maths.free › Linear Algebra › Vector spaces, span and linear independence

Vector spaces, span and linear independence

The axioms, spanning sets, independence, basis and dimension.

A vector space is a set closed under addition and scaling. Vectors are independent when no combination cancels; a basis is an independent spanning set, and every basis has the same size: the dimension. Picture it: two vectors spanning a plane unless they are parallel, the 3D view of the column vectors. Think it: rank is the dimension of the column space; rank + nullity = number of columns.

Rechenbeispiel · rank of [[1,2],[2,4]]

Linear-Algebra · Rank

Rank of [[1,2],[2,4]]

\left[\begin{matrix}1 & 2\\2 & 4\end{matrix}\right]

Schritt für Schritt

  1. \left[\begin{matrix}1 & 2\\2 & 4\end{matrix}\right]

    Row-reduce; the rank is the number of non-zero rows (pivots).

  2. \left[\begin{matrix}1 & 2\\0 & 0\end{matrix}\right]

    R2 ← R2 − (2)·R1 to clear column 1.

  3. \operatorname{rank} A = 1

Antwort aufdecken
\operatorname{rank} A = 1

Jetzt du Wählen Sie ein Problem, oder tippen oder zeichnen Sie Ihre eigenen. Jeder Schritt, ein Bild, die Antwort versteckt, bis Sie fragen.

Behalten Sie Ihre eigenen Lösungswege

Ein kostenloses Konto fügt Notizen zu jeder Lektion, eine Aufzeichnung von dem, was Sie beendet haben, Ihre gelösten Probleme an einem Ort, und ein Tutor können Sie über diese Seite fragen. Die Mathematik selbst ist offen für alle, angemeldet oder nicht.

Registrieren Anmelden

Hier verwendete Symbole

Tippen Sie auf jedes Symbol für die vollständige Definition, ein Bild und was jeder Buchstabe darin bedeutet.

Wie man: Vector spaces, span and linear independence

  1. Put the vectors as columns of a matrix and row-reduce.
  2. Pivot columns are a basis of the span; the number of pivots is the rank.
  3. Free columns give the null space: the dependencies among the vectors.

Fragen, die die Leute stellen

What does a determinant mean geometrically?

It is the factor by which the matrix scales area (2×2) or volume (3×3), with a negative sign if orientation flips. Zero means the matrix flattens space and cannot be undone.

What is an eigenvector?

A direction the matrix does not turn: it only stretches it by the eigenvalue. Along eigenvectors a complicated matrix acts like multiplication by a number.

Why is matrix multiplication not commutative?

Because a matrix is a transformation and AB means "do B, then A". Rotating then reflecting is not the same as reflecting then rotating.

Mehr in Linear Algebra

DeterminantsMatrix inverseEigenvalues and eigenvectorsMatrix multiplicationRow reductionOrthogonality, projections and least squaresDiagonalisation and matrix powersLinear transformations and change of basis