Logo

线性组合、张成空间与基

一、线性组合

线性组合（linear combination）：把若干向量各自乘以一个标量，再相加：

w=c1v1+c2v2+⋯+cnvn\mathbf{w} = c_1\mathbf{v}_1 + c_2\mathbf{v}_2 + \cdots + c_n\mathbf{v}_n

其中 c1,c2,…,cnc_1, c_2, \dots, c_n 是任意标量（实数）。

例：v₁ = (1, 0)，v₂ = (0, 1)
w = 3·v₁ + 2·v₂ = (3, 0) + (0, 2) = (3, 2)

关键点：标量 cic_i 可以取任意实数（包括负数、零、分数）。

二、张成空间（Span）

定义

一组向量的所有线性组合构成的集合，叫它们的张成空间（span）：

span{v1,v2,…,vn}={c1v1+c2v2+⋯+cnvn∣ci∈R}\text{span}\{\mathbf{v}_1, \mathbf{v}_2, \dots, \mathbf{v}_n\} = \{c_1\mathbf{v}_1 + c_2\mathbf{v}_2 + \cdots + c_n\mathbf{v}_n \mid c_i \in \mathbb{R}\}

直观理解：让标量取遍所有实数，向量能”到达”的所有位置。

交互演示

观察重点：

  • 两个不共线的向量 → 张成整个平面（任何点都能到达）
  • 两个共线的向量 → 只张成一条直线
  • 含零向量 → 零向量没贡献，张成仍由其余向量决定

三、线性相关与无关

定义

  • 线性相关（linearly dependent）：存在一组不全为零的标量 c1,…,cnc_1, \dots, c_n，使得 c1v1+⋯+cnvn=0c_1\mathbf{v}_1 + \cdots + c_n\mathbf{v}_n = \mathbf{0}。
  • 线性无关（linearly independent）：只有当 c1=c2=⋯=cn=0c_1 = c_2 = \cdots = c_n = 0 时，线性组合才为零向量。

直观理解

情况线性相关/无关说明
两个向量共线相关一个能被另一个数乘得到
两个向量不共线无关谁都不是对方的倍数
含零向量的集合一定相关零向量与任何向量相关
三个二维向量一定相关二维空间放不下 3 个无关向量
例：
v₁ = (1, 1)，v₂ = (2, 2)  → 相关（v₂ = 2v₁）
v₁ = (1, 0)，v₂ = (0, 1)  → 无关

四、基（Basis）

定义

基（basis） 是张成空间的一组线性无关的向量，且”不多不少刚刚好”：

  1. 张成：基向量的线性组合能到达空间的所有点
  2. 无关：没有多余的向量（去掉任何一个，张成空间就变小）

基的个数 = 空间的维度。

标准基

二维平面最常用的一组基，叫标准基（standard basis）：

ı^=(1,0),ȷ^=(0,1)\hat{\imath} = (1, 0), \quad \hat{\jmath} = (0, 1)

任何向量都能写成它们的线性组合：

v=(3,2)=3ı^+2ȷ^\mathbf{v} = (3, 2) = 3\hat{\imath} + 2\hat{\jmath}

y
↑
│      ● v = (3,2)
│     ╱
│  2 ╱
│  ╱
│╱
┗━━━━━━━━━→ x
   3

基不唯一

同一空间可以有无数组基。例如 {(1,1),(1,−1)}\{(1,1), (1,-1)\} 也是二维平面的一组基——只要两个向量不共线。

例：验证 (1,1) 和 (1,-1) 是基
任何 (x, y) = a(1,1) + b(1,-1)
解：a = (x+y)/2，b = (x-y)/2  ← 对任意 x, y 都有解
所以它们张成整个平面，且无关 → 是一组基

五、直观总结

概念一句话例子（二维）
线性组合缩放后相加3(1,0) + 2(0,1) = (3,2)
张成空间能到达的所有位置两个不共线向量 → 整个平面
线性相关有冗余（一个可由其他表示）(1,1) 与 (2,2)
线性无关无冗余(1,0) 与 (0,1)
基张成且无关1

小结

  • 线性组合：c1v1+c2v2+⋯c_1\mathbf{v}_1 + c_2\mathbf{v}_2 + \cdots，标量取任意实数
  • 张成空间：所有线性组合的集合（能到达的位置）
  • 两个不共线向量张成平面，共线只张成直线
  • 线性相关 = 有冗余；线性无关 = 无冗余；含零向量必相关
  • 基 = 张成 + 无关，基向量个数 = 维度
  • 标准基 ı^=(1,0)\hat{\imath} = (1,0)、ȷ^=(0,1)\hat{\jmath} = (0,1)，基不唯一

下一章进入核心主题：线性变换与矩阵，看矩阵如何”动”整个空间。

上一章节向量与线性组合从几何与代数双重视角理解向量，掌握向量加法、数乘、线性组合、张成空间与基，配交互式可视化。
下一章节向量加法与数乘掌握向量加法（平行四边形法则）与数乘（伸缩）的几何直觉与代数规则，理解线性组合。
线性代数