套餐多，不一定意味着选择多#

一家店有 A 套餐 $(1,2)$，表示 1 盒牛奶、2 个面包；B 套餐 $(2,4)$；C 套餐 $(2,1)$。

B 只是两份 A，没有增加新的搭配方向。A 与 C 却不同：它们提供两个独立的配比。宣传单上写了三个套餐，但从线性模型看，真正独立的选择只有两个。

“秩”数的是这种独立信息；“基”是一套足够表达所有搭配、又不重复的基本选择。后面会把这个想法推广到传感器读数、方程约束和多项式系数。

套餐坐标怎样换回商品坐标#

用 A 套餐 $(1,2)$ 与 C 套餐 $(2,1)$ 作基，套餐份数 $(a,c)$ 对应商品数量 $(a+2c,2a+c)$。从套餐坐标到商品坐标的矩阵，就是把两份套餐排成列。

“基”同时保证两件事：所有目标能表示，以及表示不会有两套互相冲突的系数。只满足前者叫生成集；只满足后者叫线性无关集。基把足够与不多余这两点合在一起。

独立测量为什么会减少自由度#

未知量有三项 $x,y,z$，一开始有三个自由方向。如果加入一条独立约束 $x+y+z=0$，可以任选 $y,z$，再由它们确定 $x$，自由度减少到两个。若再加入约束 $x-y=0$，只剩一个自由参数。

但若第二条只是 $2x+2y+2z=0$，它没有减少自由度，因为已经被第一条蕴含。秩数的是独立约束，而不是纸上写了多少行方程。

有限维中，独立输出信息的数量加上完全丢掉的输入自由度，恰好等于原输入维数。这就是秩零化度公式，不妨把它当作一笔信息收支账。

商空间是一种明确的“忽略什么”#

设你分析一段录音的变化形状，不关心它整体上移了多少。$f(t)$ 与 $f(t)+5$ 会有不同的绝对值，却有相同的变化趋势。如果决定把相差常数的函数归为同类，就在主动忽略常数方向。

数学上，这样的类别组成按常数子空间取商的空间。求导在这个商空间上不会再把不同类别映成同一结果，因为导数相同的可微函数只差常数。

商空间不是简单删掉几个符号，而是先规定什么差别可以忽略，再检查加法、数乘甚至距离是否对不同代表都一致。后面 $L^p$ 忽略零测集差异，也是类似的“先决定哪些差别算同一个对象”的思想。

带你做：只记温差，不记绝对温度#

三次温度读数为 $(T_1,T_2,T_3)$，设备只输出相邻温差 $(T_2-T_1,T_3-T_2)$。整体加 5°C，输出完全不变。

矩阵为 $D=\begin{pmatrix}-1&1&0\\0&-1&1\end{pmatrix}$，核为 $\operatorname{span}\{(1,1,1)\}$，秩为 2。输入三维，丢掉一维整体偏移，保留两维变化信息，正好符合秩零化度关系。

若给出温差 $(2,-1)$，全部原始读数为 $(c,c+2,c+1)$。知道变化并不足以确定绝对温度；还需要一个基准值。按常数方向取商以后，这些原始读数则属于同一个类。

商空间在这里不是一个高深绕口的替代名词，而是“我们决定只保留变化、忽略基准”的精确记录。以后微分方程里常数自由度与边界条件的关系，也可以沿着这个例子理解。

回头整理：定义、工具与练习#