线性代数笔记5：线性方程组
1 线性方程的解 1.1 两维的情况 span of the columns of A--由A的列向量张成的空间 2 线性方程有解的充要条件线性方程x1a1+x2a2+--+xnan=β有解(con ...
U3D笔记11:47 2016/11/30-15:15 2016/12/19
U3D笔记11:47 2016/11/30-15:15 2016/12/19 技术BLOG:http://www.unity.5helpyou.com/2373.html#comment-43108 ...
Python 网络爬虫笔记11 -- Scrapy 实战
Python 网络爬虫笔记11 – Scrapy 实战 Python 网络爬虫系列笔记是笔者在学习嵩天老师的<Python网络爬虫与信息提取>课程及笔者实践网络爬虫的笔记. 课程链接:Py ...

线性代数笔记11——向量空间