MIT线性代数-3-3.2——Nullspace of a Matrix

我们看一下本节的几句重点

1. n 维度向量空间 $R^n$ 中的零空间 $N(A)$ 包含所有的 $Ax=0$ 的解，由于 x=0也是它的解，所以这个零空间也包含 x = 0。
2. 消元并不会改变零空间，$A（普通矩阵）、U（行阶梯型矩阵）、R（化简后的行阶梯矩阵）$都不会改变
3. rref: recuded row echelon form，化简后的行阶梯矩阵所有的主元都是1，主元存在的每一列除了主元都是零
4. 如果某一列 $j$ 没有主元，那么可以设结果向量中 $colum{n}_j$ 对应的$x_j$ 为1，由其他非零主元对应的结果为零，来求得相应的特解。大家有可能不太理解这句话，可以举个例子，这个矩阵是已经化简好的一个行阶梯矩阵
   $$R=\left[\begin{array}{ccccc}1& 0& a& 0& c\\ 0& 1& b& 0& d\\ 0& 0& 0& 1& e\\ 0& 0& 0& 0& 0\end{array}\right]$$
   那么我们知道，它的零空间是由一组向量线性组合构成的，我们设某个向量为
   $$\left[\begin{array}{c}{x}_i\\ x_j\\ x_k\\ x_l\\ x_m\end{array}\right]$$
   $$R=\left[\begin{array}{ccccc}1& 0& a& 0& c\\ 0& 1& b& 0& d\\ 0& 0& 0& 1& e\\ 0& 0& 0& 0& 0\end{array}\right]\times \left[\begin{array}{c}{x}_i\\ x_j\\ x_k\\ x_l\\ x_m\end{array}\right]=0$$
   $x_i$ 就对应着$x_i$倍的R的第一列，$x_j$ 就对应着$x_j$倍的R的第二列，以此类推，然后把这几列对应着加起来。
   我们可以发现，非主元列对应的系数为 $x_k$ 和 $x_m$， 我们可以设 $x_k=1,x_m=0$ ，那么我们可以看到，第一列是主元，只有第一个数是1，它可以用来消灭a，第二列的1可以用来消灭b，第四列也是主元，没有需要让它消灭的，所有可以设置它的系数为0，我们可以轻松的得到一个特解:
   $$S_1=\left[\begin{array}{c}-a\\ -b\\ 1\\ 0\\ 0\end{array}\right]$$
5. 任何行数大于列数的矩阵，零空间中都有非零解。