四个基本子空间
当
A
m
×
n
A_{m\times n}
Am×n例如
A
=
[
1
2
3
4
5
6
]
2
×
3
A=\begin{bmatrix}1&2&3\\4&5&6\end{bmatrix}_{2\times3}
A=[142536]2×3
列空间
C
(
A
)
C(A)
C(A):所有列的线性组合,
R
m
R^m
Rm
A
=
[
1
2
3
4
5
6
]
2
×
3
→
[
1
0
−
1
0
1
2
]
2
×
3
A=\begin{bmatrix}1&2&3\\4&5&6\end{bmatrix}_{2\times3}\rightarrow\begin{bmatrix}1&0&-1\\0&1&2\end{bmatrix}_{2\times3}
A=[142536]2×3→[1001−12]2×3
R
(
A
)
=
2
R(A)=2
R(A)=2所以有一个自由列,因此列空间的基只有两组向量,因此列空间维数为
R
2
R^2
R2,并不是矩阵有几列,列空间就是几维,因为这之中存在多余列。
零空间
N
(
A
)
N(A)
N(A):
A
X
=
0
AX=0
AX=0的解,
R
n
R^n
Rn
行空间
R
(
A
)
R(A)
R(A):所有行的线性组合(所有
A
T
A^T
AT列的线性组合),
R
n
R^n
Rn
转置零空间
N
(
A
T
)
N(A^T)
N(AT):通常称作
A
A
A的左零空间,
R
m
R^m
Rm
列空间 C ( A ) C(A) C(A)
列空间的基就是初等行变换之后的主列(pivot columns),空间维数就是 R ( A ) R(A) R(A)
行空间 R ( A ) R(A) R(A)
行空间的基就是初等行变换之后的主行(pivot rows),空间维数就是
R
(
A
)
R(A)
R(A)。行空间与列空间的维数都是
R
(
A
)
R(A)
R(A)
A
=
[
1
2
3
1
1
1
2
1
1
2
3
1
]
→
[
1
0
1
1
0
1
1
0
0
0
0
0
]
=
[
I
F
0
0
]
A=\begin{bmatrix}1&2&3&1\\1&1&2&1\\1&2&3&1\end{bmatrix}\rightarrow \begin{bmatrix}1&0&1&1\\0&1&1&0\\0&0&0&0\end{bmatrix}=\begin{bmatrix}I&F\\0&0\end{bmatrix}
A=⎣
⎡111212323111⎦
⎤→⎣
⎡100010110100⎦
⎤=[I0F0]
A的行空间的一组基是:
[
1
0
1
1
]
\begin{bmatrix}1&0&1&1\end{bmatrix}
[1011]
[
0
1
1
0
]
\begin{bmatrix}0&1&1&0\end{bmatrix}
[0110]
可见,矩阵A的行空间的基是最简行矩阵
R
R
R的前
R
(
A
)
R(A)
R(A)行,而不是原矩阵
A
A
A的前两行。
零空间 N ( A ) N(A) N(A)
将A行变换然后得到最简形,然后求特解。一组特解就是零空间的基,特解是通过自由变量赋值求来的,因此有 n − R ( A ) n-R(A) n−R(A)个特解,零空间的维数也是 n − R ( A ) n-R(A) n−R(A)
左零空间 N ( A T ) N(A^T) N(AT)
左零空间的维数是
m
−
R
(
A
)
m-R(A)
m−R(A)
A
T
y
=
0
A^Ty=0
ATy=0
向量
y
y
y在
A
T
A^T
AT的零空间里,现在我们希望把向量
y
y
y放到左边去,只需要对方程两边进行转置
y
T
A
=
0
T
y^TA=0^T
yTA=0T
得到一个行向量左乘矩阵,所以这个零空间被称作左零空间。那么如何求解左零空间的基?
例:尝试从
A
→
R
A\rightarrow R
A→R的过程中是否能发现左零空间基的一些信息。
思路:
[
A
m
×
n
I
m
×
n
]
→
[
R
m
×
n
E
m
×
n
]
\begin{bmatrix}A_{m\times n}\,I_{m\times n}\end{bmatrix}\rightarrow\begin{bmatrix}R_{m\times n}\,E_{m\times n}\end{bmatrix}
[Am×nIm×n]→[Rm×nEm×n]
通过将矩阵
A
A
A消元得到矩阵
R
R
R,该过程的消元矩阵记作
E
E
E,即
E
A
=
R
EA=R
EA=R。若
A
A
A为仿真,且
R
=
I
R=I
R=I,则有
E
=
A
−
1
E=A^{-1}
E=A−1
设
A
=
[
1
2
3
1
1
1
2
1
1
2
3
1
]
A=\begin{bmatrix}1&2&3&1\\1&1&2&1\\1&2&3&1\end{bmatrix}
A=⎣
⎡111212323111⎦
⎤
E
A
=
[
−
1
2
0
1
−
1
0
−
1
0
1
]
[
1
2
3
1
1
1
2
1
1
2
3
1
]
=
[
1
0
1
1
0
1
1
0
0
0
0
0
]
=
R
EA=\begin{bmatrix}-1&2&0\\1&-1&0\\-1&0&1\end{bmatrix}\begin{bmatrix}1&2&3&1\\1&1&2&1\\1&2&3&1\end{bmatrix}=\begin{bmatrix}1&0&1&1\\0&1&1&0\\0&0&0&0\end{bmatrix}=R
EA=⎣
⎡−11−12−10001⎦
⎤⎣
⎡111212323111⎦
⎤=⎣
⎡100010110100⎦
⎤=R
从上式可以看出,矩阵
E
E
E的最后一行使得矩阵
A
A
A的行向量线性组合得到0向量。也就是说
[
−
1
0
1
]
[
1
2
3
1
1
1
2
1
1
2
3
1
]
=
[
0
0
0
0
]
\begin{bmatrix}-1&0&1\end{bmatrix}\begin{bmatrix}1&2&3&1\\1&1&2&1\\1&2&3&1\end{bmatrix}=\begin{bmatrix}0&0&0&0\end{bmatrix}
[−101]⎣
⎡111212323111⎦
⎤=[0000]
y
T
A
=
0
y^TA=0
yTA=0因此求得了
y
T
=
[
−
1
0
1
]
y^T=\begin{bmatrix}-1&0&1\end{bmatrix}
yT=[−101]
矩阵
R
R
R的秩是2,行数是3,因此左零空间的维度是1
新型向量空间
所有的3x3矩阵看作“向量”,符合对于线性运算封闭,将矩阵空间称作M
M的子空间包括:
1.所有的上三角阵
2.所有的对称阵
3.所有的对角阵
对角阵是前两个子空间的交集,其维数为3,具有以下一组基:
[
1
0
0
0
0
0
0
0
0
]
[
0
0
0
0
1
0
0
0
0
]
[
0
0
0
0
0
0
0
0
1
]
\begin{bmatrix}1&0&0\\0&0&0\\0&0&0\end{bmatrix}\begin{bmatrix}0&0&0\\0&1&0\\0&0&0\end{bmatrix}\begin{bmatrix}0&0&0\\0&0&0\\0&0&1\end{bmatrix}
⎣
⎡100000000⎦
⎤⎣
⎡000010000⎦
⎤⎣
⎡000000001⎦
⎤