这里写目录标题
空值空间和范围
每个线性映射都会将其域中的至少一个向量送到零向量处。有时,映射也会将非零向量发送到零向量–零映射就是一个极端的例子。映射为零的向量集及其补集是线性映射的两个关键属性,因为它们在某种松散的意义上捕捉了映射所拥有的自由度数量。在本节中,我们将通过研究零空间和范围来正式阐述这一观点。
零空间和范围空间
定义:T的零空间线性映射表示为null(T),是一系列向量
v
v
v的集合,满足
T
v
=
0
Tv = 0
Tv=0。null空间的同义词是内核。
定义:线性映射
T
T
T的范围表示为
r
a
n
g
e
(
T
)
range(T)
range(T), 是向量 w 的集合,
T
v
=
w
Tv =w
Tv=w使得对于某个 v∈W。范围空间的同义词是图像。
您应该验证null空间和范围空间的线性映射T:V→W 的范围都是 V 的子空间。
线性映射基本定理(兰克-空性)
直观地说,线性映射 T 的范围维度告诉我们 T 有多少个自由度。和自由度有多少,而其零空间的维度则告诉我们它有多退化。这显然是一枚硬币的两面,通过下面的定理可以精确地说明这种对称性。
定理:等级零性。设 T:V→W 是线性映射。那么 range(T) 是有限维的,并且:
dim
V
=
dim
range
(
T
)
+
dim
null
(
T
)
.
\operatorname{dim} V=\operatorname{dim} \operatorname{range}(T)+\operatorname{dim} \operatorname{null}(T) .
dimV=dimrange(T)+dimnull(T).
证明:
让 u 1 , … , u m u_{1}, \ldots, u_{m} u1,…,um是null空间的基。并将此向量列表扩展为形式为 u 1 , … , u m , v 1 , … , v n u_1,\ldots,u_m,v_1,\ldots,v_n u1,…,um,v1,…,vn的 V 的基。 证明 v 1 , … , v n v_{1},\ldots,v_{n} v1,…,vn跨 range(T),并且也 T v 1 , … , T v n Tv_{1},\ldots,Tv_{n} Tv1,…,Tvn是线性无关的,可以总结得到 dim V = dim range ( T ) + dim null ( T ) \dim V=\dim\text{range}(T)+\dim\text{null}(T) dimV=dimrange(T)+dimnull(T)。