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.

Робочий приклад · 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]

Крок за кроком

  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

Показати відповідь
\operatorname{rank} A = 1

Тепер ти Виберіть проблему або наберіть її на зразок. Кожен крок, малюнок, відповідь, сховану до того часу, доки ви не запитаєте.

Нехай ваша робота буде такою ж, як у вас

Вільний рахунок додає нотатки до кожного уроку, запису того, що ви завершили, ваших розв' язаних проблем у одному місці, і репетитора, який ви можете запитати про цю сторінку. Сама математика відкрита для всіх, підписані чи ні.

Підписування Вхід

Символи, що тут використовуються

Взяти будь-який символ до повного визначення, зображення і що означає кожна літера.

Як це зробити?: 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.

Запитання людей

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.

Більше в Linear Algebra

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