本篇为MIT公开课——线性代数 笔记。
假设有一个(m*n)矩阵 (A) ，(n>m) ,并准备求解 (Ax=0)。未知数个数大于方程个数。前面已经学过这个算法。
线性相关性
定义：
除了系数全部为零，如果不存在结果为零向量的组合，则向量组线性无关。即
这个定义并不是只在矩阵里面，向量里面同样适用，在矩阵里面，我们不说矩阵线性相关/无关，而是说矩阵里面的向量组线性相关/无关。
举例：
假设有矩阵 (A) ，她的列向量为 (v_1,v_2,v_3...v_n) ：
1）如果列向量组线性无关，那么 (Ax=0) 的零空间只有零向量，秩 (rank=n) ，没有自由变量
2）如果列向量组线性相关，那么(Ax=0) 的零空间除了零向量，存在非零向量，秩 (rank<n) ，有自由变量。
张成空间
定义：设有向量组 (v_1,v_2,v_3...v_n) ，这个向量组所有的线性组合称为张成一个空间。
与矩阵列空间的定义一样，矩阵各列所有的线性组合构成列空间。
基
向量空间中的一组"基" 是指这一个向量组 (v_1,v_2,v_3...v_d) 同时具有这两个性质：
1）她们都是线性无关；
2）她们张成整个空间。
基具有重要意义，当需要确定一个子空间的时候，只需要确定子空间的基即可，因为她们所有的线性组合就是该子空间。
举例：
在 (R^3) 中：
一组基是 (left( egin{array}{c} 1 \ 0 \ 0 \ end{array} ight)，left( egin{array}{c} 0 \ 1 \ 0 \ end{array} ight)，left( egin{array}{c} 0 \ 0 \ 1 \ end{array} ight)) ，她不是唯一一组基，但足够了。
她们构成一个矩阵的列，可以表示为一个单位阵。单位阵的零空间只有零向量。
另一组 (left( egin{array}{c} 1 \ 1 \ 2 \ end{array} ight)),(left( egin{array}{c} 1 \ 1 \ 2 \ end{array} ight)),她不是 (R^3) 的基，但她满足线性无关，是(R^3) 中一个平面的基。
这些列构成的矩阵 (A)，必须满足可逆，因为可逆意味着，不存在一个非零矩阵，使得 (Ax=0)，零空间只有零向量，满足线性无关。
也可以看出，虽然基有很多组，但对于(R^n) 空间，基向量个数就是 (n) 个。对于给定空间，基向量的个数相等。
维数
基向量个数即为空间的维数。
维数定理
矩阵 (A)
矩阵 (A) 列的所有线性组合可以构成列空间 (C(A)).
但她们不是 列空间 (C(A)) 的基，因为前三列线性相关，零空间矩阵存在非零向量，比如 (left( egin{array}{c} 1 \ 1 \ -1 \ 0 \ end{array} ight)) .
我们可以找出 (C(A)) 的一组基，最明显的就是 (left( egin{array}{cc} 1 & 2 \ 1 & 1 \ 1 & 2 \ end{array} ight)) .她们就是主列，主列可以构成列空间最明显的一组基。
(C(A)) 的秩为2.
定理：
矩阵秩的个数就是矩阵张成列空间的维数。
那么零空间的维数是多少？
定理：
零空间的维数是自由变量的个数。
这两个定理就是维数定理。