这是Strang教授的第六讲,讲解的内容是线性代数里的俩个最重要向量子空间:列空间和零空间,同时还有上节课剩余的一点关于向量空间的问题。1.向量空间和子空间;2.列空间;3.零空间。
1.向量空间和子空间
这里还有一点关于向量空间和子空间的问题。假设有两个向量子空间P和L,回答下面两个问题:1.是向量子空间吗?2.
是向量子空间吗?下面直接给出问题的答案:
问题1: 不一定是向量子空间,比如L是三维空间中过原点的直线,P是三维空间中过原点的平面,那么P和L都是
的向量子空间,但
却并不一定:如果L在平面P上,那么
,是向量子空间;但如果L穿过平面P,
就不是向量子空间。
问题2:一定也是向量子空间。
2.列空间
列空间是十分重要的一个向量子空间。举例说明列空间是什么样的子空间,也引出列空间的定义。e.x.:
列空间的定义:The column space consists of all combinations of the columns. The combinations are all posible vectors .They fill the column space
.
简单说,列空间是对矩阵A的,记作,是由A的列向量所有可能线性组合构成的向量空间。既然
是由A的列向量线性组合构成的向量空间,那么上面例子中的
是
的一个向量子空间,对于mxn大小的A,
是属于
的。抽象的定义背后总是存在实际的意义,那么定义列空间的意义何在呢?
还是回到解线性方程组的问题上,上面的矩阵A是某个线性方程组的系数矩阵。那么我们提出问题:对于所有的右侧向量b,方程组
都有解呢?如果不是,那么什么样的b让方程组有解?
首先,问题1的答案是否定的,以中学就学过,3个未知数,4个方程的方程组不一定有解。用线性代数的知识解释就是:3个列向量的线性组合不能充满整个。那么什么样的b让方程组有解呢?答案是:
有解,当且仅当b属于A的列空间
这是列空间背后的意义所在,它决定了方程组的解的可能性。
列空间只是向量空间的一个特殊定义,它和其他向量空间本质上并没有什么不同,只是它里面的向量都是源自某个矩阵的列向量。下面说一下在任意向量空间V中产生子向量空间的方法(视频中未讲):
假设S是向量空间V中的一组向量,我们可以得到V的子空间SS,SS = S所有线性组合。
3.零空间
定义:
The nullspace of A consists of all solutions to . These vectors x are in
.The nullspace containing all solutions of
is denoted by
.
简单说,矩阵A的零空间就是使得成立的所有解构成的向量子空间。
对于上面例子中的矩阵A,它的零空间空间由下面的方程组求解:
求解上面的线性方程组,可得 :
,这里的零空间是3维空间中过原点的一条直线。
注意:对于mxn的实数矩阵A,是
的向量子空间,
空间中的向量和A的行向量大小一样;而
是
的向量子空间。
给出两个检验:
(1)Ax=0的解构成一个向量子空间.
(2)Ax=b的解不构成一个向量子空间.
这两个检验的证明很简单,检验证明在这里不列出了,以备以后回头复习时检验对知识掌握的牢固程度。
本节课的内容对应《INTRODUCTION TO LINEAR ALGEBRA》3.1章节的后半部分和3.2章节的前半部分。
下节课:求解Ax=0:主变量,特解-线性代数课时7(MIT Linear Algebra , Gilbert Strang)