【线性代数】【二】2.4 矩阵的零空间

---

前言

本文我们将重点关注$\mathbf{A}\mathbf{x}=0$的解集，并说明它构成一个向量空间，即零空间。

---

一、零空间

在上文中，我们分析了$\mathbf{A}\mathbf{x}=\mathbf{b}$的解，那么零向量自然也包括在内。略有特殊的地方在于，零向量属于任何列空间，所以该方程组必然有一个平凡解$\mathbf{x}=0$。对于列空间维数等于列向量维数的矩阵而言，这个解也就成立唯一解。

现在，我们说明，方程组$\mathbf{A}\mathbf{x}=0$的解集，构成一个向量空间，称之为矩阵的零空间，记作$N(\mathbf{A})$。由于该解集是向量空间的子集，且包含零向量，因此我们只需要验证其满足加法数乘的封闭性即可：

对于$\forall {\mathbf{x}}_i\in N(A),\forall a_i\in R$,只需证${\sum }_i{a}_i{\mathbf{x}}_i\in N(A)$即可。
$⟺{\sum }_i{a}_i{\mathbf{x}}_i$为$\mathbf{A}\mathbf{x}=0$的解。
$⟺{\sum }_i{a}_i\mathbf{A}{\mathbf{x}}_i={\sum }_i{a}_{i}0=0$

二、零空间的维度

既然零空间也是空间，那么它的维度是多少呢？与矩阵$\mathbf{A}$又会有什么关系呢？

首先一个简单的情况，即当矩阵的列空间维数等于列向量维数时，方程组只有唯一的零向量解，此时零空间只有一个零向量，维度为0。

然后我们考虑矩阵列空间维数小于列向量维数时，以如下矩阵为例：

$\mathbf{A}=\left(\begin{array}{ccc}1& 0& 1\\ 0& 1& 1\\ 0& 0& 0\end{array}\right)$

类似于本系列笔记2.3中的操作，我们容易得到得到$\mathbf{x}$