线性代数之 向量空间与基，子空间，列空间，零空间，秩

前言

本篇介绍向量空间的有关内容。向量空间实际上是一个群。

向量空间

定义：向量空间是由向量构成的非空集合$V$，该集合上定义了两种运算，即加法和标量乘法，并且存在一个零向量$\vec{0}$；向量空间中所有向量的运算都是封闭的，即向量空间中的运算不会超出空间外（$u+v\in V,a_{1}u\in V$）。

举例：$R^n$是一个向量空间，包含了所有n维向量。

基

向量空间$V$中的所有向量如果能够被一组线性无关的向量${\vec{v}}_1,{\vec{v}}_2,\dots ,{\vec{v}}_k$的线性表示，则称该向量组是向量空间$V$的一个基。一个向量空间可以有很多组基，但是基的维度是相同的。

子空间

定义：由向量构成的非空集合$H$中，存在向量空间$V$中的零向量，并且$H$中任意的向量加法和标量乘法都是封闭的，则$H$是$V$的一个子空间。

可以看出，$H$是自身的子空间，$H$是$V$的子空间，$V$是$R^n$的子空间。

生成子空间

定义：向量${\vec{v}}_1,{\vec{v}}_2,\dots ,{\vec{v}}_k$在向量空间$V$中，则${\vec{v}}_1,{\vec{v}}_2,\dots ,{\vec{v}}_k$的所有线性组合表示的向量的集合$H$是$V$的一个子空间，记 H = S p a n { v ⃗ 1 , v ⃗ 2 , … , v ⃗ k } H=Span\{\vec v_1,\vec v_2,\dots, \vec v_k \} H=Span{v 1​,v 2​,…,v k​}，称$H$为 { v ⃗ 1 , v ⃗ 2 , … , v ⃗ k } \{\vec v_1,\vec v_2,\dots, \vec v_k \} {v 1​,v 2​,…,v k​}生成的$V$的子空间。

生成集定理：如果 S = { v ⃗ 1 , v ⃗ 2 , … , v ⃗ k   } ∈ V , H = S p a n { v ⃗ 1 , v ⃗ 2 , … , v ⃗ k } S=\{\vec v_1,\vec v_2,\dots, \vec v_k \ \}\in V, H=Span\{\vec v_1,\vec v_2,\dots, \vec v_k \} S={v 1​,v 2​,…,v k​ }∈V,H=Span{v 1​,v 2​,…,v k​}，$S$中的某个向量${\vec{v}}_i$是其它向量的线性组合，则将${\vec{v}}_i$去除后的$S$仍然能够生成向量空间$H$，并且如果 H ≠ { 0 } H \ne \{0\} H​={0}，则$S$的某一子集是向量空间$H$的基。

列空间

定义：矩阵$A$的列向量生成的向量空间称为$A$的列空间，记为$ColA$。$ColA$是$A$的列向量的所有线性组合的集合。

结合上一篇矩阵乘法的本质可知，方程$Ax=b$是否有解，就是判断向量$b$是否在$A$的列空间中。

如果$A\in R^{m\times n}$，则$ColA\in R^n$

零空间

定义：满足矩阵方程$Ax=0$的所有解向量的集合称为$A$的零空间，记为$NulA$。

如果$A\in R^{m\times n}$，则$NulA\in R^m$

向量空间的维数

向量空间$V$的一个基中包含的向量个数称为向量空间的维数，记为$dimV$。

$ColA$的维数是矩阵$A$的列向量的主元列数。
$NulA$的维数是方程$Ax=0$ 的自由变量的个数。

矩阵的秩

对于矩阵$A\in R^{m\times n}$，$A$的秩即$A$的列空间的维数，即$rank(A)=dimColA$，并且有$rankA+dimNulA=n$。