列空间和零空间

矩阵列向量作为基向量组成的空间叫列空间

两个子空间的并集不一定是一个空间,但是他们的交集一定还是一个空间,虽然这个空间可能只有0
A中几个线性无关的列叫主列(pivot column)

这可以从一些新的角度理解矩阵运算

• $Ax$ 是 矩阵A的列空间中坐标$x$在原始空间中的值,也可以说是把$x$从列空间转换到标准欧式空间空间中
• $A=BC$是 矩阵B线性组合得到A的每一列，第$i$列 线性组合的系数恰好是C的第$i$列向量，
  因此最终的A列向量和B的列向量等长，简单地说就是他们行数相同，
  并且矩阵A列数目等同于C的列数目，也就是说他们的列数相同
• $A=B\Delta$ 是对B按列缩放，$\Delta$是对角矩阵

类似的，矩阵也有行空间。
对$A=BC$转置可以从列空间的角度理解行空间

• $A=BC$ 表示 矩阵A的行向量，是C的行空间的线性组合，其中系数就是B的行向量
• $A=\Delta C$ 是对C按行放大，对角元素的值

零空间是 Ax=0所有解的组合

• 零空间和行空间在正交,在几何上互相垂直
• 零空间的真实维度是n-r，r是矩阵的秩,n是列数

$A{x}_1=0;A{x}_2$=0,那么$A（x_1+x_2）=0$ 这说明零空间是封闭的
Ax=0，可以知道x与A的任意行向量正交，所以他们是正交的

我们知道如果矩阵不是满秩的，那么行向量长度为n，但是它组成的子空间不能铺满整个n维欧式空间。
矩阵秩为r，其实就是有r个独立的行向量，它们就是行空间的有效基向量，其他基向量可以被他们线性组合得出，所以是无效的，所以我们可以认为行空间本质上是r维子空间。

完整的n维空间有r个维度已经被行空间所表达，那么剩下的n-r的维度就是零空间所能表达的子空间。他们各自分别能拿出r个独立的基向量和n-r个独立的基向量，这些组合起来就是完整的n维空间,不过需要注意的是行空间和零空间的并集并不是完整的n维空间,这两个空间的正交而不是互补的,不过他们的基向量互补可以组成完成的n维空间